OpenBMB 发布 MiniCPM-V 4.7，这是可在手机本地运行的开源 MoE 多模态模型，35B-A3B 参数，在 iPhone 17 Pro Max 上仅占 3 GB 内存，解码速度 13+ tokens/s。其 LES（前瞻专家调度）通过跨层路由预测提前加载专家权重，配合量化与存储布局优化，在真实设备上取得约 5 倍加速。面向开发者的 SRFT（自回放微调）在微调窄任务前用模型自生成标签做回放，以 Task:Replay = 4:1 混入任务数据，跨四个模型验证遗忘降低 80%–99%，任务性能基本无损。
匹配字段标题
Google DeepMind 与新加坡政府科技局（GovTech）合作推出端侧诈骗检测模型，基于轻量级 Gemma 微调，可在普通智能手机上本地运行。模型采用两级流水线，先用轻量分类器筛查消息，再用微调后的 Gemma 分析更大范围对话上下文，检测到操纵性对话模式时在设备上实时提醒用户。训练在 GovTech 管理的 GCP 环境中完成，数据经匿名化处理，不含私人或可识别个人信息，该成果在新加坡国际网络周（SICW 2026）上展示。
匹配字段标题
LiquidAI 发布 LFM2.5-24B-A2B，基于 LFM2-24B-A2B 架构，激活参数 2B，上下文窗口从 32K 扩至 131K tokens，词表从 65K 扩至 128K，并改为只输出思维链的推理模型。预训练规模从约 17T 扩至约 33T tokens，后训练经 SFT、教师专精、两阶段多领域在线策略蒸馏和智能体强化学习五步，在 OpenClaw、Hermes Agent、Pi、OpenCode 等框架内训练。在 16 项基准中，它在 AutomationBench、BFCLv4、ToolSandbox、LiveClaw、τ³-Bench Banking 等 8 项工具与智能体基准中的 5 项领先或持平，三项指令遵循基准全部领先，但 GPQA Diamond、HLE、SWE-Bench Verified 等知识密集与编码基准仍落后于更大模型。模型已在 Hugging Face 开源权重，支持 llama.cpp、MLX、vLLM、SGLang、ONNX，在 M5 Max 上解码 184 tokens/s，单张 B300 高并发下输出超 21K tokens/s。
匹配字段标题
Liquid AI 发布 LFM2.5-24B-A2B，总参数 24B、每 token 仅激活 2B，是 LFM2.5 家族中最大也是最后一款模型，基础版与后训练版均已在 Hugging Face 和 Playground 开放权重。该模型在八项智能体与工具调用基准中的五项领先或持平 Qwen3.6-35B-A3B，AutomationBench 得分为 27.69 对 8.72，LiveClaw 为 48.09 对 38.19。它采用显式思维链的纯推理模式，上下文窗口从 32,768 扩展到 131,072 tokens，词表从 65K 扩至 128K，预训练数据从 17T 扩至 33T tokens，在 Apple M5 Max 上解码 184 tokens/s，单张 NVIDIA B300 GPU 高并发下输出超过 21K tokens/s。
匹配字段标题
面壁智能发布开源多模态模型系列 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两款模型，面向 iOS 与 Android 设备端侧部署。35B-A3B 引入 LES（Lookahead Expert Scheduling）技术，在 iPad Pro M4（16GB）上实现 5 倍加速、17+ tokens/s，在 iPhone 17 Pro Max 上达 13+ tokens/s，内存占用仅 3GB。该模型在 34 项基准上取得竞争性结果，16 倍视觉 token 压缩下 OCRBench 得分 90.4，领先 Qwen3.6 35B-A3B 5.2 分，并支持 Apple、Intel、AMD、Arm 和 Rockchip 等平台。
匹配字段标题
感谢你的分享 @AdinaYakup ！🙌 很高兴看到社区对推动本地多模态 AI 发展的兴趣，从手机到边缘设备。
匹配字段标题
