跳到正文
  1. Hugging Face Blog77

    Inkling 2 Mini 发布,为本地部署提供前沿性能

    Hugging Face 与 Thinking Machines Lab 联合发布 Inkling 2 Mini,一款面向本地部署的多模态 MoE 模型,物理参数约 26B、每 token 激活 3B,支持 1M token 上下文。

    推荐理由:原文详解了循环层与跨轮消息机制如何让 24 个物理层达到 48 层逻辑效果,可迁移到其他端侧模型设计。

  1. Hugging Face Blog75

    Liquid AI 发布 LFM3:统一 2B 骨干支撑六种模态模型

    Liquid AI 发布新一代基础模型系列 LFM3,将文本、视觉、音频、全模态与决策模型统一到 2B 参数级的同一骨干上,全部开放权重并上架 Hugging Face。LFM3-1.7B 以 35% 更少的参数超越 LFM2.5-2.6B,文本模型 4-bit 下约 1 GB、上下文 256K,可在单张 GPU 上微调并部署到端侧设备。

    推荐理由:LFM3 用单一 2B 级骨干覆盖文本、视觉、音频与决策,单卡微调加端侧部署的路线可作为专用模型选型参考。

  1. TechCrunch · AI78

    Recursive 发布 Flint:可在笔记本运行的免费编程模型,主要由 AI 参与构建

    Recursive 发布首款模型 Flint,免费、可在笔记本离线运行,并由其自动化研究系统 Eureka Machine 协助完成近全流程开发。

    推荐理由:原文给出 Flint 的参数规模、运行速度与基准对比,读者可据此判断本机小模型与云端编程助手目前的差距。

  1. IT之家83

    Meta 发布开放权重模型 Muse Spark Open

    Meta 发布开放权重 AI 模型 Muse Spark Open,官方称其为迄今能力最强的美国开放权重模型。该模型采用原生多模态架构,总参数量 816B(激活参数 42B),支持 1M token 上下文窗口,专为代码构建与智能体协作设计。

    推荐理由:原文给出了参数规模、上下文长度与本地部署门槛,读者可据此评估它能否进入现有开发流程。

  1. The Decoder79

    Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein,仅需 8 GB 显存即可运行

    Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein,参数量 5.6B,支持文生图、图像编辑以及最多十张参考图生成,可原生输出 4K 并支持像素级编辑与边界框元素定位。

    推荐理由:原文列出参数规模、8 GB 显存运行门槛与免费商用许可条款,读者可据此判断开源图像模型在消费级硬件上的可用边界。

  2. NVIDIA Blog75

    NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 系列开源模型

    NVIDIA 发布开源 120B 参数模型 Nemotron 3.5 Super VL,面向多模态智能体任务,并同步推出面向端侧的 Bolt 74B-A9B 24GB 与 Bolt E4B 4GB。

    推荐理由:原文列出了三款模型的参数规模、性能对比与部署入口,读者可据此为从数据中心到端侧的智能体选型。

  1. Google DeepMind62

    Google DeepMind 与新加坡政府合作构建诈骗检测微调模型

    Google DeepMind 与新加坡政府科技局(GovTech)合作,交付了一款针对本地诈骗手法微调的端侧诈骗检测模型,可在普通智能手机上本地分析会话,检测到操纵意图时直接在设备上实时警告用户。

    推荐理由:该方案用两阶段流水线把分析留在端侧,并以主权沙箱和匿名数据规避隐私争议,为消息平台兼顾安全与端到端加密提供了可迁移的落地路径。

  2. Hugging Face Blog65

    Liquid AI 发布 LFM2.5-24B-A2B,24B 参数仅 2B 激活的端侧推理模型

    Liquid AI 发布 LFM2.5-24B-A2B,一个总参数 24B、每 token 仅激活 2B 的端侧推理模型,面向快速、私有的智能体场景。它在 LiveClaw 上以 48.09 分领先 Qwen3.6-35B-A3B 的 38.19 分,上下文窗口从 32K 扩展到 131K,预训练数据从约 17T 增至约 33T tokens。

    推荐理由:总参数 24B 但每 token 仅激活 2B,在智能体与工具调用任务上与参数量约多五成的 MoE 持平,适合在自有硬件上持续运行智能体。

  1. Hugging Face Blog69

    Liquid AI 发布开源端侧决策模型 d1-3B 与 d1-omni-600M

    Liquid AI 发布 d1 决策模型家族的两款开源权重模型 d1-3B 与实验性 d1-omni-600M,d1-3B 在 Decision Index 0.2.1 得 48.57 分,超过 Decider 35B-A3B(47.11)。

    推荐理由:d1-3B 在 Decision Index 0.2.1 上以 48.57 分超过 Decider 35B-A3B,为端侧结构化决策提供了可复用的开源权重方案。

  1. Google DeepMind76

    EmbeddingGemma 2 发布:开源轻量级多模态嵌入模型

    Google DeepMind 发布 EmbeddingGemma 2,一个基于 Gemma 4 架构、740M 参数的开源轻量级多模态嵌入模型,采用 Apache 2.0 许可,可将文本、图像、音频和视频统一映射到同一嵌入空间。

    推荐理由:原文给出了参数量、模态拆分与量化后的内存占用,便于读者判断它能否直接落到自家端侧检索链路中。

已经到底了