Google Colab
PulseAugur coverage of Google Colab — every cluster mentioning Google Colab across labs, papers, and developer communities, ranked by signal.
- used by Unsloth Desktop 70%
- used by Unsloth Studio 70%
- used by diffusers 70%
- used by Jan 60%
- used by Mlx 60%
- used by AutoProcessor 60%
- used by AutoModelForMultimodalLM 60%
- used by Diffusion Single File 60%
- used by Docker 50%
- used by Winget 50%
- used by Docker Model Runner 50%
- used by huggingface.js 50%
21 天有情绪数据
-
Inkling-2-Mini-Uncensored 模型变体在 Hugging Face 上发布
Inkling-2-Mini-Uncensored 模型的两个版本现已在 Hugging Face 上提供,可满足不同的部署需求。OpenUncensored/Inkling-2-Mini-Uncensored 变体专为与 Transformers 等库以及 vLLM 和 SGLang 等推理提供商配合使用而设计。第二个版本 AtomicChat/Inkling-2-Mini-Uncensored-GGUF 针对本地应用程序和 lla…
-
RadixArk/DaisyRose-27B 多模态模型在 Hugging Face 上发布
RadixArk/DaisyRose-27B 模型现已在 Hugging Face 上可用,提供多模态能力,可同时处理文本和图像。该模型可以使用 Transformers、vLLM 和 SGLang 等流行库集成到各种应用程序和工作流程中。提供了使用这些工具的模型操作的详细说明和代码示例,包括 Google Colab 和 Kaggle 环境的设置。
-
SenseNova-Loop-9B 多模态模型发布,权重和代码开源
sensenova 发布了 SenseNova-Loop-9B 模型,并向社区开放了其权重和代码。这款多模态模型旨在实现更深入的计算,并可与各种库和推理提供商集成。提供了使用 Hugging Face Transformers、vLLM 和 SGLang 以及通过 Docker 进行本地应用程序部署的说明。
-
新的 Qwen3.8-27B 适配器提升编码性能
Qwen/Qwen3.8-27B 模型发布了两个新的 LoRA 适配器:harness-hub/Qwen3.8-27B-opencode-adapted 和 harness-hub/Qwen3.8-27B-pi-adapted。这些适配器使用强化学习进行训练,以提高在软件工程和终端任务上的性能。OpenCode 适配器在 SWE-bench Pro 和 Terminal-Bench 2.1 上表现出显著的改进,以更少的 token 和…
-
Hugging Face 发布 KORMo-VL 多模态模型,用于图像-文本任务
Hugging Face 发布了两款新的多模态模型 KORMo-VL/KORMo-Web-9B 和 KORMo-VL/KORMo-Web-11B。这些模型旨在处理图像和文本输入,能够描述图像或回答有关视觉内容的问题。此次发布提供了详细的说明和代码示例,用于将这些模型与 Transformers 等流行库集成,以及通过 vLLM 和 SGLang 等推理引擎进行推理,并通过 Docker 进行部署。
-
KittenML 发布 KittenTTS 2 Mini,支持 16 种语言、118 种声音
KittenML 发布了 KittenTTS 2 Mini,一个拥有 8200 万参数的文本转语音模型,支持 16 种语言和 118 种声音。该模型有多种格式可供选择,包括用于纯 CPU 执行的 int8 或 int4 量化权重的 ONNX 版本,以及用于 GPU 使用的 float32 PyTorch 权重。可以通过 KittenTTS 库集成到项目中,并提供了不同语言和声音生成语音的用法示例。
-
开发者在28分钟内为外卖骑手构建了拥有4000万参数的多语言AI
一位开发者创建了一个小型多语言语言模型,旨在协助外卖骑手,特别是在网络连接差或没有网络连接的地区。这个拥有4000万参数的模型在免费的Google Colab GPU上训练不到30分钟,支持英语、印地语、孟加拉语、马拉地语和泰米尔语。该项目已在Hugging Face上发布,探讨了边缘AI在特定运营任务中的可行性,证明并非所有AI应用都需要庞大且依赖云端的模型。
-
Nex-N2.6 多模态模型在 Hugging Face 上发布
来自 nex-agi 的 Nex-N2.6 多模态模型现已在 Hugging Face 上提供,支持图像-文本到文本的生成。该模型可以使用 Transformers 和 vLLM 等流行库进行集成,并提供了详细的设置和使用说明。它还支持通过 Docker、vLLM 和 SGLang 进行部署,从而实现各种应用场景。
-
MuJoCo README 翻译成中文以简化设置
MuJoCo README 的中文翻译已发布,旨在简化中文用户的设置过程。翻译后的存储库包含一个快速入门指南,重新排序并澄清了原始安装步骤,强调 Python 绑定会捆绑引擎,并且 Python 3.11 是最低要求。翻译还突出了平台限制,并为中国大陆用户提供了关于使用 pip 镜像的说明,比原始文档提供了实际改进。