面壁智能推出新一代端侧多模态大模型 MiniCPM-V 4.7，提供 35B-A3B 和 1B 两种规格，其中 35B-A3B 是 MiniCPM-V 系列首个 MoE 模型。官方称该版本基于 LES 前瞻专家调度推理加速技术，在 iPhone 17 Pro Max 上以仅 3GB 内存实现 13+ token/s 解码速度，并支持 iOS、安卓和鸿蒙，适配 Intel、AMD、Arm、瑞芯微、后摩等芯片平台。同步开源 Self-Replay Fine-Tuning (SRFT) 微调方案，官方称 35B-A3B 在 Instruct 模式下以更短推理时间取得比 Qwen3.6 35B-A3B 更高的综合得分。
匹配字段标题
2026年6月WWDC上，Apple发布与Google合作构建的第三代Apple Foundation Models（AFM 3）五模型家族，其中AFM 3 Core Advanced将完整20B参数模型存于闪存、按需加载路由专家，突破DRAM物理限制；iPhone 18 Pro搭载首款2nm芯片A20 Pro，端侧AI算力翻倍。高通、联发科、Intel、AMD则分别以Hexagon NPU、双NPU与CIM存算一体、OpenVINO、XDNA 2架构推进端侧布局，稀疏MoE与Agentic AI成为五强共同方向。
匹配字段标题
集微网梳理中国AI芯片产业格局，以燧原科技上市为分界，云端已有摩尔线程、沐曦、壁仞、天数智芯、寒武纪、海光信息等7家核心企业登陆资本市场，未上市独角兽与大厂系芯片接力。文章指出行业共识的自我造血门槛是年营收30至50亿元、毛利率50%以上，目前仅海光信息和寒武纪跨过。2025年英伟达中国份额已从95%降至55%，国产算力合计41%，但HBM供应紧张、EDA依赖进口、CUDA生态护城河仍待突破。
匹配字段标题
Google旗下开源XR开发工具库XR Blocks发布0.22.0版本，首次在桌面模拟器中支持three.js的WebGPURenderer，但空间UI组件尚未支持，仍属模拟器层面的初步适配。新版本新增Gemma 4助手、端侧图像超分辨率、基于EfficientSAM的圈选搜索等端侧AI示例，并将Gemini默认Flash模型更新为Gemini 3.8 Flash、three.js升级至r186。相关端侧AI功能目前主要面向开发者测试与原型验证。
匹配字段标题
Google AI Edge 团队以 Apache 2.0 协议开源端侧 GPU 计算引擎 ML Drift，它抽象 OpenGL ES、OpenCL、Metal 和 WebGPU，是 LiteRT 的核心 GPU 加速引擎，也可作为独立库使用。相比旧版 TFLite GPU delegate，它引入张量虚拟化统一 shader、可扩展自定义算子框架、5D 张量支持和针对 LLM 的阶段性优化，并新增 Windows 和 Linux 桌面预览。官方称 Gemma 基准中内存开销最多降低 12%，YouTube Shorts 平均帧延迟最多降低 40%，Google Photos 提速最多 2 秒，Adobe Lightroom 与 Photoshop 端侧性能最多提升 30%，Snapchat 镜头模型延迟改善 30%。旧版 TFLite GPU delegate 将不再获得新功能更新。
匹配字段标题
微软发布 MAI-Code-1.1-Flash，相比 6 月 Build 大会推出的版本，token 效率提升 25%，成本降至四分之一，并已在 GitHub Copilot 中投入生产。该模型经 3-bit 量化后可在端侧运行，保留 256K 上下文窗口，在 SWE-Bench Verified 和 Terminal-Bench 2.1 上编码性能与全精度版本相当，本地调用不产生推理费用，官方建议设备内存超过 120GB。GitHub Copilot CLI 上 Terminal-Bench 2.1 提升 22%，.NET 任务提升 15%，代码存活率上升 4%，回访率增加 9%；本月底将在 GitHub Copilot 应用、CLI 和 VS Code 中开放实验性访问。
匹配字段标题
LiquidAI 发布基于 LFM 的两款开源决策模型 d1-3B 和 d1-omni-600M，它们不生成 token，而是在单次前向传播中给出答案。d1-3B 基于 LFM2.5-VL-3B 训练，接受文本和图像输入，在七个公开数据集上平均得分 82.9，高于 Decider 4B；d1-omni-600M 基于双向编码器 LFM2.5-Encoder-350M，加入视觉和音频编码器，得分 78.4，超过 Decider 2B 的 77.1，参数量仅为其四分之一，目前处于早期研究发布阶段。与 NVIDIA 合作在 RTX 4090、Jetson AGX Thor、Jetson AGX Orin 64 GB 和 Jetson Orin Nano 上评测，d1-3B 在每台设备上回答单个问题均低于 50 ms，GPU 上低于 10 ms，处理 384px 图像低于 18 ms。两款模型均为开放权重，已在 Hugging Face 上线。
