tttLRM 開源：不到 4GB 搞定 3D 重建，連電線和文字都能清晰還原
3D 重建模型 tttLRM 正式開源，利用測試時訓練（TTT）技術將照片高效轉為 3D 高斯潑濺模型。相比傳統 3DGS，它消除了煙霧感與噪點，能精準還原電線和微小文字；模型體積不到 4GB，普通消費級顯示卡就能本地跑起來。
裝置端AI
檢視更新的新聞
三星 Galaxy AI 接入 Perplexity：一句「hey Plex」直接調動系統日程與相簿
Samsung 宣佈在 Galaxy S26 上將 Perplexity 接入 Galaxy AI。除 Bixby 和 Gemini 外，使用者說一句「hey, Plex」就能喚醒，它還能直接呼叫相簿、日程等系統應用。Samsung 藉此押注多智慧體生態，讓不同 AI 負責不同任務。
Figure 部署 7 臺人形機器人：靠自主感應充電，實現 24/7 全天候運轉
Figure 宣佈在總部部署 7 臺 Figure 03 人形機器人，由 Helix 02 全身神經網路排程實現全天候輪班。機器人能根據電量自主走上 2 kW 感應底座充電並交接任務。最值得關注的是人形機器人跑通了全自主補能迴圈，不過官方暫未公佈它們具體在做什麼實際工作。
OpenAI 被曝研發首款硬體：帶攝像頭的智慧音箱，定價 200 至 300 美元
據 The Information 報道，OpenAI 正組建超 200 人團隊研發硬體家族。首款產品是帶攝像頭的智慧音箱，定價 200 至 300 美元，最早 2027 年 2 月面世；後續還規劃了智慧眼鏡和檯燈。裝置支援人臉識別並能主動提醒日程，但真正的考驗還在量產與交付。
蘋果加速研發三款 AI 穿戴裝置：智慧眼鏡、吊墜與新 AirPods
據彭博社報道，蘋果正加速推進三款 AI 穿戴裝置研發，包括代號 N50 的智慧眼鏡、帶攝像頭的 AI 吊墜和新 AirPods。裝置均深度繫結 iPhone 與 Siri，通過視覺感知執行操作。眼鏡預計最早 12 月投產、2027 年發售。
NVIDIA 釋出指南：教你在 RTX 顯示卡與 DGX Spark 上免費跑 OpenClaw
NVIDIA 釋出指南，詳解如何在 GeForce RTX 顯示卡和 DGX Spark 上本地部署 AI 智慧體 OpenClaw。藉助 Ollama 或 LM Studio 驅動本地模型，不僅能免去常駐智慧體高昂的雲端 API 賬單，還能確保個人檔案與資料完全留在本地。不過 NVIDIA 也提醒，本地智慧體接管系統許可權時務必注意安全防護。
Moonshine 開放語音模型：2 億引數端側即時跑，字誤率超越 Whisper
Moonshine AI 釋出開放權重的 Moonshine Voice 語音轉文字模型，支援在 iOS、Android 和樹莓派等裝置端即時執行。其 2 億引數流式模型引數量比 Whisper Large v3 小 7.5 倍，字誤率卻更低，還內建了語音活動檢測和意圖識別功能。
Monarch RT 開源：單張 RTX 5090 跑出 16 FPS 即時影片生成
加速架構 Monarch RT 正式亮相，能在單張消費級 RTX 5090 顯示卡上以每秒 16 幀即時生成影片。其注意力機制比 FlashAttention 快近 4 倍，且畫質保留了密集註意力的約 95%。這意味著開發者無需依賴雲端算力叢集，完整程式碼已在 GitHub 開源。
LobsterAI：網易有道開源桌面 Agent，接管 Office 並支援微信遠端派活
網易有道開源桌面級 Agent 軟體 LobsterAI。它採用 MIT 協議，能直接在本地編輯 Office 文件、操控內建瀏覽器，並支援通過微信或飛書等聊天軟體從手機遠端指派任務。最值得關注的是它開箱即用且支援本地沙箱審批，敏感操作需確認後才執行。
Waymo 開啟第六代系統無人運營：攝像頭減半，成本大幅下降
Waymo 宣佈基於第六代 Waymo Driver 系統開啟全無人自動駕駛運營。新硬體藉助自研晶片將攝像頭數量減少一半以上，同時壓低雷射雷達成本，強化了暴雪等惡劣天氣適應力。目前先面向員工及嘉賓開放，後續將向公眾推出。
