Google 在 Gemini Live 推出 Guided Vision 实时视觉描述功能
Google 在 Gemini Live 中上线 Guided Vision，可在兼容 Android 设备上通过共享摄像头，对镜头所指向的内容提供实时语音描述，帮助读取小字、描述周围环境、寻找或识别物体。
#端侧
#端侧
The Verge · AIAI 评分 X：OpenAI Developers (@OpenAIDevs)AI 评分 OpenAI 展示 dots 在 Apple Watch 上的演示
OpenAI Developers 转发了一段 dots 在 Apple Watch 上的演示，并称其"WiFi 更好了"。用户可通过 TestFlight 更新至最新版本，目前仍以私信邀请方式发放 beta 测试名额。
X：OpenAI Developers (@OpenAIDevs)AI 评分 开发者用 M5Stack StopWatch 自制可随身对话 Dots 的硬件设备
有开发者因期待 OpenAI DevDay 发布可随身与 Dots 对话的设备未果，便用 M5Stack StopWatch 自行搭建。目前屏幕常亮且连接保持时续航仅两三个小时，作者计划在功能完成后优化续航，并正尝试让其在 Stack-chan 上显示。
X：Elon Musk (@elonmusk, xAI)AI 评分 Robotaxi 在奥斯汀运营时间从晚 10 点延长至 11 点
Robotaxi 在奥斯汀的运营时间从晚 10 点延长至 11 点。其核心要解决的问题是夜间难以看清宠物、避免碾压，用马斯克的话说是"避免黑暗中灰色柏油路上的灰色小猫"。
TechCrunch · AIAI 评分 Meta 推出开源项目 Muse Gadgets，让开发者自建接入 Muse 的硬件
Meta 于周五推出开源项目 Muse Gadgets，提供开源固件和 Linux SDK，让开发者用 Raspberry Pi 或 ESP32 等低成本硬件搭建可连接 Muse 的设备，例如彩色电子墨水屏或插入电视 HDMI 接口的棒状设备，并设有 Discord 频道支持用户。
Ars Technica · AIAI 评分 苹果调整 macOS 全盘访问权限，遏制 AI 智能体滥用
苹果表示正在修改 macOS 隐私设置，以阻止第三方应用开发者滥用权限访问消息记录。此事源于两周前专栏作者 Jason Aten 称 Meta 的通用 AI 智能体 Muse 向他发送了一条未经请求的通知，内容涉及他与同事在 Apple Messages 中的对话，而他从未授予 Muse 读取消息的权限。
The Verge · AIAI 评分 Meta 开源代码，允许用户自制 Muse AI 硬件
Meta 开源了相关代码，让用户可以自制搭载其新 AI 智能体的 Muse 硬件。Meta 建议的玩法包括把 Muse 装到彩色 E Ink 屏上显示提醒、装到 HDMI 棒上在大屏显示。
X：Aravind Srinivas（Perplexity CEO） (@AravSrinivas)AI 评分 Perplexity 开源多项贡献：多模态决策模型、本地推理引擎 Lily 与安全工具
Perplexity 近期开源了多项贡献，包括 pplx-decider-v1-27b 多模态决策模型，在 11 个基准上平均得分 85.7%，领先 Jev。pplx-embed-v2-context-9b-preview 为上下文嵌入向量模型，在 ConTEB 和 turbopuffer context-bench 上表现最佳。
X：Testing Catalog (@testingcatalog)AI 评分 Muse 发布开源 ESP32 固件与 Muse Home Link 智能家居设备
Muse 宣布推出 Muse Gadgets 与 Muse Home Link。Muse Gadgets 是开源 ESP32 固件和 Linux SDK，供开发者制作可与 Muse 配合的硬件；Muse Home Link 是让 Muse 连接电视、音箱等智能设备的硬件，用户可在官网认领。
X：Peter Steinberger (@steipete)AI 评分 Muse 发布开源 ESP32 固件与 Linux SDK Muse Gadgets
Muse 推出开源项目 Muse Gadgets，包含 ESP32 固件和 Linux SDK，开发者可从 gadgets.muse.ai 获取 API token，并用编码智能体基于 GitHub 仓库为 Muse 构建外设。
X：Thomas Wolf（Hugging Face 联创/CSO） (@Thom_Wolf)AI 评分 Hugging Face 联创 Thomas Wolf 看好 Sigil 与 Underdog 打造端侧私人 AI
