Google 推出 Foresight：靠端側模型完全離線轉錄會議
Google 釋出實驗性筆記應用 Google AI Edge Foresight。它搭載端側 EmbeddingGemma 2 模型，專為 Apple Silicon 的 Mac 最佳化，能在完全斷網的情況下轉錄會議、將速記潤色為結構化筆記，並支援基於本地檔案的問答，音訊與筆記全程不出電腦。
裝置端AI
檢視更新的新聞
PiChat 串聯快捷指令：通知觸發自動辦事，被殺後臺也能斷點續傳
PiChat 推出由 PiDurableKit 驅動的手機端智慧體，把大模型與 iPhone 快捷指令打通。當收到特定系統通知時，它能自動執行相應指令；記錄與工具呼叫會先落盤儲存，即便 App 在後臺被系統殺掉也能斷點繼續。
深辰凱動造出羽毛球機器人 XA1：無需遙控，曾連打 1452 拍創紀錄
深辰凱動研發出具身智慧羽毛球機器人 XA1，無需人工遙控即可預測球路、自主跑位並回擊。它能應對高遠球、放網甚至部分扣殺，擊球成功率超 96%，曾連續對打 1452 拍創下世界紀錄。這展示了機器人在高速、非結構化場景下的即時決策與運動協調能力。
微軟釋出新一代 Surface：搭載輝達 Spark 晶片，起售價 2600 美元
Microsoft 釋出搭載 Nvidia RTX Spark 晶片的 Surface Laptop Ultra，起售價 2600 美元。新裝置專為本地執行 AI 模型打造，新版 Windows 11 還引入「執行容器」給智慧體提供沙盒環境。以舊換新 MacBook Pro 最高可抵 1000 美元。
Liquid AI 開源決策模型 d1-3B：端側響應低至 50 毫秒
Liquid AI 開源多模態決策模型 d1-3B。該模型專為判斷和分類任務設計，不生成文字，單次前向傳播即可輸出結構化結果。在 RTX 4090 上單次決策僅需 8 毫秒，在 Jetson Orin Nano 等端側硬體上也只要 50 毫秒。
Google 開源 EmbeddingGemma 2：7.4 億引數把全模態檢索塞進手機
Google 釋出開源多模態嵌入模型 EmbeddingGemma 2。該模型僅 7.4 億引數，採用 Apache 2.0 協議，能將文本、程式碼、影像、音訊和影片對映進統一向量空間。在 Pixel 11 Pro 上執行全模態僅需 567MB 記憶體，方便開發者直接在本地做完全離線的跨模態搜尋與 RAG。
MSFlow 開源：打字生成人體動作，還能鎖死任意關節位置
文本生成人體動作模型 MotionSpaceFlow 開源。模型大小約 1.1GB，可在消費級 GPU 上執行。最值得關注的是，它無需額外微調，即可在推理時固定任意關節在特定時間點的位置，讓 AI 圍繞這個限制自動生成動作。
NVIDIA 推出 DGX Spark 64GB 版：4999 美元起，兩臺直連跑千億模型
NVIDIA 宣佈將於 10 月 23 日推出 64GB 版 DGX Spark，起售價 4999 美元。它搭載 GB10 晶片，單機可跑 1000 億引數模型，還支援用 QSFP 線兩臺直連組成 128GB 叢集，效能提升 1.7 倍。開發者無需依賴雲端，在本地就能跑智慧體。
16.9 MB 跑語音識別：Cactus 開源端側模型 Whistle
Cactus Compute 釋出端側語音識別模型 Whistle，單個權重檔案僅 16.9 MB。它無需 GPU 和額外依賴即可在 CPU 上執行，支援 7 種語言轉錄及詞級時間戳，在多項基準測試中超越了 145 MB 的 Whisper base。
Mosaic Chunk 開源：給 AI 影片裝上長記憶，物體出畫也不崩
本週，AI 影片記憶系統 Mosaic Chunk 正式開源。它通過選擇性記住早期幀的關鍵特徵，解決了物體離開畫面數秒後模型就「失憶」變形的難題。專案已開放文生影片（基於 MiniMax H3）和圖生影片（基於 Ling World Infinity）兩套模型，支援本地執行。
