OpenAI 開源 Privacy Filter：本地執行脫敏 8 類隱私資料
OpenAI 開源隱私過濾模型 Privacy Filter，可脫敏 8 類隱私資料。其總引數 1.5B、啟用引數僅 50M，支援 128,000 token 上下文，在修正基準測試中 F1 達 97.43%。資料無需上傳即可在本地完成脫敏。
裝置端AI
檢視更新的新聞
Open CoDesign：開源本地 AI 設計工具，自帶模型生成原型與文件
Open CoDesign 是一款開源桌面端 AI 設計工具，被視作 Claude Design 的本地替代品。它支援自帶 API 金鑰接入任意主流模型或本地 Ollama，通過文字或參考素材自主生成可互動 UI 原型、幻燈片與 PDF，並支援即時區域性微調與原始碼匯出。
開源演算法 RotorQuant 擊敗谷歌：10 倍視訊記憶體壓縮下預填充提速 5.3 倍
開源 KV 快取壓縮演算法 RotorQuant 亮相。它利用克利福德旋轉器簡化了谷歌 TurboQuant 的全域性矩陣運算，在提供 10 倍視訊記憶體壓縮的同時，將預填充速度拉高 5.3 倍、解碼提速 28%。這意味著單張消費級顯示卡跑超長上下文大模型變得容易得多。
Overworld 開源即時世界模型 Waypoint 1.5：消費級顯示卡可跑，支援即時互動
Overworld 團隊釋出開源即時世界模型 Waypoint 1.5，專為消費級硬體設計。模型提供 720p 與 360p 兩個檔位，最低僅需 RTX 3070 顯示卡即可本地即時渲染與互動。這意味著普通電腦也能跑起原本依賴龐大算力叢集的即時虛擬世界。
ACE-Step 1.5 XL：把 4B DiT 搬上本地，不到 1 分鐘生成帶人聲整首歌
開源音樂生成模型 ACE-Step 1.5 XL 釋出，將 DiT 解碼器引數擴至 4B，支援輸入提示詞與歌詞在本地生成帶人聲的完整歌曲。蒸餾版僅需 8 步推理，在消費級顯示卡上不到 1 分鐘即可完成。最值得關注的是其效果直逼主流商業模型；不過本地執行最低需要 12GB 視訊記憶體。
INSPATIO-WORLD 開源：把普通影片變 3D 世界，單張 4090 就能跑
研究團隊開源 4D 場景模擬器 INSPATIO-WORLD，能把普通單目影片轉成可互動探索的 3D 世界。它通過構建底層世界模擬保證視角一致性，在 RTX 4090 上可達每秒 10 幀。這意味著消費級顯示卡也能即時漫遊由影片重建的動態場景。
Factory.ai 釋出原生桌面端：支援多智慧體併發與本地模型
Factory.ai 推出面向 macOS 和 Windows 的原生桌面應用，所有訂閱方案均可使用。新應用支援同時執行多個具備獨立上下文的 Droid 智慧體，可直接操作桌面應用與終端，並支援連線 Ollama 或 vLLM 純本地執行。資料顯示，雙端並用的使用者完成會話量高出 4.6 倍。
Google 推出離線 AI 聽寫應用 Eloquent：端側跑 Gemma，自動去語氣詞
週一，Google 在 iOS 悄悄上線免費聽寫應用 Google AI Edge Eloquent。它基於端側 Gemma 模型離線轉錄語音，能自動過濾「嗯」「啊」等口癖，並一鍵轉成正式或要點格式。應用還可選 Gemini 雲端清洗，iOS 鍵盤擴充套件即將推出。
Ai2 開源 WildDet3D：單張照片生成 3D 邊界框，手機就能跑
Ai2 開源單目 3D 目標檢測模型 WildDet3D，只需單張普通照片或影片，就能推算出物體的真實 3D 尺寸、距離和朝向。它支援通過文本提示、點選或 2D 選框定位物體，並能在手機端即時執行 AR 標註。官方已將模型權重、訓練程式碼及 370 萬標註資料集全部開源。
開源 AI 記憶系統 MemPalace：LongMemEval 斬獲滿分，本地執行零雲端
Ben Sigman 與 Milla Jovovich 開源了 AI 記憶系統 MemPalace。該系統在本地以「記憶宮殿」結構組織對話，在 LongMemEval 評測中以 500 題全對拿到首個滿分。它通過 AAAK 壓縮把使用者全域性背景壓縮至約 120 個 token，無需雲端 API 與訂閱。