Sigil 宣布推出运行在用户自有设备上的私人 AI 产品 Underdog，并获得 a16z、Khosla Ventures、Hummingbird VC 及 Anthropic 相关基金 Anthology 等投资。
NVIDIA Blog精选AI 评分 NVIDIA DGX Spark 推出 64GB 版本，10 月 23 日开售 4999 美元起
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。
Simon WillisonAI 评分 Photo Scrubber：本地人脸模糊与元数据清除工具
Simon Willison 用 GPT-6 Astra 构建了实验性工具 Photo Scrubber，可自动识别人脸并模糊处理。该工具基于 Google 的 MediaPipe C++ 库，通过 @mediapipe/tasks-vision 编译为 WebAssembly，并使用 BlazeFace 人脸检测模型，全部在本地运行。
X：Unsloth (@UnslothAI)AI 评分 Unsloth 支持在 4GB 内存本地运行 Laya Decision 模型
Unsloth 宣布现在可以在仅 4GB 内存的本地环境运行 Laya Decision 模型，支持 CPU、Mac、Windows、Linux 和 GPU 配置。用户可通过 Unsloth Desktop 以 Jev 兼容 API 方式部署 Laya，GitHub 仓库和文档指南已同步放出。
X：Mark Zuckerberg (@finkd)AI 评分 Meta Connect 发布 Muse 智能体与多款 AI 眼镜，Muse Charm 12 月发货
Meta 在 Meta Connect 上宣布，个人智能体 Muse 新增语音和实时视频能力，可在对话中后台执行任务，并接入眼镜实现免手操作。
X：Mark Zuckerberg (@finkd)AI 评分 Meta Connect 发布 Muse 智能体语音与实时视频能力及多款眼镜新品
Meta 在 Meta Connect 上宣布，个人智能体 Muse 新增语音和实时视频能力，可进行长对话并在后台完成任务，同时上线眼镜端实现免手操作。Meta Glasses 获得 FDA 认证可用于轻中度听力损失，并推出无摄像头、全天续航的首款音频眼镜，以及续航和麦克风升级的 Ray-Ban Meta Gen 3。
X：Mark Zuckerberg (@finkd)AI 评分 Meta Connect 发布 Ray-Ban Meta Gen 3 与带语音和实时视频的 Muse 智能体
扎克伯格在 Meta Connect 公布了多项新品：Muse 个人智能体新增语音和实时视频能力，可在对话中后台执行任务，并接入眼镜实现免手操作；Ray-Ban Meta Gen 3 带来更长续航、升级麦克风和包括 Aviators 在内的经典款式。
X：Mark Zuckerberg (@finkd)AI 评分 Meta Connect 发布 Muse 智能体与多款眼镜新品
Meta 在 Meta Connect 上宣布 Muse 个人智能体新增语音和实时视频能力，可进行长对话并在后台完成任务，同时上线眼镜端实现免手操作。
X：Mark Zuckerberg (@finkd)AI 评分 Meta Glasses 获 FDA 认证，可作为助听器使用
Meta Glasses 现在可以作为 FDA 认证的助听器使用。该产品为医疗级，适用于轻度至中度听力损失，价格仅为普通助听器的一小部分。
X：Mark Zuckerberg (@finkd)AI 评分 Meta Connect 发布 Muse 智能体语音与实时视频能力及多款 AI 眼镜
Meta 在 Meta Connect 上宣布，个人智能体 Muse 新增语音与实时视频能力，可在对话中后台执行任务，并登陆眼镜实现免手操作。Meta Glasses 新增 FDA 认证助听功能，眼镜端推出隐私处理，使特定 AI 功能下连 Meta 也无法访问用户信息。
X：通义千问 / Qwen (@Alibaba_Qwen)AI 评分 通义千问 Mobile Creative Agent 性能表现
通义千问（Qwen）公布 Mobile Creative Agent 的性能表现。该内容为对 @Alibaba_Qwen 的回复，仅给出性能表现这一信息，未披露具体模型版本、参数规模或 benchmark 分数。
X：通义千问 / Qwen (@Alibaba_Qwen)精选AI 评分 通义千问发布 Qwen Intelligence，推出三个移动端 SOTA 智能体
通义千问发布 Qwen Intelligence，首批包含三个 SOTA 智能体。Mobile Planner Agent 负责任务规划、拆解与编排，在 MobilePA-Bench。
