Vibekollen Nytt
Hämtar senaste nytt…
Vibekollen Nytt
Modeller, verktyg och händelser som formar AI-världen. Hitta nyheter, video och poddar – och följ vad som händer på Vibekollen.
BloggOpenAI
OpenAI shares findings from the Hugging Face security incident and the steps we’re taking to strengthen AI model security, monitoring, and alignment.
26 aug. openai.com
BloggHugging Face
Hugging Face presenterar hur man tränar multi-vector-modeller — en typ av sökmodell som behåller en liten vektor per ord istället för att pressa hela texten till en enda vektor. Det ger finare matchning mellan sökfrågor och dokument men kräver större lagringsplats. Blogginlägget visar vilka komponenter som behövs för att finjustera befintliga modeller eller bygga nya från grunden, och presenterar exempel där en specialiserad medicinsk modell tränades på 14,5 timmar på ett enda grafikkort och överträffade generella sökmodeller.
26 aug. huggingface.co
BloggHugging Face
IBM har släppt Granite 4.2, en familj av språkmodeller i tre storlekar (3B, 8B och 30B tokens). De är tränade från grunden på ungefär 15 biljoner tokens och är designade för resonemang — de kan "tänka" innan de svarar, och kan köra i ett lätt läge som använder mindre beräkningskraft för enkla frågor. De större modellerna (8B och 30B) kan också använda verktyg, skriva kod och söka på webben. Alla modeller är öppna under Apache 2.0-licensen.
25 aug. huggingface.co
BloggHugging Face
Hugging Face presenterar en ny metod kallad Quantization-Aware Healing (QAH) som kan återhämta prestanda i AI-modeller som har både komprimerat sin struktur och konverterats till låg precision (4-bit). Istället för vanliga metoder som QAT eller QAD, distillerar QAH direkt från den ursprungliga, fullstor modellen snarare än från en redan skadad återhämtad version. När de tillämpade metoden på en 120B-modell komprimerad till 60B och kvantiserad till MXFP4, slog den 4-bit-versionen sin egen 16-bit-motsvarighet på 7 av 9 benchmarks — en overkslig omvändning av hur dessa modeller normalt presterar.
25 aug. huggingface.co
BloggHugging Face
Gradio har lanserat gr.Workflow, ett verktyg som låter dig bygga AI-pipelines visuellt genom att dra och koppla ihop noder i en canvas. Varje nod representerar ett steg — det kan vara en egen Python-funktion, en AI-modell från Hugging Face, eller en annan Gradio-app. När du är klar har du samtidigt ett gränssnitt att klicka i, ett REST-API att anropa från kod, och en app du kan deploya direkt till Hugging Face Spaces med ett kommando. Exemplen visar allt från bildredigering och borttagning av bakgrunder till att generera flera AI-konstverk från en prompt parallellt.
25 aug. huggingface.co
BloggHugging Face
Papers with Code använder Hugging Face-tjänster för att bygga en smart söksystem för AI-forskningspapper. Systemet kombinerar två sökmetoder — exakt ordmatchning och semantisk sökning som förstår betydelsen — för att hitta relevanta papper även när orden inte står tillsammans. Hugging Face Jobs kör den tunga beräkningen för att skapa vektorer från alla 110 000 papper, Storage Buckets lagrar mellanresultaten, och Inference Endpoints håller sökningen snabb för användarfrågor. Om söktjänsten inte svarar faller systemet automatiskt tillbaka till vanlig textsökning.
21 aug. huggingface.co
BloggHugging Face
Hugging Face presenterar en studie om hur taligenköppningsmodeller (ASR-modeller som skriver ut vad människor säger) ofta optimeras för att klara specifika testset snarare än att transkribera tal noggrant. Forskarna testade 11 populära modeller och upptäckte att flera av de högsta rankade systemeten reproducerade felaktiga referenstranskriberingar från dataseten VoxPopuli och LibriSpeech – även när ljud motsade detta. Modellerna verkar använda akustiska ledtrådar för att känna igen vilket benchmark de testas på, vilket får deras prestationssiffror att se bättre ut än de faktiskt är. Genom att testa med nya röster och tysade tal kunde forskarna visa att modellerna ofta började transkribera korrekt när de inte kunde identifiera datasetet.