Google 開源 Gemma 4：換用 Apache 2.0 協議，26B 效能匹敵 20 倍大模型
Google 正式推出 Gemma 4 開源模型家族，全系採用商業友好的 Apache 2.0 協議。新系列涵蓋從端側 E2B、E4B 到 26B MoE 與 31B Dense 四種尺寸，上下文最高達 256K，並在 Arena AI 榜單上戰勝多款 20 倍體量的大模型。開發者如今可以極低的硬體開銷部署自主智慧體工作流。
LongCat 釋出 Audio Edit：幾秒音訊即可高質量克隆聲音
開源語音模型 LongCat Audio Edit 釋出。模型僅需幾秒參考音訊就能克隆語氣與音色，官方同時推出了 35 億引數高品質版和約 6GB 的輕量版，後者可在多數消費級 GPU 上本地執行。
位元組推出 DreamLite：3.9 億引數端側模型，手機離線生圖編輯只要 3 秒
字節跳動公佈輕量影像模型 DreamLite，僅 3.9 億引數即可在手機端完全離線執行。它兼顧文本生圖與影像編輯，在 iPhone 上生成一張 1024×1024 肖像圖約需 3 秒，還能直接換背景或改畫風。雖然寫實細節不及雲端大模型，但大幅壓低了手機端修圖的延遲與算力門檻。
Instacart 推出實體 AI 購物車：搭載輝達晶片，即時推薦拉昇客單價
Instacart 近日公佈生鮮零售「實體 AI」方案，為 Caper Cart 智慧購物車搭載 NVIDIA Jetson 晶片。推車融合攝像頭、感測器與定位系統在本地直接運算，在顧客逛店時即時給出品類建議，據稱帶動合作零售商的客單價實現兩位數增長。
開源語音克隆 LuxTTS：3 秒音訊復刻聲音，視訊記憶體不到 1GB 還跑 48kHz
開源語音克隆模型 LuxTTS 釋出，只需 3 秒音訊就能準確復刻音色。它將推理壓縮至 4 步，視訊記憶體佔用不到 1GB，在 GPU 上達到 150 倍即時速度且原生支援 48kHz 高畫質音訊。這意味著普通電腦甚至純 CPU 也能零門檻跑通高質量配音。
Cohere 開源語音模型 Transcribe：2B 引數可本地跑，支援 14 種語言
Cohere 開源首個語音識別模型 Transcribe。該模型引數量為 20 億，支援消費級 GPU 本地執行，每分鐘可處理 525 分鐘音訊，涵蓋中英日等 14 種語言。其在 Open ASR 榜單字錯率為 5.42，同時 Cohere 還提供免費 API 接入。
Uber 投資 Rivian 12.5 億美元：聯手部署專屬無人計程車
週四，Uber 宣佈與 Rivian 達成合作，將向其投資 12.5 億美元並首期出資 3 億美元。雙方計劃 2028 年起在舊金山和邁阿密等地部署全自動駕駛 Rivian R2，到 2031 年擴充套件至 25 個城市，車隊將由 Uber 獨家運營。
Unsloth Studio：不用寫程式碼，本地微調 500+ 模型還省 70% 視訊記憶體
Unsloth 釋出開源無程式碼工具 Unsloth Studio 公測版。它把資料製作、模型訓練與本地推理整合進同一介面，能把 PDF 等文件直接轉成資料集，訓練速度翻倍且省 70% 視訊記憶體。支援 500 多種模型，已在 GitHub 開源。
Memories.ai 聯手輝達：為可穿戴裝置與機器人打造「視覺記憶層」
前 Meta 工程師創辦的初創公司 Memories.ai 宣佈與輝達合作，基於 Cosmos-Reason 2 為可穿戴裝置與機器人打造「視覺記憶層」。它讓硬體能檢索並回憶第一人稱影片畫面，彌補了當前 AI 記憶侷限於文本的短板。
NVIDIA 釋出 NemoClaw：一條命令跑起 OpenClaw 本地智慧體沙箱
NVIDIA 在 GTC 上釋出 NemoClaw 軟體棧，專為 OpenClaw 智慧體平臺設計。使用者單條命令即可部署 Nemotron 模型與 OpenShell 沙箱執行時，支援在 RTX PC 或 DGX 上本地全天候執行，並通過隱私路由呼叫雲端模型，補齊安全與隱私護欄。