500.000 Proben von mehrsprachigen Post-Training-Daten in 5 Sprachen: Französisch, Spanisch, Italienisch, Deutsch und Portugiesisch. Um den Mangel an mehrsprachigen Post-Training-Datensätzen zu beheben, haben wir diese Proben erstellt und festgestellt, dass sie die Leistung bei Benchmarks wie Global MMLU, Belebele und Multi-IF verbessern.

Überglücklich, bekannt zu geben, dass ich 🤗 @huggingface als #MachineLearningEngineer mit Fokus auf #WebML beitrete!

1.000.000 🤗

Perfekter Sonntag: Ich habe gerade Kimi-K2 von @Kimi_Moonshot verwendet, um eine @Gradio-App zu vibe-coden! 🔥 Du kannst den "Anycoder" Space von @_akhaliq, der auf @huggingface gehostet wird, kostenlos nutzen. Es ging super schnell! 🤗 PS: Ich bin mir bewusst, dass ich Gradio benutze, um eine andere Gradio zu vibe-coden! Wortspiel hier sehr beabsichtigt! 😂

Hier ist der Grund, warum wir beschlossen haben, (1) Cline Open Source zu machen und (2) den Wiederverkauf von Inferenz nicht Teil unseres Geschäftsmodells zu machen: Wenn Sie die Inferenz (die Aufrufe des KI-Modells) kontrollieren und wir das System (das die Aufrufe steuert) aufbauen, kann keine der Parteien verschleiern, was passiert. Sie sehen genau, welche Modelle aufgerufen werden, wie viel Kontext verwendet wird und welche Entscheidungen getroffen werden. Wir können die Leistung nicht heimlich verschlechtern, um die Margen zu verbessern, da Sie den Inferenzanbieter direkt bezahlen. Diese Trennung bedeutet, dass wir nur dann erfolgreich sind, wenn Cline leistungsfähiger wird. Nicht, wenn wir clevere Wege finden, um Ihre Token-Nutzung zu reduzieren. Nicht, wenn wir zu günstigeren Modellen umleiten, ohne es Ihnen zu sagen. Nicht, wenn wir künstlich die Kontextfenster begrenzen. Das Ergebnis: Cline verwendet das richtige Modell für jede Aufgabe (wie von Ihnen definiert), integriert jedes benötigte Tool über MCP und arbeitet ohne willkürliche Einschränkungen. Sie erhalten reinen, ungefilterten Zugang zu KI-Fähigkeiten. Wir haben auf diese Weise gebaut, weil, wenn die Anreize richtig ausgerichtet sind, Sie uns nicht vertrauen müssen. Die Architektur selbst garantiert, dass wir auf dasselbe Ziel hinarbeiten: die leistungsstärkste KI-Coding-Erfahrung, die möglich ist. Die Quintessenz ist, dass Cline Ihnen die bestmögliche Leistung aus den besten Modellen bietet, Punkt.

In unserem internen Benchmark für "Hard"-Diff-Bearbeitung, in Fällen, in denen ein Frontier-Modell zuvor einen Diff-Edit nicht bestanden hat (vor unseren Updates des Diff-Algorithmus), hat Kimi Claude 3.5 übertroffen. Es wird interessant sein, die Ergebnisse unserer Benchmarks zur "Nightmare Difficulty" in den nächsten Wochen zu sehen.

Ich möchte darauf hinweisen, dass Kimi K2 bei realen Aufgaben (nicht Benchmarks) besser abschneidet als Gemini. Dies ist die Telemetrie aller @cline-Nutzer, die die Fehlerrate bei der Bearbeitung zeigt. Beachten Sie, dass Kimi eine Fehlerrate von etwa 6 % hat, was deutlich besser ist als die Fehlerquote von Gemini von ~ 10 %. Bemerkenswerterweise hat Kimi sogar Claude 4 in den meisten dieser Woche übertroffen und eine Fehlerrate von unter 4 % erreicht!

Inside Hugging Face 🤗 Scott @GoingBallistic5 und ich hatten die Gelegenheit, einen der leidenschaftlichen Köpfe hinter Open-Source-AI zu treffen. Ein großes Dankeschön an @AractingiMichel, @AdilZtn und das @huggingface, @LeRobotHF-Team für den herzlichen Empfang! Die gesamte Tour

So verwenden Sie den @huggingface-Anbieter in Cline 🤗 (Thread)

🎶 Lernen Sie Audio-Flamingo 3 kennen – ein vollständig offenes LALM, das auf Sound-, Sprach- und Musikdatensätzen trainiert wurde. 🎶 Verarbeitet 10-minütige Audios, lange Texte und Sprachkonversationen. Perfekt für Audio-QA, Dialoge und Schlussfolgerungen. Auf @huggingface ➡️ Von #NVIDIAResearch.