推荐理由：官方给出三个移动端智能体的分工、基准成绩与开源评测套件入口，可据此判断手机端 Agent 的能力边界。
X：Ammaar Reshi (@ammaar)AI 评分 作者用 GPT-6 Astra 让 Windows 版 PC 游戏在 iPad mini 本地运行
作者 Ammaar Reshi 称用 GPT-6 Astra 让 Skyrim、Batman: Arkham City、Hades 和 Age of Empires II 的 Windows 版本在 iPad mini 上本地运行，支持触控操作且不依赖串流，并表示稍后会分享仓库和安装指南。
X：Unsloth (@UnslothAI)AI 评分 Google Gemma 下载量突破 10 亿，开发者分享端侧与微调实践
Google Gemma 系列模型下载量突破 10 亿次。Google DeepMind 的 Paige Bailey 与 Unsloth、Qualcomm 等开发者及合作方交流，了解他们如何基于 Gemma 构建端侧工具、进行本地微调并推进多模态突破。
X：Unsloth (@UnslothAI)AI 评分 Unsloth 让 GLM-5.3-Flash 本地 GGUF 推理最高提速 3.3 倍
Unsloth 称 GLM-5.3-Flash 的本地 GGUF 推理最高提速 3.3 倍，长上下文场景下提速 1.6 至 3.4 倍，并加入多 token 预测。用户可在 128GB 设备上以 3-bit 量化运行，入口为 Unsloth Desktop 或 llama.cpp，官方同时提供了使用指南和 Hugging Face 上的 GGUF 权重。
X：Unsloth (@UnslothAI)AI 评分 Unsloth 让 GLM-5.3-Flash 本地推理提速 3.3 倍
Unsloth 宣布 GLM-5.3-Flash 本地 GGUF 推理提速 3.3 倍，整体区间为 1.6–3.4 倍，来自优化解码并额外支持多 token 预测。
X：Unsloth (@UnslothAI)AI 评分 Hermes Desktop 支持一键本地运行 Unsloth GGUF 模型
Nous Research 的 Hermes Desktop 现在可以一键在本地运行 Unsloth GGUF 模型，支持 Qwen3.8-27B、Qwen3.8-Flash、DeepSeek-V4-Flash 等。该工具会自动读取硬件、挑选最合适的模型，然后完成下载并配置运行时。
X：Unsloth (@UnslothAI)AI 评分 NVIDIA Jetson AI Lab 教程：用 Unsloth 与 QLoRA 在 Jetson 上微调并量化模型
NVIDIA Jetson AI Lab 发布新教程，演示如何用 Unsloth 和内存高效的 QLoRA 直接在 NVIDIA Jetson 上微调与量化 AI 模型，导出量化 GGUF 文件并用 llama.cpp 本地运行。
X：Unsloth (@UnslothAI)精选AI 评分 Unsloth 将 GLM-5.3 量化至 239GB，可在 256GB Mac 本地运行
Unsloth 发布 GLM-5.3 的 2-bit 量化版本，体积从 1.51TB 压缩到 239GB，减少约 83%，精度保留约 81%，可在 256GB Mac 或相应 RAM/VRAM 配置上运行。
推荐理由：原文给出量化后的体积与精度保留比例，读者可据此判断本地部署 GLM-5.3 所需的硬件门槛。
X：Unsloth (@UnslothAI)精选AI 评分 Unsloth 发布 GLM-5.3-Flash GGUF，可在 128GB 内存本地跑 3-bit
Unsloth 发布 GLM-5.3-Flash 的 GGUF 量化版本，可在 128GB 内存上以 3-bit 精度本地运行，并提供了部署指南与 Hugging Face 仓库地址。
推荐理由：Unsloth 放出 GLM-5.3-Flash 的 GGUF 量化版本，并给出 128GB 内存跑 3-bit 的本地部署路径。
X：Unsloth (@UnslothAI)精选AI 评分 Qwen3.8-Flash 通过 Unsloth GGUF 实现 75GB 内存本地运行
Qwen3.8-Flash 这个 125B MoE 模型现已可通过 Unsloth 的 GGUF 在 75GB RAM 上本地运行，Unsloth 称其性能超过 Claude-Opus-4.6 (Max)。Qwen3.8-Flash-Next 面向 CPU RAM 与统一内存配置，可提供接近 VRAM 的速度。Unsloth 已放出使用指南与 Hugging Face 上的 GGUF 文件。
推荐理由：125B MoE 模型在 75GB 内存本地运行的量化方案，为端侧部署提供了可参考的显存与内存配置路径。