標籤 · #open-source

NVIDIA 與 AI4Bharat 發布 2.8 兆 Indic 詞彙與開放管線

為什麼值得讀 此發布透過提供龐大、可審計的合成語料庫及可重複使用的創建工具，解決了印度語言中關鍵的數據匱乏問題。

NVIDIA 與 AI4Bharat 發布涵蓋 22 種語言的 2.8 兆詞彙 Indic 預訓練語料庫及開放 GPU 加速資料生成管線，由 IIT Madras 協作開發，旨在解決印度語言技術的數據匱乏問題。

PrismaCoder 推進開放多模態程式碼智慧

為什麼值得讀 本研究解決了多模態程式設計高品質訓練數據的關鍵缺口，透過分解式評量標準合成，提供能與專有系統匹敵的開放模型。

PrismaCoder-9B 與 35B 模型利用基於新穎評量標準的數據管線，在開放多模態程式碼智慧基準測試中領先。

Hcompany 發布 Holo4 通用型電腦使用代理模型

為什麼值得讀 Holo4 提供統一的模型以實現多介面自動化，以較低的成本與前沿模型競爭，並開源訓練軌跡。

Hcompany 推出 Holo4 系列代理模型，支援 GUI、程式碼、MCP 及 API 介面，專為通用型電腦使用任務設計。

LAION-BVD 發布 1000 萬小時開放式視頻數據集，用於多模態預訓練

為什麼值得讀 開發者需要此規模的數據來訓練跨視頻、音頻及圖像模態的競爭力多模態模型，且無需依賴專有數據。

研究人員推出 LAION-BVD 數據集，包含從 CommonCrawl 收集的 8000 萬個視頻，總時長達 1000 萬小時，涵蓋視頻、音頻與圖像等多模態內容。

Cloudflare Infire — 分離式推論架構比 vLLM 快 20%，Unweight 無損壓縮縮小模型 22%

Cloudflare 以 Rust 開發的 Infire 推論引擎採用分離式 Prefill/Decode 架構，在 H100 滿載下比 vLLM 0.10 高出 20% 吞吐量；伴隨推出的 Unweight 系統可無損壓縮模型權重 15–22%。

vLLM v0.20.0：DeepSeek V4、PyTorch 2.11、FlashAttention 4

vLLM v0.20.0：752 commits、320 貢獻者。預設 CUDA 13.0、PyTorch 2.11、Transformers v5、Python 3.14、FlashAttention 4 預設、TurboQuant 2-bit KV cache 4 倍容量。