面壁智能与 OpenBMB 正式开源 MiniCPM-V 4.7，包含 35B-A3B 与 1B 两个版本。35B-A3B 为系列首个 MoE 模型，每次推理仅激活 3B，约 3G 内存即可在 iPhone 17 Pro Max 上断网流畅运行，解码速度超每秒 13 token。模型通过前瞻专家调度提前预取专家、混合精度量化压缩权重，并以自回放微调减少业务定制后的通用能力遗忘。
推荐理由：原文实测了35B MoE模型在手机端的运行效果，并详解了前瞻专家调度等让大模型在低内存设备上跑快的关键技术。
Google DeepMind 与新加坡 GovTech 合作推出端侧诈骗检测模型，在本地分析对话以保护用户隐私。该模型基于轻量级 Gemma 微调，采用两阶段流水线在典型智能手机上实时识别操纵意图并发出警告。其训练在 GovTech 的 GCP 隔离环境完成，未使用任何公民私人数据。
Anthropic 发布 Claude Haiku 5.5 模型，平均运行成本较上一代 Haiku 4.5 降低约 75%，成为迄今速度最快、成本最低且能力最强的 Haiku 系列模型。
Pluto 是一套可直接运行在 MCU 内部、用自然语言指令控制硬件的嵌入式智能系统，用户描述意图后由其解析为 GPIO、PWM、I²C、SPI、UART 等结构化硬件操作，无需为每个新任务编写传统固件。
Liquid AI 发布两款开源权重决策模型 d1-3B 与 d1-omni-600M，与生成式模型不同，它们以单次前向传播直接输出答案。
Google 发布开源多模态嵌入模型 EmbeddingGemma 2，参数量 740M，号称同类中最紧凑，在多模态嵌入基准上超过两倍体积的竞品。
Google DeepMind 发布 EmbeddingGemma 2，一款开源轻量级的多模态嵌入模型，可将文本、图像、音频与视频统一映射到单一嵌入空间。模型基于 Gemma 4 架构，参数量 740M，采用 Apache 2.0 许可，专为端侧推理优化，支持 8K token 上下文窗口。
推荐理由：原文给出了多模态嵌入与端侧资源占用的具体指标，读者可据此评估离线 RAG 管线的可行性。
Simon Willison 在 DGX Spark 上测试了 Qwen3.8-27B-Q4_K_M.gguf 的英文单词加法能力。禁用推理时，5,070 个测试的数值准确率仅 23.57%，随操作数位数增加从 97.04% 降至 6.44%，格式合规率为 96.17%。开启中等推理后，169 次单次测试中答对 167 次，准确率大幅提升。
阶跃星辰 Step 5 Preview 在 Artificial Analysis Intelligence Index 拿到 44 分，位列全球开源模型前二。
推荐理由：文中给出 Step 5 Preview 在 AA 榜单的分数、速度与单任务成本对照，其分阶段实测思路可迁移到其他长程 Agent 评测。
腾讯混元把 Hy-MT2-1.8B 翻译模型用 2-bit 与 1.25-bit 两套方案压缩至 574MB 和 440MB，翻译质量几乎无损，并联合英特尔完成 x86 算子适配、联合哔哩哔哩接入直播弹幕实时翻译。
Google DeepMind 发布大规模多语言手语转文本模型 SL2T，让手语 AI 首次走出实验室进入消费级产品：SL2T 驱动 Pixel 11 上 Gboard 与 Live Transcribe 的手语转文字功能，首发支持美国手语（ASL）转英语，更多设备与语言将陆续跟进。
推荐理由：SL2T 以姿态关键点而非原始视频做端到端翻译，并进入 Gboard 与 Live Transcribe，可看作无障碍交互从实验室走向消费级产品的样本。
Google DeepMind 发布 Gemini Robotics 2，通过三个模型为机器人带来全身智能、灵巧操作和多机协同能力。该系统可控制完整人形机器人执行耗时数分钟的多步任务，ER 2 推理模型已在 Google AI Studio 上线，On-Device 2 端侧模型仅需几小时即可适配新本体。
推荐理由：官方公布了全身控制、灵巧操作与多机协同能力，并给出端侧几小时适配新本体的指标，适合评估具身智能进展。
阶跃发布端侧模型家族 Step Edge，包含基础模型、Step Edge Audio、Step Edge GUI 和 Step Edge Gen，面向手机、汽车等终端场景。该系列支持低至 0.1 秒的端侧本地 toolcall 执行，多模态信息可在本地处理以保护隐私，并配套自研 Step Inference NPU 引擎优化推理延迟。官方称其在 29 项核心评测指标中取得第一。
Google DeepMind 发布 Gemma 4 12B，一款可在笔记本本地运行的多模态模型。该模型采用无编码器统一架构，视觉与音频输入直接进入 LLM backbone，仅需 16GB VRAM 或统一内存即可运行，性能接近 26B MoE 模型。它是该系列首款支持原生音频输入的中型模型，已采用 Apache 2.0 许可证开源。
推荐理由：官方给出了 16GB 内存即可本地运行的规格，以及与 26B MoE 模型的性能对比，便于开发者评估端侧部署方案。
Google DeepMind 发布 Gemma 4 系列开源模型，包含 E2B、E4B、26B MoE 和 31B Dense 四种规格。该系列与 Gemini 3 同源，采用 Apache 2.0 许可证，31B 模型在 Arena AI 排行榜位列开源模型第三。模型支持多模态、长上下文及智能体工作流，E2B 和 E4B 专为移动和 IoT 设备设计。
推荐理由：Google DeepMind 发布与 Gemini 3 同源的 Gemma 4 开源模型，读者可据此对比开源与闭源模型在端侧与智能体场景的能力边界。