LavaSR 超輕量音訊增強器：體積僅 50MB，GPU 跑出 5000 倍即時
超輕量音訊修復工具 LavaSR 受到關注。它的模型體積僅 50MB，能消除噪音並提升人聲質感；速度在 GPU 上可達 5000 倍即時，CPU 也能達 60 倍，完全可以在手機端流暢執行。這意味著端側高質量即時消噪的門檻被大幅拉低。
SoulX-Singer：幾秒人聲克隆唱歌，不到 3GB 連 CPU 都能跑
Soul-AILab 開源零樣本歌唱合成模型 SoulX-Singer。它只需幾秒說話音訊就能克隆目標人聲，既能直接把參考歌聲轉成指定音色，也支援用自己哼唱的旋律或 MIDI 控調。模型體積不足 3GB，低端 GPU 甚至 CPU 都能本地跑起來。
Just Dub It：把影片配音成外語，口型也能自動對上
開源配音工具 Just Dub It 釋出。它基於 LTX-2 打造了輕量 LoRA 介面卡，能把影片翻譯成法語、德語等外語並同步生成匹配的唇部動作，同時保留原人臉特徵。程式碼、模型權重與訓練集已全部開源，支援消費級顯示卡部署。
PicoClaw：記憶體只要 10MB 的超輕 AI 助手框架
開源專案 PicoClaw 亮相，主打超輕量級個人 AI 助手。它用 Go 語言重寫，核心記憶體佔用低於 10MB、啟動只需 1 秒，比 OpenClaw 節省 99% 記憶體，能跑在 10 美元低成本硬體上，通過 Telegram 等聊天軟體替你全天候辦事。
Mistral 釋出 Voxtral Transcribe 2：4B 即時模型開源，延遲進 200ms
今天，Mistral AI 釋出語音轉文字模型家族 Voxtral Transcribe 2。其中 4B 引數的即時模型 Voxtral Realtime 採用 Apache 2.0 開源權重，支援端側部署且延遲可調至 200ms 以內；批次模型成本僅 0.003 美元每分鐘，覆蓋 13 種語言並支援說話人區分。
MiniCPM-o 4.5：9B 全模態端側模型，支援邊看邊聊與主動打斷
OpenBMB 開源 9B 引數全模態模型 MiniCPM-o 4.5，能同時處理音影片輸入並即時語音互動。它採用全雙工架構，不僅允許使用者打斷，模型還能每秒做一次決策主動插話提醒。模型支援本地部署，視覺與文件解析能力逼近甚至超過部分主流閉源模型。
智譜開源 GLM-OCR：僅 0.9B 拿下基準第一，支援 Ollama 極速部署
智譜開源輕量級文件模型 GLM-OCR，引數量僅 0.9B。它在 OmniDocBench V1.5 評測中以 94.62 分登頂，能精準解析複雜表格、數學公式與手寫字，並輸出 JSON 或 Markdown。模型採用 MIT 協議完全開源，支援在 Ollama 和 vLLM 上低延遲部署。
Omnimat Zero 開源：不僅能從影片中刪物體，連倒影和陰影也能抹掉
開源影片工具 Omnimat Zero 能夠精準擦除畫面中的物體，並同步清理水坑倒影與地面陰影。它還能應對複雜的遮擋關係，或把前景單獨提取為透明圖層供替換背景，目前程式碼與本地執行說明已在 GitHub 開源。
ACE-Step 1.5 開源：不到 4GB 視訊記憶體，10 秒本地生成完整歌曲
ACE Studio 與階躍星辰開源音樂基礎模型 ACE-Step 1.5。它視訊記憶體需求不到 4GB，在 RTX 3090 上不到 10 秒就能生成完整歌曲，支援 50 多種語言且採用 MIT 協議可商用。這意味著創作者無需依賴昂貴的雲端 API，在消費級顯示卡上就能直接做音樂生產。
LM Studio 0.4.0 釋出：支援無 GUI 部署與連續批處理
LM Studio 釋出 0.4.0 版，將核心引擎拆分為脫離介面的後臺守護程序 llmster，可直接部署在雲伺服器或 CI 環境中。新版還為 llama.cpp 引入連續批處理以支援多請求併發，並上線支援本地 MCP 的有狀態 REST API。