Взлом Hugging Face: ИИ-агент превратил уязвимость в угрозу и вынудил бизнес на локальный контроль
ИИ-агент взломал инфраструктуру Hugging Face за четыре дня, совершив более 17 600 действий быстрее, чем успевала реагировать команда безопасности. Коммерческие облачные сервисы заблокировали расследование, вынудив бизнес переходить на дорогие локальные решения и пересматривать стратегию закупок оборудования. / Страница 10
Читать полностью
Календарь упоминаний. Страница 10:
Hugging Face как источник моделей для кэширования в Cross-Origin Storage API
Суть: Google представила экспериментальное API, позволяющее браузерам кэшировать модели ИИ из репозиториев Hugging Face по хешам, а не по доменам. Это устраняет необходимость повторной загрузки идентичных файлов при переходе между разными сайтами.
Фактор: Текущая архитектура браузеров изолирует кэш по сайтам, заставляя пользователей скачивать файлы с серверов Hugging Face заново даже при использовании одних и тех же моделей на разных ресурсах.
Эффект: Библиотека Transformers.js уже интегрировала поддержку механизма, что позволяет мгновенно подгружать модели с Hugging Face из общего хранилища после первой загрузки.
Hugging Face внедрила ИИ-конвейер для еженедельных релизов библиотеки huggingface_hub
Суть: Команда Hugging Face сократила цикл выпуска обновлений до одной недели, внедрив конвейер, где ИИ готовит черновики, а детерминированные скрипты проверяют фактологическую точность.
Событие: Процесс автоматизирован с использованием модели GLM-5.2 от Z.ai через Hugging Face Inference Providers для генерации релизных заметок и сообщений.
Эффект: Стоимость одного полного цикла релиза снизилась до 0,25 доллара, а время на утверждение текста сократилось с полдня до 15 минут.
Фактор: Надежность системы обеспечивается жесткими программными ограничениями, где код сверяет сгенерированный текст с точным списком вошедших в релиз PR.
Тренд: Архитектура построена исключительно на открытых инструментах и моделях с открытыми весами, что позволяет другим разработчикам воспроизвести этот процесс.
Hugging Face запустила первый открытый бенчмарк для удаленного распознавания речи
Событие: Платформа Hugging Face совместно с Treble Technologies запустила FFASR Leaderboard для оценки систем распознавания речи в условиях удаленного микрофона. Тестирование проводится на 14 виртуально смоделированных комнатах с реалистичной акустикой, эхом и фоновым шумом.
Инсайт: Результаты показывают, что модели, демонстрирующие высокую точность на чистых записях, могут терять работоспособность в реальных условиях с шумом и эхом. Это выявляет разрыв между лабораторными стандартами и фактическими сценариями использования голосовых помощников.
Фактор: Для участия в бенчмарке достаточно указать идентификатор модели на Hugging Face, после чего система автоматически запустит тестирование на закрытом наборе данных. Поддерживаются популярные архитектуры, включая Whisper, Wav2Vec2 и HuBERT, а также кастомные решения.
Анонс: В планах развития проекта на платформе Hugging Face находятся сценарии с несколькими говорящими, оценка массивов микрофонов и тестирование систем подавления эха.
Hugging Face представила запуск приватных серверов vLLM одной командой
Суть: Платформа Hugging Face запустила возможность развертывания приватных серверов с открытым исходным кодом vLLM через утилиту командной строки, обеспечивая API-совместимость с OpenAI без настройки Kubernetes.
Событие: Пользователи получили доступ к запуску контейнеров с моделями (включая тяжелые архитектуры типа Qwen3.5-122B) через команду hf jobs run с оплатой только за фактическое время работы оборудования.
Риск: Серверы требуют обязательной ручной остановки командой hf jobs cancel, так как автоматический таймаут служит лишь страховкой, что создает риск непропорционального роста затрат при длительных сессиях отладки.
Фактор: Доступ к запущенным серверам строго приватен и полностью зависит от валидного токена авторизации Hugging Face, утечка которого блокирует работу API.
Эффект: Решение ориентировано на временные задачи и тесты, в то время как для постоянной работы в продакшене Hugging Face рекомендует использовать управляемые сервисы Inference Endpoints.
Hugging Face и EEE создали единый стандарт отчетности для оценки ИИ-моделей
Суть: Платформа Hugging Face объединилась с проектом Every Eval Ever для агрегации результатов тестирования в централизованное хранилище с единым форматом данных. Это устраняет разрозненность оценок одной модели, возникающую из-за разных методов проверки и скрытых настроек.
Событие: С февраля 2026 года система Hugging Face Community Evals начала собирать верифицированные результаты тестов прямо на страницах моделей, обеспечивая прозрачность метаданных.
Эффект: Интеграция позволила охватить 229 000 результатов тестирования для более чем 22 000 моделей, что сэкономило сотни тысяч долларов на повторных вычислениях.
Фактор: Для упрощения перехода на новый стандарт разработан конвертер, автоматически трансформирующий записи EEE в файлы YAML, требуемые Hugging Face, для четырех ключевых бенчмарков.
В нашей базе собрано 87 событий по теме «Hugging Face». Мы показываем 50 последних из них.
Объединили похожие карточки: Hugging Face; Hugging Face Inc; HuggingFace и другие.