匹配字段标题
网信部门公告新增“YOYO Claw”、Xiaomi miclaw、阶跃终端AI 3款提供手机端侧生成式人工智能服务备案，备案单位分别为深圳荣耀软件技术有限公司、小米科技有限责任公司、智源星辰（上海）智能科技有限公司，分别适用荣耀手机、小米手机、阶跃手机。
匹配字段标题
Google DeepMind 发布开放权重多模态嵌入模型 EmbeddingGemma 2，可将文本、图像、视频帧和音频映射到统一的向量空间，参数量 740M，文本权重在 Google Pixel 11 Pro 上仅需约 191MB 活跃内存，完整多模态模型约 567MB。该模型无需训练数据或微调即可作为端侧决策引擎，将用户输入直接与分类标签和描述匹配，实现毫秒级零样本意图路由。Google AI Edge Gallery 新增 Instant Media Search 和 Video Moments Finder 两个演示，Google AI Edge Foresight for Mac 也由 EmbeddingGemma 2 与 Gemma 4 驱动；未来数周内该模型将通过 ML Kit 以服务形式登陆 Android，并支持 NPU 加速。
匹配字段标题
AI办公赛道约90%的机会已被腾讯、阿里、微软等大厂占据，创业者只剩10%空间，并分化出两条路径。中国创业者转向端侧与本地部署，如WinClaw做本地知识库、元空智能用35B模型BOXER做端侧AI for Science，以买断制规避按Token付费；美国创业者则嵌入Slack、iMessage等现有工具，如Viktor、Poke按工作区或外包预算收费。
匹配字段标题
中国科学院工业人工智能研究所副所长陈云霁在2026集成电路（无锡）创新发展大会上指出，人工智能正从“计算的应用”走向“计算的定义者”，并加速从信息空间走向汽车、机器人、工业装备、能源系统等真实物理世界。他认为真正的端侧AI并非把云端模型缩小搬到设备上，而需芯片、算法、模型、体系结构、存储、编译和系统软件全栈协同，产生更高的“有效智能”。会上，江苏省集成电路产业联盟端侧AI芯片组正式揭牌。
匹配字段标题
SemiAnalysis 分析机器人推理的端侧与数据中心路线之争：当前通用机器人模型仍停留在数十亿参数级，如 Physical Intelligence 的 π0 约 3B、π0.7 为 5B、字节 GR-3 为 4B、NVIDIA DreamZero 为 14B。由于 100Hz 以上的动作与伺服控制回路无法离开本体，而规划层可低至 5Hz，作者认为需要真正智能的通用机器人将部分认知卸载到数据中心 GPU 更具优势。
匹配字段标题
NVIDIA 发布教程，介绍如何后训练 4B 的 Cosmos 3 Edge 全能模型，使其在 NVIDIA Jetson Thor 上原生运行机器人操作策略。在 Jetson AGX Thor T5000 上，该策略约 1.53 秒生成一个动作块，单个动作块覆盖约 2.13 秒机器人运动，因此无需数据中心 GPU 即可连续实时控制。在 RoboLab 闭环评测的 120 项语言条件操作任务中，后训练后的 Edge 策略成功率为 22.9%，Nano 为 36.8%。训练数据为 nvidia/Cosmos3-DROID 数据集，含 76k 条成功遥操作轨迹、约 350 小时、86 项任务和 564 个场景；后训练与部署脚本已在开源 cosmos-framework 仓库提供，检查点发布在 Hugging Face。
匹配字段标题
Liquid AI 发布 LFM2.5-VL-3B，一款面向端侧的视觉语言模型，已在 Hugging Face 和官方 Playground 上线。相比上一代 LFM2-VL-3B，它在屏幕与 UI 理解、函数调用、grounding 和多图输入四方面提升，ScreenSpot-v2 平均 80.7，ToolSandbox 从 26.4 升至 59.5，RefCOCO precision@1 从 57.1 升至 87.9。模型为非推理模型，直接作答以降低延迟，在 Apple M5 Max 上解码 228 tokens/s、Galaxy S26 Ultra 上 20 tokens/s，占用约 3 GB 内存，并支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。
匹配字段标题