Hugging Face 一周连发四大模型与评测工具

背景

2026 年 6 月 9 日至 22 日期间，Hugging Face Hub 接连发布四项重要更新，覆盖 OCR、3D 运动预测、模型评测与多语种语音识别四大方向，涉及 PaddleOCR、Allen AI、ServiceNow 等多个机构与团队。更新内容包括三档参数量的多语 OCR 模型、从单帧视频生成 3D 点轨迹的语言引导模型、面向迭代开发流程的开源评测工作台，以及针对双语混说场景的前沿 ASR 基准测试。

核心要点

• PP-OCRv6 提供 1.5M 至 34.5M 三档参数量，覆盖 50 种语言并支持 Transformers、ONNX Runtime、Paddle Inference 等多种推理后端
• Allen AI 发布 MolmoMotion，可根据单帧视频与自然语言指令预测 3D 点轨迹，同时开源 116 万视频数据集与人工验证基准
• olmo-eval 在 OLMES 基础上扩展，覆盖模型迭代开发全流程，支持模块化检查点两两对比与灵活沙箱
• ServiceNow 推出中英混合语音 ASR 基准，测试七款模型在四种语言对上的表现，ElevenLabs Scribe V2、Gemini 3 Flash 与 AssemblyAI Universal-3 Pro 排名前列
• Whisper Large V3 Turbo 在混语种音频上因默认进入翻译模式表现欠佳
• 全部模型与数据集均托管于 Hugging Face Hub，开源社区可直接下载

为什么重要

这一波密集发布显示 Hugging Face 正在从单纯的模型托管平台，演化为覆盖训练、评测、部署全链条的多模态 AI 基础设施中心。OCR 走向轻量化与多语化降低了应用门槛，3D 运动预测为具身智能与机器人提供新范式，评测工具的开源则提升了模型迭代的可重复性，而中英混合语音基准直击全球客服与跨境应用的核心痛点，将推动 ASR 系统在真实复杂场景中的可靠性提升。

关键事实速记

• 2026-06-22 PaddleOCR PP-OCRv6 上线
• 2026-06-17 Allen AI 发布 MolmoMotion
• 2026-06-12 olmo-eval 开源
• 2026-06-09 ServiceNow 推出双语 ASR 基准
• PP-OCRv6 支持 50 种语言
• MolmoMotion 数据集含 116 万视频