이미지: METAL LAB 생성
摘要
- Ai2扩大与Hugging Face的合作，将Hub存储容量提升至原来约3倍，达到2PB水平
- Hub标准下载速度限制也不再适用于Ai2，大型数据集和多检查点模型可以最大速度下载
- 据悉，自2024年春季以来，Ai2的模型和数据集在Hugging Face Hub上的下载次数已超过5000万次
- 발표일
- 2026년 8월 6일
- 저장용량 확대
- 기존 대비 약 3배, 약 2페타바이트
- 다운로드 제한
- 허브 표준 rate limit 적용 제외
- 누적 다운로드
- 2024년 봄 이후 5000만 회 이상
- 공개 규모
- 허깅페이스 기준 모델 900개 이상, 데이터셋 1200개 이상 (Clem Delangue 언급)
- 허브 내 게시 순위
- 허깅페이스 공식 히트맵 기준 연간 신규 아티팩트 게시량 최다 기관
- 대표 모델·벤치마크
- Olmo, Tülu 3, Molmo, OlmoEarth, AstaBench, olmOCR-Bench
存储空间扩大3倍的原因
艾伦人工智能研究所（Ai2）扩大了与Hugging Face的合作，将其在Hub上的存储容量较此前提升约3倍，达到2PB水平。2PB相当于数千个普通消费级硬盘的容量总和，即便将大型语言模型的训练检查点和原始数据集整体上传也仍有余量。此外，Ai2还不再受到Hub标准下载速度限制的约束。此前，由大型数据集或多个检查点组成的模型因下载速度限制而需要较长时间才能下载完成，如今则可以最大速度下载。
此次举措背后是有数据支撑的需求。据悉，自2024年春季以来，Ai2的模型和数据集在Hugging Face Hub上的下载次数已超过5000万次。根据Hugging Face公布的自有热力图数据，Ai2在其追踪的机构中，年度新增素材发布量位居首位。
Ai2是什么机构
Ai2是由微软联合创始人保罗·艾伦（Paul Allen）创立的非营利AI研究机构。与仅公开模型权重的一般"开源"项目不同，Ai2一直坚持"完全开放（fully open）"的方式，将训练脚本、中间检查点、数据配比、评估结果乃至失败的实验（消融实验）全过程公开。这种做法使其他研究者能够复现和验证模型的实际构建过程，与仅提供权重的开放模型有所区别。
Ai2公开了哪些内容
Ai2在Hugging Face上公开的资料涵盖语言模型系列Olmo、后训练模型Tülu 3、多模态模型Molmo，以及用于地球观测的OlmoEarth，还包括科学研究智能体评估工具AstaBench。
| 项目 | 性质 |
|---|---|
| Olmo | 完全开放型语言模型 |
| Tülu 3 | 后训练（post-training）模型 |
| Molmo | 多模态模型 |
| OlmoEarth | 地球观测AI |
| AstaBench | 科学研究智能体评估基准 |
| olmOCR-Bench | 文档识别（OCR）基准 |
其中，olmOCR-Bench是一个评估模型对文档中多栏排版、表格、手写内容以及带说明文字图表的识别能力的基准测试。Hugging Face团队已将其采用为自身的默认OCR基准，并接入Hub的排行榜功能，使任何人都能在一个地方比较文档理解模型的性能。
Ai2临时CEO彼得·克拉克（Peter Clark）表示："不仅公开模型本身，还公开其之前的全部过程，这是Ai2工作方式的核心。"这一表态表明，此次合作不仅是简单的基础设施支持，更是为维护开放型研究方式而采取的实务举措。
Hugging Face获得了什么
通过此次扩容，Hugging Face强调，从Ai2用于机器人的视觉-语言-行动模型MolmoAct，到用于应对气候变化的OlmoEarth，其平台已成为支撑各领域开放研究的基础设施。Hugging Face作为共享开源模型和数据集的社区中心，一直发挥着AI研究者和开发者下载和部署模型的事实标准平台作用。大型研究机构的素材越多汇聚于此，Hub的存在感就越强，因此此次合作可以被视为双方利益一致的决定。
那么会带来什么变化
对研究者和开发者而言，可感受到的变化十分明确。此前下载大型检查点或海量训练数据时，会因速度限制而耗费大量时间，如今则可以不受这一瓶颈限制，访问Ai2公开的全部资料。这也意味着，与仅提供单一模型权重的开放型项目不同，能够完整查看整个训练过程的资料将不断增多。正如近期NVIDIA开放世界模型Cosmos 3或Cohere有关开源战略的表态所显示的那样，各大AI企业正以各自不同的方式定义"开放"并展开竞争，在这样的趋势中，Ai2此次扩容可以被视为在基础设施层面支撑开放性标准的一个案例。