Strands 開源 Decider 2B：砍掉文本生成換來 115ms 極速決策
Strands 開源 2B 引數的決策模型 Decider 2B。它基於 Qwen3.5-2B 改造，移除了生成文本的模組，專用於在預設選項中做選擇並給出置信度。在 RTX 3090 上中位數延遲僅 115 毫秒，適合本地 Agent 快速判斷與攔截。
InSpatio-World 1.5：一張圖加運鏡軌跡，生成 4D 漫遊影片
InSpatio 開源 4D 世界模型 InSpatio-World 1.5。它支援輸入單張圖片、全景圖或影片，通過預測新視角沿著指定鏡頭軌跡生成漫遊畫面，還能保留動作並製作「子彈時間」效果。模型體積不到 6GB，大多數消費級顯示卡即可執行。
體積僅 164MB：開源語音識別模型 Phonon-2 登頂同量級榜單
Fermion Research 開源輕量級語音識別模型 Phonon-2。該模型僅 164MB，基於 NVIDIA Parakeet 最佳化，平均字錯誤率僅 5.21%，在 M5 MacBook Air 上轉錄 1 小時音訊只需 20 秒，適合在本地端側直接部署。
Strata 開源本地推理引擎：12GB 視訊記憶體就能跑千億引數模型
開源本地推理引擎 Strata 正式釋出。它通過顯示卡視訊記憶體、記憶體與固態硬碟協同分層排程，讓 12GB 視訊記憶體的普通電腦也能本地跑動 125B 的 Qwen3.8-Flash-Next 等大模型，並提供相容 OpenAI 的本地介面。這意味著消費級硬體本地部署大模型的門檻被進一步打了下來。
開源視覺決策模型 Valen：看圖直接打分，做智慧體「快反射」
Valen-Team 開源輕量多模態決策模型 Valen。它將 System One 決策思路擴充套件到視覺領域，基於 Qwen3.5 提供 0.8B、2B 和 4B 版本，輸入圖文或影片後直接對候選動作打分並輸出機率，單步決策僅需百毫秒出頭，專為智慧體的高頻反射場景設計。
Scale AI 升級 Muse Mac 版：支援 Computer Use，任務排隊後臺自動跑
Scale AI CEO Alexandr Wang 宣佈 Mac 版 Muse 增加「Computer Use」功能。使用者把任務加入佇列後即可離開，系統會在後臺自動連續執行。最值得關注的是，這讓桌面端 AI 智慧體具備了免值守處理複雜長任務的能力。
高通釋出兩款驍龍 8 Elite 晶片：手機端側能跑 300 億引數大模型
週二，Qualcomm 在驍龍峰會上釋出 Snapdragon 8 Elite Extreme Gen 6 和 Gen 6 平臺，支援在手機端側執行高達 300 億引數的 AI 模型。相比以往約 40 億引數的端側上限大幅躍升，主打智慧體協同與低延遲體驗，小米和摩托羅拉等廠商將在明年的旗艦機中採用。
GAE 開源：把 3D 幾何塞進潛空間，相機軌跡誤差減半
研究團隊開源視覺生成框架 GAE。它把幾何特徵直接壓縮排 128 通道的潛空間，生成畫面時能同步解碼出深度圖、相機軌跡和 3D 點雲。最值得關注的是，這種幾何原生設計讓相機軌跡誤差減半，且權重不到 12GB，中端顯示卡即可本地執行。
SupraLabs 開源 Supra2-IMG：1 億引數文生圖模型，單卡 9 小時訓完
SupraLabs 開源超小型文生圖模型 Supra2-IMG，引數量僅約 1.04 億，體積約 417MB。團隊基於 560 萬張合成影像，在一張單卡 H100 上僅耗時 9 小時完成訓練，主打端側與小型裝置執行。不過受限於極小體量，目前生成解析度為 256×256，畫質相對有限。
Edge0 開源 Audio8-ASR-Infinite：視訊記憶體恆定，中英文 7x24 小時流式轉寫
Edge0 開源流式語音識別模型 Audio8-ASR-Infinite。模型支援中英雙語，轉寫延遲控制在 240 至 560 毫秒，藉助迴圈滑動 KV 快取讓視訊記憶體佔用和延遲始終恆定，適合直播聽寫和即時互動。