tttLRM 开源：不到 4GB 搞定 3D 重建，连电线和文字都能清晰还原
3D 重建模型 tttLRM 正式开源，利用测试时训练（TTT）技术将照片高效转为 3D 高斯泼溅模型。相比传统 3DGS，它消除了烟雾感与噪点，能精准还原电线和微小文字；模型体积不到 4GB，普通消费级显卡就能本地跑起来。
端侧AI
查看更新的新闻
三星 Galaxy AI 接入 Perplexity：一句「hey Plex」直接调动系统日程与相册
Samsung 宣布在 Galaxy S26 上将 Perplexity 接入 Galaxy AI。除 Bixby 和 Gemini 外，用户说一句「hey, Plex」就能唤醒，它还能直接调用相册、日程等系统应用。Samsung 借此押注多智能体生态，让不同 AI 负责不同任务。
Figure 部署 7 台人形机器人：靠自主感应充电，实现 24/7 全天候运转
Figure 宣布在总部部署 7 台 Figure 03 人形机器人，由 Helix 02 全身神经网络调度实现全天候轮班。机器人能根据电量自主走上 2 kW 感应底座充电并交接任务。最值得关注的是人形机器人跑通了全自主补能循环，不过官方暂未公布它们具体在做什么实际工作。
OpenAI 被曝研发首款硬件：带摄像头的智能音箱，定价 200 至 300 美元
据 The Information 报道，OpenAI 正组建超 200 人团队研发硬件家族。首款产品是带摄像头的智能音箱，定价 200 至 300 美元，最早 2027 年 2 月面世；后续还规划了智能眼镜和台灯。设备支持人脸识别并能主动提醒日程，但真正的考验还在量产与交付。
苹果加速研发三款 AI 穿戴设备：智能眼镜、吊坠与新 AirPods
据彭博社报道，苹果正加速推进三款 AI 穿戴设备研发，包括代号 N50 的智能眼镜、带摄像头的 AI 吊坠和新 AirPods。设备均深度绑定 iPhone 与 Siri，通过视觉感知执行操作。眼镜预计最早 12 月投产、2027 年发售。
NVIDIA 发布指南：教你在 RTX 显卡与 DGX Spark 上免费跑 OpenClaw
NVIDIA 发布指南，详解如何在 GeForce RTX 显卡和 DGX Spark 上本地部署 AI 智能体 OpenClaw。借助 Ollama 或 LM Studio 驱动本地模型，不仅能免去常驻智能体高昂的云端 API 账单，还能确保个人文件与数据完全留在本地。不过 NVIDIA 也提醒，本地智能体接管系统权限时务必注意安全防护。
Moonshine 开放语音模型：2 亿参数端侧实时跑，字误率超越 Whisper
Moonshine AI 发布开放权重的 Moonshine Voice 语音转文字模型，支持在 iOS、Android 和树莓派等设备端实时运行。其 2 亿参数流式模型参数量比 Whisper Large v3 小 7.5 倍，字误率却更低，还内置了语音活动检测和意图识别功能。
Monarch RT 开源：单张 RTX 5090 跑出 16 FPS 实时视频生成
加速架构 Monarch RT 正式亮相，能在单张消费级 RTX 5090 显卡上以每秒 16 帧实时生成视频。其注意力机制比 FlashAttention 快近 4 倍，且画质保留了密集注意力的约 95%。这意味着开发者无需依赖云端算力集群，完整代码已在 GitHub 开源。
LobsterAI：网易有道开源桌面 Agent，接管 Office 并支持微信远程派活
网易有道开源桌面级 Agent 软件 LobsterAI。它采用 MIT 协议，能直接在本地编辑 Office 文档、操控内置浏览器，并支持通过微信或飞书等聊天软件从手机远程指派任务。最值得关注的是它开箱即用且支持本地沙箱审批，敏感操作需确认后才执行。
Waymo 开启第六代系统无人运营：摄像头减半，成本大幅下降
Waymo 宣布基于第六代 Waymo Driver 系统开启全无人自动驾驶运营。新硬件借助自研芯片将摄像头数量减少一半以上，同时压低激光雷达成本，强化了暴雪等恶劣天气适应力。目前先面向员工及嘉宾开放，后续将向公众推出。
