在旧金山微软 Windows AI and Surface 活动上，NVIDIA CEO 黄仁勋与微软 CEO Satya Nadella 宣布双方为 Windows PC 上运行 AI 智能体共同打造软硬件。
推荐理由：原文给出了RTX Spark与DGX Station for Windows的关键规格和本地运行模型的能力，读者可据此判断本地AI工作站对现有工作流的影响。
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）。
推荐理由：原文给出决策指数得分与多设备延迟数据，读者可据此判断它在端侧结构化决策场景的可用性。
Google DeepMind精选AI 评分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。
推荐理由：原文给出了参数规模、内存占用和上下文长度等具体指标，读者可据此评估它是否适合自己的端侧检索场景。
Google Research精选AI 评分Google Research 介绍以 Earth AI 的 Population Dynamics Foundation Model（PDFM）作为公共卫生领域的行星地理基础模型概念验证，将隐私保护的搜索趋势、人类流动、建成环境密度与环境因素压缩为月度刷新的位置嵌入，无需任务特定微调即可直接接入流行病学现有工作流。
推荐理由：原文用五个独立合作评估展示了同一组位置嵌入在不同疾病与资源环境下的可迁移性，读者可据此判断地理基础模型在公共卫生工作流中的实际适用边界。
NVIDIA 将于本月通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 64GB 统一内存版 DGX Spark，10 月 23 日开售，起售价 4999 美元，保留 GB10 Grace Blackwell 超级芯片、DGX OS 与完整 NVIDIA AI 软件栈，支持最高 1000 亿参数模型在设备本地运行。
推荐理由：原文给出 64GB 新配置的价格、可跑模型规模与双机集群方式，便于判断本地跑智能体的硬件门槛。
Hugging Face 为 transformers 加入 GGUF 支持，可直接用 from_pretrained 加载 Hub 上的量化 checkpoint 并在本地生成，目前聚焦 Apple Silicon 与 Qwen3.5 架构。
推荐理由：原文给出在 transformers 中直接加载 GGUF 的用法与 Apple Silicon 上的实测对比，可据此判断本地推理工作流是否值得迁移。
oMLX 创作者兼维护者 Jun Kim 加入 Hugging Face，全职投入 MLX 社区建设。oMLX 将保持 Apache 2.0 开源协议并由 Jun 继续领导，从副业项目转为有资金支持的长期项目，以获得更好的稳定性和更快的开发速度。Hugging Face 希望 oMLX 成为新想法的试验场，并推动 transformers 模型定义快速转化为可供不同引擎使用的 MLX 参考实现。
Google DeepMind精选AI 评分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。
推荐理由：SL2T 把多语言手语翻译从实验室带进 Gboard 与 Live Transcribe，读者可了解其数据规模与端侧隐私设计。
Google DeepMind精选AI 评分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。
推荐理由：三款模型分别覆盖全身控制、具身推理与端侧部署，读者可据此判断机器人智能层的分工方式。
Google Research精选AI 评分Google Research 提出一种将多 Token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上的架构，已在 Pixel 9 和 10 系列上线，用于 AI 通知摘要和 Proofread 等功能。
推荐理由：原文披露了冻结主干加 MTP 头的端侧推理方案，读者可了解手机端提速与省内存的具体做法。
Google Chrome 团队与 Hugging Face 合作，在 Transformers.js 中试验跨源存储（Cross-Origin Storage）API，用加密哈希而非 URL 标识文件，让不同源的应用共享同一份模型与 Wasm 资源。
Google DeepMind精选AI 评分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。
推荐理由：官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛，可据此判断本地交互式推理的可行边界。
Google DeepMind精选AI 评分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。
推荐理由：Gemma 4 12B 用无编码器架构把视觉和音频直接接入 LLM，并给出 16GB 显存本地运行的边界。
Google Research精选AI 评分Google Research 在 Nature 发表 PHRM 研究系统，利用手机前置摄像头在面部解锁后拍摄 8 秒面部视频，通过深度学习估算心率，与心电图相比 MAPE 低于 10%，覆盖所有肤色。
推荐理由：Google 用 35 万段手机视频训练 rPPG 模型，并公开迄今最大规模数据集，读者可了解被动心率监测的可行边界。
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。
推荐理由：原文给出跨环境、跨框架与本地量化部署的具体数据，可据此判断端侧 Computer Use Agent 的落地条件。
Google ResearchAI 评分Google 提出一种零信任隐私分析方案，将一次性提交的新型密码学聚合协议与 TEE 结合，使设备无需多轮在线即可安全上报数据。该设计保证 Google 只能获得群体匿名聚合结果，原始数据即使在硬件保护范围内也不会被解密或重建，TEE 证明则向参与者验证协议按公开代码正确执行。
Hugging Face 发布教程，让 Reachy Mini 机器人完全本地运行语音对话，无需云端、API key 或数据外传。
Hugging Face 发布 Transformers.js 浏览器扩展教程，演示如何在 Manifest V3 约束下用 Gemma 4 E2B 构建本地 AI 功能。
Google DeepMind精选AI 评分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。
推荐理由：Gemma 4 给出四种尺寸、Apache 2.0 许可与完整工具链支持，可据此判断开源模型在端侧与本地部署上的能力边界。
