Emad Mostaque：AI 模型"基本已达到人脑的效率"。 Alibaba 的 Qwen 27B 通常需要约 60GB 内存，而 Prism ML 团队通过用 1.5 bit 而非 16 bit 存储数值，将其降至 6GB，同时保留 95% 的性能。 在 6GB 下它可在 Raspberry Pi 上运行，"其能耗与你的大脑相当。" ---- 完整视频在 "Tom Bilyeu" YouTube 频道，（链接在评论中）

Hugging Face Blog精选AI 评分6161

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

Liquid AI 发布 d1 决策模型家族的两款开放权重模型 d1-3B 和 d1-omni-600M（实验版），在 Decision Index 0.2.1 上 d1-3B 得分 48.57，为 10B 以下最佳，超过 Decider 35B-A3B（47.11）。

Google 发布 EmbeddingGemma 2，一款采用 Apache 2.0 许可、面向端侧多模态 AI 的嵌入模型，可将文本、代码、图像、音频和视频映射到同一可搜索空间。

The DecoderAI 评分7171

Google 发布 EmbeddingGemma 2 多模态嵌入模型

Google 发布开源嵌入模型 EmbeddingGemma 2，可将文本、图像、视频、音频和代码转为数值向量，参数量 740M，Google 称其在多模态嵌入基准上超过两倍体量的竞品。

Google DeepMind精选AI 评分7474

Google DeepMind 发布 EmbeddingGemma 2 开源多模态嵌入模型

Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、采用 Apache 2.0 许可的 740M 参数多模态嵌入模型，将文本、代码、图像、视频和音频统一映射到共享嵌入空间。

Hugging Face 发布新的开源嵌入模型 EmbeddingGemma 2，面向端侧使用场景，支持代码、图像、视频、音频和文本嵌入。该模型采用模块化设计，参数量从 270m 到 740m，使用 Matryoshka embeddings 提升存储效率，采用 Apache 2 License 开源。

Google DeepMind 发布 EmbeddingGemma 2，称其在 740M 参数量级上各基准表现有竞争力，甚至超过部分规模两倍以上的专用模型。开发者可用它为应用加入多模态搜索，例如通过语音备忘录查找视频片段，或与 Gemma 4 搭配实现私密的端侧 RAG。该模型以 Apache 2.0 许可发布，权重已在 Hugging Face 和 Kaggle 开放。

Google DeepMind 发布 EmbeddingGemma 2，称这是其首个面向端侧嵌入的原生多模态开放模型。该模型从文本扩展到代码、图像、音频和视频，将这些内容统一到共享空间中。

Google 发布 EmbeddingGemma 2，这是其首个专为端侧嵌入打造的原生多模态开放模型。该模型基于 Gemma 4 架构，采用 Apache 2.0 许可证发布，将图像、视频、音频和代码统一到单一嵌入空间中。

EmbeddingGemma 2 已可在 @HuggingFace 和 @Kaggle 下载，Gemini Enterprise Agent Platform Model Garden 的可用性即将推出。 了解更多 ↓ goo.gle/474rZXq

Google 发布 EmbeddingGemma 2，参数量 740M，官方称同规模下表现最佳，超过部分两倍于其规模的模型，活跃内存占用低至约 191MB 到 567MB。相比第一代，其上下文窗口扩大 4 倍至 8K，单次最多可处理 5.5 分钟音频、29 张图片或 58 帧视频。

Google 宣布 EmbeddingGemma 2 针对移动端和桌面端本地运行进行了优化。借助该模型，用户无需联网即可通过语音备忘录找到特定视频片段，或用简单文本查询搜索数小时的音频内容。

Google 发布 EmbeddingGemma 2，这是一个可在 0.5GB RAM 本地运行的新开源模型。该模型采用 Apache 2.0 许可，参数量 740M，由 270M 文本模型、170M 视觉模型和 300M 音频模型组合而成，可通过 Unsloth 运行与训练，并提供 GGUF 文件和使用指南。

达到 50 TPS 而非 30 TPS，同时拥有目前最优化的 tokenizer。而且这些模型在完成任务所需的 token 数量方面相当高效！

Qwen3.8 27B 本地模型英文单词加法评测：关闭推理准确率 23.57%，开启后 169 次答对 167 次

Simon Willison 在本地 DGX Spark 上用 Qwen3.8-27B-Q4_K_M.gguf 复现了 Colin Frasier 两年前用 GPT-4o 做的加法实验，让模型把正整数相加并仅用英文单词给出精确结果。

我们此前在 WAIC 2026 总结中报道过真武 M890，当时更仔细地看了这款芯片的版图。真武 M890 芯片采用 4 组 HBM3E 12-Hi，配备 2 个计算 die。(2/3)

近日，阿里平头哥在云栖大会 2026 上发布了真武 V900。真武 V900 拥有 216 GB 内存容量和 1,200 GB/s 互联带宽。V900 性能预计将达到真武 M890 的 "3x"，将于 2027 年 Q1 开始出货。(1/3)🧵

webAI 发布 3.6B 参数 TwIL-LM3-Pro，本地运行并开源

webAI 发布开源小模型 TwIL-LM3-Pro，仅 3.6B 参数，提供量化版本可在日常电脑本地运行，无需云端。其 BIG-Bench Hard 逻辑子集得分 95.4%，对比 VibeThinker-3B 的 61.1%；SVAMP 95%、MuSR 64.1%。

