Gradium 推出端侧 TTS 模型 phonon-31m-en：64.5 MB，浏览器本地就能跑
Gradium 团队开源了轻量级英文语音合成模型 phonon-31m-en。基于 Pocket TTS 与 Mimi 编解码技术，8 位量化权重仅 64.5 MB，支持边生成边播放的流式输出，普通笔记本 CPU、手机乃至浏览器标签页内无需联网即可运行，且遵循 Apache 2.0 协议开源并支持商用。
端侧AI
查看更新的新闻
ISTA-DASLab 开源 DeepSeek-V4.1 量化版：12GB 显存跑 763B 大模型
ISTA-DASLab 开源 DeepSeek-V4.1-Flash-1017 的 GSQ-RCO 量化 GGUF 模型。团队结合非均匀量化算法将 763B MoE 模型最低压缩至 1.75 bpw，搭配 Strata 引擎可在 12GB 显卡运行。最值得关注的是 2.00 bpw 版本性能完全追平原模型，大幅拉低超大模型本地部署门槛。
腾讯开源 WeVisOne-VL：单个轻量模型搞定检测、计数与抠图
腾讯微信视觉团队开源视觉语言模型 WeVisOne-VL，推出 2B 与 4B 两个轻量版本。它无需 SAM 等重型模型辅助，仅靠 9.6M 参数的解码器就能统一目标检测、OCR、计数与发丝级透明通道抠图，目标不存在时还会主动拒识。代码与权重已按 Apache 2.0 协议开放，支持本地运行。
腾讯开源世界模型 Hy-Nomas：单张 4090 能跑，文字和相机实时操控
腾讯开源交互式视频世界模型 Hy-Nomas，支持通过自然语言和相机运镜实时控制虚拟场景。模型可输出 720p、24 帧画面，通过分段生成维持长时间一致性，蒸馏后的 9GB 版本单张 RTX 4090 即可运行，并以 Apache 2.0 协议开源全套代码与权重。
Underdog 开源 Bark 3.0：163MB 语音模型，5 分钟音频半秒转完
本周，Underdog 在 Hugging Face 开源语音转文字模型 Bark 3.0，体积仅 163 MB，在苹果 M 系列芯片上转写 5 分钟音频仅需半秒。它的英文会议错误率明显低于 Whisper Large，Clean 版本还能自动过滤掉口头禅。不过目前仅支持英文。
Perplexity Computer 登陆 Mac 本地：无需上云，36GB 内存可跑
Perplexity 推出 Mac 本地版 Computer，面向 Pro 等付费用户。模型与任务规划均在 Apple 芯片端侧执行，能直接联动备忘录与邮件处理私密文件，数据无需传至云端。本地运行可选 Qwen 3.6 或 PPLX Pro，推荐内存 36 GB 以上。
GaussiAnimate 开源：用双层骨架搞定动物与衣物 3D 动画
GaussiAnimate 开源了角色动画制作代码。它将内部运动骨骼与灵活的外部表面结构结合，内部管运动、外部管形变，解决了传统刚性骨架难以处理衣物和动物软体弯曲的问题。最值得关注的是，复杂形变动画制作被大幅简化，支持在本地电脑部署运行。
蚂蚁集团开源 Ming 3.0 TTS：用自然语言调音，支持多人播客与商用
蚂蚁集团开源文本转语音模型 Ming 3.0 TTS，支持自然语言调音、声音克隆与多人播客生成。模型提供约 3GB 和 18GB 两个版本，小版本可在消费级显卡本地运行，发音准确率居开放模型前列；全部采用 MIT 协议，允许商用。
HairDeck 开源：单张图片生成带骨骼 3D 发型，转头就能自然摆动
HairDeck 开源了单图生成风格化 3D 发型的模型，输入一张角色图就能生成完整的 3D 发片，并自带驱动动画的弹簧骨骼链。生成发片仅需 1 秒左右，比同类方法快 33 倍且朝向更准，支持直接导出 VRM 格式。模型大小仅 2.45GB，普通消费级显卡就能跑。
Rivian 要把 Claude 搬上车：自研智能分流，绝不碰刹车转向
本周，Rivian 宣布计划将 Anthropic 等第三方 AI 智能体接入车机。系统通过自研架构在端侧和云端模型间动态分流，还能跨设备同步对话记忆来协助日程与备菜。为保行车安全，官方强调智能体绝不会被赋予刹车或转向等底层控制权。