-
Zyphra 发布 ZONOS3-Mini,一款用于实时语音克隆的开源 TTS 模型
Zyphra 发布了 ZONOS3-Mini,这是一款专为在消费级硬件上实现实时性能而设计的开源文本转语音(TTS)模型。该模型采用稀疏专家混合(MoE)架构,拥有 1 亿个活跃参数,并支持零样本语音克隆。它可以通过 WebGPU 直接在网页浏览器中运行,也可在移动设备或各种 GPU 和 CPU 上运行,为开发者和用户提供了灵活性。
-
用户工作流结合Pika和NVIDIA Open 2K进行2K视频生成
一位用户开发了一个结合Pika和NVIDIA Open 2K来生成2K分辨率视频的工作流。该过程在Google Colab的GPU上运行,避免了付费API服务。它首先使用Pika LoRA以较低分辨率快速创建初始视频,然后采用NVIDIA Open 2K进行快速的三步增强,以实现最终的2K输出。
-
Hugging Face 上提供新的 mradermacher/gemma-4-31B-it-ARA-heretic-GGUF 模型
一款名为 mradermacher/gemma-4-31B-it-ARA-heretic-GGUF 的新模型已发布,可在 Hugging Face 上获取。该模型专为与各种库和推理提供商(包括 Transformers、llama.cpp、Ollama 和 Docker)配合使用而设计。提供了详细的说明,用于将模型集成到不同的开发环境和应用程序中,例如 Google Colab、Kaggle 以及 Pi 和 Lemonade 等本地应用程序。
-
Comfy-Org 为 ComfyUI 发布重新打包的 RelayVSR 模型
RelayVSR 模型最初由 kopper/RelayVSR 开发,现已被 Comfy-Org 重新打包,以便与 ComfyUI 一起使用。此版本包含不同分辨率和 VAE 配置的特定模型文件,例如 relayvsr_x4_int8_convrot.safetensors 和 relayvsr_flash_vae_x4_fp32.safetensors。提供了将 RelayVSR 与各种工具集成的说明,包括 Diffusion Sing…
-
Inkling 2 Small 多模态模型现已在 Together AI 上可用
Thinking Machines 开发的 Inkling 2 Small 多模态模型现已在 Together AI 平台上可用。该模型拥有 5940 亿个总参数,其中 170 亿个活跃参数,并支持高达 100 万个 token 的上下文窗口。它专为编码、长时代理工作和视觉等任务而设计。
-
发布未经审查的DeepSeek-V4.1-Flash-1017变体用于安全研究
MoonMath-ai/DeepSeek-V4.1-Flash-1017-uncensored 模型,即DeepSeek-V4.1-Flash-1017的一个未经审查的版本,已经发布。该模型通过闭式权重编辑创建,保留了原始模型的能力,同时消除了拒绝行为。它仅用于授权的安全研究,并且故意未经审查,能够响应有害请求。提供了使用该模型与Transformers、vLLM和SGLang等各种库和工具的说明。
-
尼泊尔的人工智能培训:为有抱负的工程师规避常见陷阱
对于希望进入人工智能工程领域的尼泊尔人来说,最关键的错误是误解“人工智能培训”的范畴。真正的人工智能工程涉及编写Python代码与模型进行交互,这项技能需要在深入研究LLM之前掌握基础的Python知识。学习者应利用Google Colab等免费资源以及Gemini和Groq等模型的免费API层级,而不是一开始就投资昂贵的硬件或付费API积分。还建议在采用LangChain等框架之前,先从直接调用模型开始,并优先学习安全措施和正确的评估技术。
-
Hugging Face 推出 Qwen3.8 模型并提供集成指南
Hugging Face 正在展示 Qwen3.8 模型的两个版本:“Ultimate-Heretic-Uncensored-Turbo-Brilliance-50x-AGI-NEO-GGUF”,参数规模分别为 40B 和 27B。该平台提供了将这些模型与各种流行库和推理提供商(包括 llama.cpp、vLLM 和 Ollama)集成的详细说明。用户还可以找到在笔记本电脑、LM Studio 和 Jan 等本地应用程序以及通过 Do…
-
机器人定位基础知识通过互动工具进行讲解
本文讨论了机器人学中概率定位的基础知识,特别关注离散贝叶斯滤波器和卡尔曼滤波器。作者使用Google Colab创建了一个交互式工作簿,让用户可以直接试验这些概念。
-
Minimax 发布 H3-Image 模型,具备 16MP 生成和编辑能力
Minimax 发布了其 H3-Image 模型的权重,这是一个拥有 331 亿参数的扩散 transformer 模型,能够在短短六步内生成 1600 万像素的图像。该模型还支持使用多达 16 张参考图像进行图像编辑,为创作者提供精细的控制和逼真的输出。虽然该模型是开源的,但其许可证包含一项条款,要求年收入超过 100 万美元的实体或提供托管服务的实体需要单独授权。
-
Weight Space Programming 微调 Qwen 3.8 模型以提升性能
一种名为“Weight Space Programming”的新方法已被开发出来,允许对 Qwen 3.8 等大型语言模型进行微调。该技术已被证明可以提高模型性能,一位用户因其微调版本响应更直接、焦虑感更少而称之为“Calmer-Qwen-3.8”。该过程涉及大量迭代,一位用户报告称工作六小时后模型有了显著改善,并提供了将这些模型与各种库和平台集成的说明。