21 aug. huggingface.co
BloggHugging Face
Liquid AI har lanserat DSpark-versioner av sina LFM2.5-språkmodeller som gör inferensen upp till 3,2 gånger snabbare på GPU och 2,87 gånger snabbare på enheter som MacBook Pro. DSpark använder en mindre "draft"-modell (omkring 300 miljoner parametrar) som föreslog tokens som en större modell sedan verifierar — på så sätt delas kostnaderna för att läsa vikter från minne över flera tokens samtidigt. Tekniken reducerar latensen för funktionsanrop med 57 procent i genomsnitt för den minsta modellen. Modellerna finns redan integrerade med llama.cpp och SGLang, två populära ramverk för att köra språkmodeller.
20 aug. huggingface.co
VideoAI Engineer
Niels Rogge på Hugging Face automatiserade sitt jobb att hitta AI-modeller som ligger gömda på Dropbox eller Zenodo och be författare flytta dem till Hugging Face Hub istället. Han byggde lösningen två gånger på olika sätt: först som ett enkelt, förutsägbart arbetsflöde som kör varje natt och skickar personliga meddelanden utan att avslöja att det är automatiserat, senare som en helt autonom loop med bash-kommandon som hanterar uppföljning. Det första sättet var enkelt och billigt, det andra hanterar följdfrågor utan mänsklig inblandning. Resultatet är att tusentals GitHub-issues öppnades automatiskt, och bara två blev negativa.
20 aug. youtube.com
BloggHugging Face
Liquid AI har släppt optimerade versioner av sin LFM2.5-modell med en teknik som kallas Quantization-Aware Distillation (QAD). Denna metod tar en högprecisions-modell och destillerar den till en komprimerad version som använder mindre minne och kör snabbare, utan att förlora mycket kvalitet — de återfår 97 procent av den ursprungliga prestandan. Modellerna finns i fyra storlekar (från 230 miljoner till 2,6 miljarder parametrar) och är testade på uppgifter som resonemang, instruktionsföljning och verktygsanvändning. Filerna kan användas direkt med llama.cpp eller andra verktyg som stöder GGUF-formatet.
19 aug. huggingface.co
BloggHugging Face
Hugging Face presenterar ALTK-Evolve, ett system som låter AI-agenter lära sig från sina egna tidigare försök genom att extrahera riktlinjer och senare använda dem igen — utan att uppdatera själva modellen. Forskarna testade detta på åtta olika AI-modeller och upptäckte något överraskande: mängden minne som hjälper beror helt på vilken modell du använder. Stora kraftfulla modeller som DeepSeek-V3.2 gagnas av alla riktlinjer, medan mindre modeller som gpt-oss-120b presterar bättre med bara ett urval av de viktigaste riktlinjerna. Systemet är billigt att använda — en modell ökade sina rätta svar med 16 procentenheter medan tokenförbrukningen bara ökade med 5 procent.
18 aug. huggingface.co
BloggHugging Face
Multi-vector-modeller är ett alternativ till vanliga AI-modeller som komprimerar text till en enda vektor. Istället sparar de en liten vektor för varje ord, vilket gör att sökresultaten blir bättre — särskilt när man letar efter något specifikt eller har många krav samtidigt. Nackdelen är att indexet blir mycket större, men med komprimering kan storleken bli jämförbar med vanliga modeller. Hugging Face visar hur man använder dessa modeller med verktyget Sentence Transformers.
18 aug. huggingface.co
BloggHugging Face
Hugging Face-teamet byggde en smart GPU-fördelningssystem som ordnar vilka jobb som får använda grafikkortet — och i vilken ordning. Istället för att bara fylla upp efter ankomstordning, ser systemet till att viktiga jobb prioriteras och att resurser som är reserverade för trafiktoppar kan användas under lågtrafik. I tester på samma hårdvara med samma arbetsbelastning ökade GPU-användningen med upp till 33 procentenheter och värdet av genomförda jobb steg i genomsnitt 52 procent — bara för att man ändrade ordningen på besluten.
17 aug. huggingface.co
BloggHugging Face
Hugging Face rapporterar att antalet modeller och dataset på deras plattform växer snabbt — modeller steg från 2,43 till 2,96 miljoner under perioden. Kinesiska laboratorier dominerar de största öppna modellerna 2026, ofta miljardvis parametrar större än amerikanska motsvarigheter. Intressant är att många kinesiska lab hoppar över små modeller helt och går direkt till gigantiska versioner, medan företag som Alibaba och Tencent släpper hela spektra. En stor skillnad finns mellan vad utvecklare laddar ner — ofta gamla, stabila småmodeller — och vad som får mest beröm — de nya, stora gränsmodellerna.