它现在来了！享受我们的 4B 模型 🐸 huggingface.co/microsoft/Fro…

Perplexity CEO Aravind Srinivas 列出近期多个开源贡献：pplx-decider-v1-27b 多模态决策模型在 11 个基准平均 85.7%。

webAI 发布开源模型 TwIL-LM3-Pro，参数量 3.6B，提供量化版本可在本地运行、无需云端。

社区为 MiniCPM5-2B 构建的 EXL3 4-bit 量化将模型权重压缩至 1.61 GB，4.0 bpw 量化在 NVIDIA Tesla T4 上实测约 68–70 tokens/s。该量化模型支持通过 ExLlamaV3 和 TabbyAPI 进行本地推理，展示了 MiniCPM5-2B 在轻量级本地部署上的优化空间。

美团 LongCat 宣布 LongCat-2.5-Preview 正式上线，该模型拥有 1.6T 参数、约 48B 激活参数和 1M token 上下文窗口，原生多模态，面向长程任务设计，可操作终端、浏览器、GUI、电子表格和设计工具。现已开放 API（longcat.ai/platform/）和 Chat（longcat.ai/chat/）入口。

这周大家都在晒 3、4 台 Spark 集群。这是一台 DGX Spark 为单个用户跑出的成绩，全部在我的机器上实测： 开启 OpenBMB 的 drafter MiniCPM5-2B：100.8 tok/s Qwen3.6-35B-A3B：89.7 Ling-3.0-flash：69.5 Qwen3.8-Flash-Next：55.5 DeepSeek-V4-Flash：47.9（EXL3） Gemma-4-E2B：39.2 Qwen3.8-27B：33.4（EXL3 + DFlash2） Tinfield-1 2-bit：30.7 一次跑一个模型，256 tokens 输入，256 输出

蚂蚁百灵感谢 ValsAI 的评测，并介绍 Ling-3.0-flash-fin：总参数 124B、激活 5.1B，称其为具备高智能密度的 flash lite。官方同时提供免费 API（限时）以及可用于本地 AI 的 fp4 量化版本。

开发者 mehulmpt 表示近期一直在业余测试 gemma e4b、qwen 4b 等超小参数 LLM，拿到 2B dense 参数的 MiniCPM5-2B 后认为它在同尺寸中表现出色。该模型支持 128k context window，通过 llama.cpp 在他的 macbook pro m5 上完全本地运行，表现优于同尺寸范围内的所有模型。

PatrickToulme 实测 MiniCPM5-2B（OpenBMB，2B 参数）在手机上做 iMessage 智能体的能力：该模型在 Artificial Analysis Intelligence Index 4B 以下排名第一，Agentic Index 以 20 分对 9 分领先下一个小型模型，可装进 iPhone。

DeepSeek 官方宣布推出 DeepSeek-V4.1-Flash，称其更智能、更快、更高效，是新架构家族中最小的模型，具备原生视觉理解能力。官方表示该模型面向更强能力、更快推理、更高吞吐而设计，并可扩展到更大模型。

我们的新 Atlas 模型经过一番高强度的推理优化后，现在可以实时运行了！当世界生成与导航是交互式的，体验要生动得多。 推理在 B200 和 MI355X 上运行，性能相近。两款设备都是出色的主力！

Unsloth 宣布 GLM-5.3 现可在本地运行，2-bit 量化后模型体积从 1.51TB 压缩到 239GB（-83%），保留约 81% 精度，可在 256GB Mac 或 RAM/VRAM 配置上运行。官方称 GLM-5.3 是目前最强的开源模型，并提供了文档指南和 Hugging Face 上的 GGUF 下载。

LongCat-2.0 现已在 TokenRhythm 上线，参数规模 1.6T MoE、约 48B 激活参数、原生 1M 上下文窗口，采用 MIT 开源权重。该模型完全在国产 AI ASIC 超级 pod 上端到端训练，面向仓库级编码和智能体工作流设计，现已可与 OpenSquilla 配合使用。

一个高性能 125B 模型现在仅用 75GB RAM 即可本地运行！感谢 @UnslothAI 的 day-0 支持。🥳

Google DeepMind精选AI 评分7171

Google DeepMind 发布 SL2T 手语转文本模型，率先落地 Gboard 与 Live Transcribe

Google DeepMind 发布多语言手语转文本模型 SL2T，首次将手语 AI 带入消费级产品，在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文听写。

NVIDIA 发布面向自动驾驶的开源推理模型 Alpamayo 2 Super，称其能在行动前进行理解与推理，可作为 robotaxis、卡车、班车、配送车、拖拉机等移动机器人的基础模型。该模型以 OpenMDW-1.1 许可商用发布，供团队检视、微调和部署，并称开放模型有助于推进安全与安保。

Google DeepMind精选AI 评分7474

Google DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能

Google DeepMind 发布 Gemini Robotics 2，作为新一代机器人的智能层，解锁全身控制、灵巧操作和多机器人协作。

Google DeepMind精选AI 评分7373

Google DeepMind 发布 DiffusionGemma：文本扩散模型，推理速度最高提升 4 倍

Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。

Google DeepMind精选AI 评分7878

Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型

Google DeepMind 发布 Gemma 4 12B，定位为可在笔记本本地运行的多模态模型，介于边缘端 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模 Gemma 模型。

Hugging Face Blog精选AI 评分7171

H Company 发布 Holo3.1 系列 Computer Use Agent 模型

H Company 发布 Holo3.1 系列 Computer Use Agent 模型，基于 Qwen 家族，覆盖 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重。

作者称 OpenBMB MiniCPM-V4.6 是多模态 AI 走向 edge AI 的明显信号之一，约 1.3B 参数，可在消费级硬件本地运行，OCR、仪表盘、图表和文档理解表现良好，作者已在 iPhone + Mac 上实测。

Google DeepMind精选AI 评分8282

Google DeepMind 发布 Gemma 4 开源模型家族，含 26B MoE 与 31B Dense 四种尺寸

Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，采用 Apache 2.0 许可。