Hugging Face Blog 发布文章《Welcome Gemma 4: Frontier multimodal intelligence on device》，标题显示 Gemma 4 是一款面向端侧设备的前沿多模态模型。原文正文未能抓取，暂无更多细节。
Hugging Face 博客发布 NXP 的实践指南，介绍如何在嵌入式机器人平台上部署 VLA 模型，涵盖数据集录制、ACT 与 SmolVLA 策略微调以及端侧优化。文中以“把茶包放进杯子”任务为例，录制 120 个 episode，将工作空间划分为 11 个 10×10 cm 起始位置簇，并建议约 20% 训练集为恢复 episode。NXP i.MX 95 SoC 在优化后实现了实时性能。
Hugging Face 宣布 GGML（llama.cpp 的创建者）加入 HF，Georgi Gerganov 及团队一同加入，目标是持续支持 ggml 与 llama.cpp 社区，让未来 AI 保持开放。
推荐理由：GGML 与 llama.cpp 团队加入 Hugging Face，读者可了解本地推理项目在资源与维护模式上的变化。
Hugging Face 发布 Transformers.js v4，已上线 NPM，可通过 npm i @huggingface/transformers 安装。
推荐理由：官方披露了 WebGPU 运行时重写、构建提速与包体积变化，可据此判断浏览器端本地推理的工程成熟度。
Google ResearchAI 评分Google Research 在 EMNLP 2025 发表的论文提出一种分解式方法，将用户意图理解拆为两步：先用小型多模态 LLM 逐屏总结交互，再从摘要序列中提取意图。在移动端和网页轨迹上，该方法优于 CoT 提示和端到端微调，Gemini 1.5 Flash 8B 配合该方法的意图提取效果可与 Gemini 1.5 Pro 相当，成本与速度仅为后者一小部分。
Mistral AI 发布 Mistral 3 系列，包括 Mistral Large 3 和 3B、8B、14B 三个尺寸的 Ministral 3，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 一次性放出从 3B 到 675B 的 Apache 2.0 模型家族，读者可据此判断开源权重在端侧与前沿两端的覆盖范围。
AnyLanguageModel 是一个 Swift 包，作为 Apple Foundation Models 框架的 drop-in 替代，只需把 import FoundationModels 换成 import AnyLanguageModel 即可保持同一套 API。
IBM 发布 Granite 4.0 家族中迄今最小的 Granite 4.0 Nano，面向边缘与端侧应用，含 4 个 instruct 模型及对应 base 版本。
Hugging Face 博客给出用 Optimum Intel 和 OpenVINO 在 Intel CPU 上本地运行 SmolVLM2-256M-Video-Instruct 的三步流程：导出 OpenVINO IR、量化、推理。
Arm 将于 10 月 22-23 日参展 PyTorch Conference，展示如何用 PyTorch 和 ExecuTorch 构建与部署 AI 应用。
Hugging Face 发布三部分系列文章，讲述如何将 RedNote 的 3B 参数 OCR 模型 dots.ocr 转换到端侧运行，该模型在 OmniDocBench 上超过 Gemini 2.5 Pro。
Hugging Face 用 OpenVINO.GenAI 在 Intel Core Ultra 上加速 Qwen3-8B 智能体，以 Qwen3-0.6B 作草稿模型做投机解码，生成速度提升约 1.3 倍。
Hugging Face 的 Swift 库 swift-transformers 发布 1.0 版本，为 Apple Silicon 平台本地模型推理提供 Tokenizers、Hub 和 Core ML 模型封装等组件。
Google 发布 EmbeddingGemma，一个 308M 参数、2K 上下文窗口、支持 100 多种语言的多语言嵌入模型，面向端侧场景，量化后内存占用低于 200MB。
推荐理由：原文给出 308M 参数、2K 上下文与量化后 200MB 内存等指标，可据此判断端侧多语言检索的落地空间。
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens 每秒，以 Apache 2.0 许可开源。
推荐理由：官方给出 Mistral Small 3.1 的基准对比、128k 上下文与单卡部署门槛，可据此判断小模型选型。
Mistral AI 发布 Mistral Saba，这是其首个专门面向区域语言的模型，24B 参数，基于中东和南亚地区精选数据集训练。官方称其回答比体积超过自身 5 倍的模型更准确相关，速度更快、成本更低，可在单 GPU 系统上部署，响应速度超过 150 tokens per second，支持阿拉伯语和多种印度语系语言，在泰米尔语等南印度语系上表现尤其突出。
推荐理由：Mistral 首个区域语言模型给出 24B 参数、单 GPU 部署与 150 tokens/s 速度，可对照其区域化路线。
Mistral AI 发布 Mistral Small 3，一个 24B 参数、Apache 2.0 许可的延迟优化模型，官方称其性能与 Llama 3.3 70B instruct 相当，同硬件上速度超过 3 倍。
推荐理由：24B 模型对标 3 倍参数竞品并给出本地部署门槛，可据此判断小模型在自有硬件上的可用边界。
Mistral AI 发布 Ministral 3B 和 Ministral 8B 两款面向端侧与本地计算的模型，称其在 10B 以下类别中刷新知识、常识、推理、函数调用和效率表现。
推荐理由：Mistral 在 7B 发布一周年推出两款端侧小模型，给出了上下文长度、定价和对比基准，可据此判断小模型在本地与智能体工作流中的位置。
Hugging Face 博客宣布 Llama 3.2 发布，Llama 现在可以看图并能在用户设备上运行。
Google 在 Gemma 2 发布一个月后扩充模型家族，新增 2.6B 参数的 Gemma 2 2B（含 base 与指令微调版）、安全分类器系列 ShieldGemma 以及覆盖 Gemma 2 2B 和 9B 每一层的稀疏自编码器套件 Gemma Scope。
推荐理由：Google 一次性放出 Gemma 2 2B、ShieldGemma 与 Gemma Scope，读者可据此了解小模型端侧部署与安全过滤的配套方案。
Hugging Face 发布教程，介绍如何借助 WWDC 24 的新 Core ML 特性在 Mac 上运行 Mistral 7B，并用 4-bit 分块量化把模型压到约 3.8G，低于 float16 转换的 14G。