Gradio 将三款小模型应用评为 OpenAI Codex 奖项获奖者

Why it matters

The winners show coding agents and local models converging into a practical build stack: small teams can ship private, inspectable AI tools without relying on a large hosted model for every user request.

Gradio 在其 Build Small 黑客松中将三个小型模型应用评为价值 10,000 美元的 OpenAI Codex 奖项的获胜者，其中首位是一个使用紧凑视觉、语言和语音模型为网页内容配音的无障碍工具。

这个由 Hugging Face 持有的框架在 8 月 3 日在 X 上通过一个五帖线程宣布了结果。Gradio 将 5,000 美元奖项授予 Tiny Narrator，3,000 美元授予 Blood Test Explainer，2,000 美元授予 Uta Sensei。

Gradio 源于联合创始人 Abubakar Abid 在斯坦福攻读电气工程博士时遇到的一个问题。Abid 希望与他合作进行医学计算机视觉项目的一位医生能在不安装 Python 的情况下测试模型，这促使他构建了一个用于机器学习演示的浏览器界面。他随后招募了 Ali Abdalla、Ali Abid 和 Dawood Khan 并在 2019 年发布了 Gradio。根据 Abid 当时的公告，Hugging Face 在 2021 年 12 月收购了 Gradio，当时用户已使用该框架构建了超过 300,000 个演示。

Three applications built around smaller models

Tiny Narrator，由 GitHub 用户 cvpfus 提交，以一个结合了语言、视觉和文本转语音组件的屏幕阅读器原型夺得第一名。其公开仓库 将一个拥有 39.7 亿参数的 Nemotron 模型标识为主要的“阅读大脑”，使用 MiniCPM-V 4.6 生成图像描述，并使用拥有 8200 万参数的 Kokoro 模型进行语音合成。

该界面从文章标题、段落和图像构建一个阅读队列。用户可以用键盘命令导航、请求摘要并查看生成旁白的抄本。代码还包含确定性的备用描述，以便在模型端点不可用时保持阅读器可用。Tiny Narrator 的仓库在 8 月 3 日审查时只有一个 GitHub star 且没有 fork，这表明该奖项反映的是黑客松评审结果而非已建立的广泛采用。

第二名 Blood Test Explainer 由与 American College of Greece 的 Deree AI Lab 相关的研究人员 Roman Dolgopolyi 和 Dimitris Kalligaridis 构建。用户上传血检 PDF 或图像，应用先用 MiniCPM-V 4.6 处理，然后将提取的标记和参考范围转换为结构化 JSON。经过策划的知识库随后提供通俗易懂的解释。

构建者表示，Blood Test Explainer 仓库 在产品路径中不包含外部推理调用，从而将上传的健康数据保留在 Space 或运行模型的本地机器内。他们自己的评估也暴露了窄向微调的局限性：一次早期以模式为中心的训练使字段级 F1 从 0.655 降到 0.078。根据构建者发布的结果，一次使用 100 个医学推理示例的后期微调将 F1 提升到 0.746。该仓库警告该应用用于教育目的，可能会误读噪声很大的扫描图像，不应替代临床医生。

Uta Sensei 由以 @odincode 发布的开发者构建，获得第三名。Uta Sensei 仓库 描述了一个日语辅导工具，它将歌词转换为包含振假名（furigana）、词汇、语法注释和基于材料的问答环节的课程。用户可以将结果导出为课程文件、Markdown 或 Anki 词汇卡包。

Uta Sensei 通过 llama.cpp 运行拥有 33.5 亿参数的 Tiny Aya Global 模型，公开版本托管在基础 CPU 实例上。开发者在黑客松期间测试了一个微调适配器，但在固定课程基准测试中原始模型表现更好后，最终发布了未改动的模型。

Codex was judged as part of the development process

Build Small 指南 要求所有参赛模型参数低于 320 亿，并且所有参赛作品必须作为 Gradio 应用发布。比赛宣传了 48,000 美元的奖金池、29 个奖项路径、20,000 Modal 积分和两块 Nvidia RTX 5080 GPU。

OpenAI 的类别要求在连接的 GitHub 仓库或 Hugging Face Space 中有 Codex 署名的提交。规则表示，评审会将 Codex 在模型微调、代理开发等任务中的广泛使用排在轻量编码辅助之上。Blood Test Explainer 的构建者表示他们在更改模型架构时使用 Codex 来管理提交和拉取请求。Uta Sensei 的创建者则在实现、测试、前端开发、评估和调试中都归功于 Codex。

Gradio 的最终奖金分配也解决了已发布奖项表中的一个不一致问题。Field guide 将第一名列为 5,000 美元、第二名 3,000 美元、第三名 1,000 美元，但同时又描述 Codex 奖池总额为 10,000 美元。Gradio 在 8 月 3 日的公告中将 2,000 美元授予 Uta Sensei，从而使三项奖励达到所述总额。

这些获奖应用有一个共同的技术选择：每个应用都将小模型尽量靠近用户，并通过公开代码使核心功能可检查。Codex 在该技术栈中位于更靠前的一层，帮助单个开发者在截止时间压力下生成并修改环绕这些模型的软件。