14 aug. huggingface.co
BloggHugging Face
Hugging Face och AWS Strands Robots möjliggör en slinga där robotar kan spela in demonstrationer, träna på växande datamängder och distribuera nya modeller — allt utan att ladda ned samma data om och om igen. Genom att använda Hugging Face Storage Buckets (ett lagringssystem som bara synkar förändrade delar) och streaming från Hub kan man hålla processen effektiv dag efter dag. Blogginlägget visar hur man bygger detta i praktiken: en robot spelas in via LeRobot-formatet, datan synkas till en bucket, träningen strömmar datasetet direkt från Hub utan att ladda ned allt lokalt, och en tränad modell distribueras tillbaka till roboten med en enkel kodändring.
13 aug. huggingface.co
BloggHugging Face
Hugging Face körde en stor hackathon under sommaren 2026 där communityn försökte återskapa resultaten från 2 226 av ICML-konferensens 6 352 accepterade papers — totalt 34 procent av konferensen. Med hjälp av AI-agenter (som Claude Code och andra) checkade deltagarna 35 908 påståenden från dessa papers. Resultatet var blandat: 51 procent av papers hade minst ett påstående som verifierades, men 23 procent hade minst ett påstående som motbevisades eller ifrågasattes. Det visar att vetenskaplig reproducerbarhet är mer komplicerat än bara sant eller falskt — flera oberoende team kom ofta fram till motsatta slutsatser om samma påståenden.
13 aug. huggingface.co
BloggHugging Face
Hugging Face presenterar OlmoEarth Studio, ett verktyg som låter användare beräkna och exportera inbäddningsvektorer — kompakta numeriska representationer av satellitdata från jorden. Användaren väljer sitt område, tidsperiod och andra inställningar via ett webbgränssnitt eller API, och får tillbaka en fil som kan användas för olika uppgifter. Dessa inbäddningar kan användas för att hitta likartade platser, göra enkla klassificeringar av landtyp från få märkta exempel, eller spåra förändringar över tid. Alla modeller och källkod är öppen, så vem som helst kan se hur inbäddningarna skapas.
12 aug. huggingface.co
BloggHugging Face
Liquid AI presenterar LFM2.5-VL-3B, en vision-language-modell — en AI som kan både se bilder och förstå text. Modellen är liten nog att köra direkt på din telefon eller dator och klarar fyra nya saker bra: förstår skärmar och gränssnitt, kan peka ut objekt när du beskriver dem, kan analysera flera bilder tillsammans, och kan anropa verktyg och funktioner. Modellen är tränad på 34 biljoner tokens med fyra gånger mer bilddata än tidigare versioner och stödjer många språk inklusive icke-latinska skriftsystem. I tester slår den andra modeller i sin storlek när det gäller verkliga bilduppgifter som att läsa dokument, skärmar och grafer.
12 aug. huggingface.co
BloggHugging Face
Hugging Face presenterar ALTK-Evolve, ett system som lär AI-agenter att använda verktyg mer tillförlitligt genom att spara och återanvända tidigare misstag och framgångar. Det liknar ett äldre system kallat ACE, men skiljer sig i hur det levererar lärdomarna: medan ACE skickar alla inlärda lektion varje gång agenten gör något, skickar ALTK-Evolve bara de mest relevanta. På samma uppgift når ALTK-Evolve samma eller bättre resultat som ACE men använder bara en sjundedel av de symboler (tokens) som ACE behöver — det gör det snabbare och billigare att köra.
11 aug. huggingface.co
BloggHugging Face
NVIDIA Magpie är ett text-to-speech-verktyg (TTS) som omvandlar text till naturligt tal i 12 språk. Det är utformat för röstapplikationer där snabbhet är kritisk — systemet kan producera det första ljudet på bara 32 millisekunder, vilket ger tid för andra delar av röstpipelinen (uppspelning, språkförståelse) att slutföra sitt arbete. Eftersom modellen är öppen och kan köras på din egen hårdvara, kan du kontrollera latensen helt själv istället för att förlita dig på ett molnbaserat API. Den senaste versionen lägger till stöd för arabiska, koreanska och portugisiska, och förbättrar talsyntes-kvaliteten genom nya träningsdata.
10 aug. huggingface.co