LavaSR 超轻量音频增强器：体积仅 50MB，GPU 跑出 5000 倍实时
超轻量音频修复工具 LavaSR 受到关注。它的模型体积仅 50MB，能消除噪音并提升人声质感；速度在 GPU 上可达 5000 倍实时，CPU 也能达 60 倍，完全可以在手机端流畅运行。这意味着端侧高质量实时消噪的门槛被大幅拉低。
SoulX-Singer：几秒人声克隆唱歌，不到 3GB 连 CPU 都能跑
Soul-AILab 开源零样本歌唱合成模型 SoulX-Singer。它只需几秒说话音频就能克隆目标人声，既能直接把参考歌声转成指定音色，也支持用自己哼唱的旋律或 MIDI 控调。模型体积不足 3GB，低端 GPU 甚至 CPU 都能本地跑起来。
Just Dub It：把视频配音成外语，口型也能自动对上
开源配音工具 Just Dub It 发布。它基于 LTX-2 打造了轻量 LoRA 适配器，能把视频翻译成法语、德语等外语并同步生成匹配的唇部动作，同时保留原人脸特征。代码、模型权重与训练集已全部开源，支持消费级显卡部署。
PicoClaw：内存只要 10MB 的超轻 AI 助手框架
开源项目 PicoClaw 亮相，主打超轻量级个人 AI 助手。它用 Go 语言重写，核心内存占用低于 10MB、启动只需 1 秒，比 OpenClaw 节省 99% 内存，能跑在 10 美元低成本硬件上，通过 Telegram 等聊天软件替你全天候办事。
Mistral 发布 Voxtral Transcribe 2：4B 实时模型开源，延迟进 200ms
今天，Mistral AI 发布语音转文字模型家族 Voxtral Transcribe 2。其中 4B 参数的实时模型 Voxtral Realtime 采用 Apache 2.0 开源权重，支持端侧部署且延迟可调至 200ms 以内；批量模型成本仅 0.003 美元每分钟，覆盖 13 种语言并支持说话人区分。
MiniCPM-o 4.5：9B 全模态端侧模型，支持边看边聊与主动打断
OpenBMB 开源 9B 参数全模态模型 MiniCPM-o 4.5，能同时处理音视频输入并实时语音交互。它采用全双工架构，不仅允许用户打断，模型还能每秒做一次决策主动插话提醒。模型支持本地部署，视觉与文档解析能力逼近甚至超过部分主流闭源模型。
智谱开源 GLM-OCR：仅 0.9B 拿下基准第一，支持 Ollama 极速部署
智谱开源轻量级文档模型 GLM-OCR，参数量仅 0.9B。它在 OmniDocBench V1.5 评测中以 94.62 分登顶，能精准解析复杂表格、数学公式与手写字，并输出 JSON 或 Markdown。模型采用 MIT 协议完全开源，支持在 Ollama 和 vLLM 上低延迟部署。
Omnimat Zero 开源：不仅能从视频中删物体，连倒影和阴影也能抹掉
开源视频工具 Omnimat Zero 能够精准擦除画面中的物体，并同步清理水坑倒影与地面阴影。它还能应对复杂的遮挡关系，或把前景单独提取为透明图层供替换背景，目前代码与本地运行说明已在 GitHub 开源。
ACE-Step 1.5 开源：不到 4GB 显存，10 秒本地生成完整歌曲
ACE Studio 与阶跃星辰开源音乐基础模型 ACE-Step 1.5。它显存需求不到 4GB，在 RTX 3090 上不到 10 秒就能生成完整歌曲，支持 50 多种语言且采用 MIT 协议可商用。这意味着创作者无需依赖昂贵的云端 API，在消费级显卡上就能直接做音乐生产。
LM Studio 0.4.0 发布：支持无 GUI 部署与连续批处理
LM Studio 发布 0.4.0 版，将核心引擎拆分为脱离界面的后台守护进程 llmster，可直接部署在云服务器或 CI 环境中。新版还为 llama.cpp 引入连续批处理以支持多请求并发，并上线支持本地 MCP 的有状态 REST API。