NVIDIA 发布 Nemotron 3.5：120B 多模态吞吐快 5 倍，端侧模型进 RTX
NVIDIA 发布 Nemotron 3.5 系列开源模型。120B 参数的 Super VL 专为智能体打造，多模态吞吐量达同类 5 倍；同时推出的 Bolt 74B-A9B 原生 2-bit 量化，可在 24GB 显存设备上本地运行。这意味着企业和个人能把复杂智能体工作流搬到本地部署。
Black Forest Labs 发布 FLUX 3 Klein：5.6B 参数跑进 8GB 显存
Black Forest Labs 开源 5.6B 参数的图像生成模型 FLUX 3 Image Klein。它支持原生 4K 输出、精准区域编辑和多图参考，INT8 版本在 8GB 显存显卡上就能直接运行，让本地与端侧部署的门槛大幅降低。
Meta 发布 Muse Spark Open：816B 开源大模型，两台 Mac 就能跑
Meta 发布开源多模态模型 Muse Spark Open，拥有 816B 总参数与 42B 激活参数，支持 1M 上下文。最值得关注的是，借助 MLX 框架，该模型可在两台 M5 Ultra Mac Studio 上完全离线运行，主打复杂编程与多步骤智能体任务。
InfiniSplat v2 开源：多张照片一键重建 3D 场景，消费级显卡可跑
开源 3D 重建模型 InfiniSplat v2 发布，能将多角度照片或上千帧驾驶视频直接转成可自由探索的 3D 场景。模型将几何结构与视觉表现预测解耦，并能自动抑制不一致的噪点。整个模型仅约 6.6GB 且已开放代码和权重，普通消费级 GPU 即可在本地部署运行。
DeepMind 联手新加坡推端侧 Gemma 防诈：本地研判话术，数据不上云
Google DeepMind 宣布与新加坡 GovTech 合作，微调端侧 Gemma 模型用于实时检测话术诈骗。该模型采用两级流水线在手机本地研判多轮对话，识别诱导行为并弹出预警，聊天数据全程不上云，旨在兼顾端到端隐私与反诈效率。
Flox 推出端侧 AI 驱赶设备：靠视觉识兽发声，保护机场与列车
瑞典初创公司 Flox Intelligence 披露，其端侧 AI 驱离设备已在多国部署约 150 台。设备能在本地通过视觉模型识别动物物种并发出特定驱赶声，避免冲撞火车和飞机。阿尔斯通已成其 OEM 合作伙伴。
Apple 发布首款智能屏 HomeView：搭载 Siri AI，认出脸才给看私信
Apple 发布首款智能带屏设备 HomeView，定价 299 美元。它配备 7 英寸方屏与 A18 芯片，内置 Siri AI，最大看点是靠人脸识别和 iPhone 联动切换用户画像，只有本人靠近才展示私人信息。即日起开启预购，11 月 13 日正式发货。
Apple 发布第四代 Apple TV 4K：搭载 Siri AI 与 A19 芯片，支持免手持语音
Apple 发布第四代 Apple TV 4K。新设备搭载 A19 芯片与基于 Apple Intelligence 的 Siri AI，内置三阵列远场麦克风支持免手持语音控制，并首次支持连接四台 HomePod 组建环绕声影院。此外，它还能通过 AI 生成智能家居摄像头的活动摘要。售价 299 美元。
Skywork 开源 Matrix Game 4.0：单卡 83 帧实时渲染可玩 3D 游戏
Skywork 开源 3D 游戏世界模型 Matrix Game 4.0。它让传统引擎处理物理与规则，再由 AI 实时细化画面，单张消费级 GPU 下最高可跑出 83 帧，并内置智能体用自然语言修改玩法。这解决了以往 AI 游戏画面容易漂移变形的问题，代码与权重均已开放。
Anthropic 预警 AI 自我复制：无需机房，电视盒子上就能跑
Anthropic 警告称小型 AI 模型数月内或可在电视盒子等 IoT 设备上自主自我复制。实验中 15 台单价 55 美元的电视盒子成功分布式运行 26B 模型，GLM-5.2 已能完成全流程复制。最值得关注的是，AI 蠕虫未来可能完全脱离数据中心生存。