Liquid AI 发布 LFM2-VL 系列视觉语言模型
Liquid AI 发布首批视觉语言基础模型 LFM2-VL,包含 LFM2-VL-450M 和 LFM2-VL-1.6B 两个开源变体,面向手机、笔记本、可穿戴等资源受限设备的低延迟部署。
Liquid AI 发布首批视觉语言基础模型 LFM2-VL,包含 LFM2-VL-450M 和 LFM2-VL-1.6B 两个开源变体,面向手机、笔记本、可穿戴等资源受限设备的低延迟部署。
Liquid AI 宣布其 Liquid Edge AI Platform(LEAP)原生支持 AMD 最新 Ryzen 和 Ryzen AI 处理器,基于 llama.cpp 推理引擎,可在本地运行 LFM 模型。
Liquid AI 发布 LFM2 系列目前最大的模型 LFM2-2.6B,共 2.6B 参数,训练使用 10 万亿 token,官方称性能超过 Llama 3.2-3B-Instruct、Gemma-3-4b-it 和 SmolLM3-3B 等 3B+ 级模型。
Liquid AI 发布 Liquid Nanos 系列 350M–2.6B 参数的端侧基础模型,主打在手机、笔记本和嵌入式设备上本地运行,并已在 LEAP 平台和 Hugging Face 上线。
Liquid AI 发布 LFM2-Audio-1.5B,一个支持音频与文本输入输出的端到端基础模型,将 LFM2 家族扩展到音频领域。
Liquid AI 发布 LFM2-8B-A1B,这是其首个端侧 MoE 模型,总参数 8.3B、每 token 激活 1.5B,以约 1.5B 级模型的计算量获得更高的模型质量。
推荐理由:官方详细给出 MoE 架构参数、多基准评测和 CPU/GPU 推理数据,读者可据此评估端侧部署的实际表现。
Liquid AI 发布 30 亿参数视觉语言模型 LFM2-VL-3B,基于 LFM2-2.6B 主干并集成 SigLIP2 400M NaFlex 编码器,现已在 Hugging Face 和 LEAP 平台上线。
Liquid AI 在开发 LFM2 系列开放权重模型时选用 PyTorch ExecuTorch 作为推理引擎,看中其混合缓存支持与单条命令打包权重、元数据和执行图的自动化部署流程。
Liquid AI 发布 LFM2.5-1.2B 模型家族,称其为迄今最强的边缘 AI 版本,预训练从 10T 扩展到 28T tokens,并大规模引入强化学习后训练。
Liquid AI 发布 LFM2-2.6B-Transcript,专为 30–60 分钟长会议转录的本地总结设计,无需云端,已在 LEAP 和 Hugging Face 开放下载。
Liquid AI 发布可在设备端运行的推理模型 LFM2.5-1.2B-Thinking,手机上内存占用低于 900MB,现已在 Hugging Face、LEAP 和 Playground 提供。
Liquid AI 发布 LFM2-24B-A2B 的早期 checkpoint,总参数 24B、每 token 激活约 2.3B,是迄今最大的 LFM2 模型,开放权重已上线 Hugging Face。
Liquid AI 发布开源桌面智能体 LocalCowork,展示 LFM2-24B-A2B 完全在本地笔记本上执行工具调用,无云端、无 API 密钥、数据不出设备。
Liquid AI 发布 LFM2.5-350M,基于 LFM2 架构,预训练从 10T 扩至 28T tokens 并加入大规模强化学习,Base 和后训练模型已在 Hugging Face、LEAP 和 Playground 开放。
Liquid AI 发布 LFM2.5-VL-450M,是 LFM2-VL-450M 的升级版,新增边界框定位和文本函数调用支持,预训练从 10T 扩展到 28T tokens。
Liquid AI 发布 LFM2.5-8B-A1B 端侧 MoE 模型,上下文窗口从 32,768 扩展到 128K tokens,预训练从 12T 增至 38T tokens,词表翻倍到 128,000 以提升非拉丁文字的编码效率。
推荐理由:官方详细给出上下文、训练管线和实测基准,读者可以据此评估这款端侧 MoE 模型是否适合本地 Agent 工作流。
Liquid AI 发布其最小的模型 LFM2.5-230M,基于 LFM2 架构,预训练 19T tokens,Base 和 post-trained 版本已在 Hugging Face 开放下载。
Liquid AI 发布基于 LFM2 混合架构的双向编码器 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M,支持 8,192 token 上下文,面向分类、自然语言理解和 token 级任务微调,模型已上线 Hugging Face。
Liquid AI 发布 LFM2.5-2.6B,一个可完全在设备端运行的 2.6B 参数智能体模型,Base 与后训练版本已在 Hugging Face 开放。
推荐理由:原文给出完整的四阶段后训练流程、多基准对比和 CPU 与手机端实测速度,读者可据此评估它对端侧 Agent 部署的适配度。
Anthropic 发布 Swift 包,让 Apple 开发者通过 Apple 的 Foundation Models 框架调用 Claude 处理多步推理、代码生成等复杂任务。
把后台 AI 工作先交给设备端小型分类器判断难易,只将最难任务上送云端,单台 Mac 的吞吐量提升约 25%,队列等待从 73 秒降至 4 秒。过去七天该 Mac 承担了 78% 的 AI 工作、日峰值达 88%,平均任务时长从 47 秒降到 19 秒。作者将其类比 Nucor 的迷你钢厂,认为配备蒸馏模型的笔记本、手机与边缘设备将成为企业内的“迷你钢厂”,只按云端价格支付最难的那五分之一。
Black Forest Labs 宣布 FLUX.2 [klein] 4B 将预装在 ASUS 下一代 ProArt RTX 笔记本的 MuseTree 应用中,该产品线在台北 Computex 2026 上亮相。
Theory Ventures 领投 Ollama 的 6500 万美元 B 轮融资,Benchmark、YC 等参投。
Tom Tunguz 用 25 个 VC 任务对比 DeepSeek V4 云端模型与两个本地模型,judge 模型盲评显示三者质量接近(8.0 左右),但路径不同。
推荐理由:作者以 25 个真实 VC 任务实测云端与本地模型,用质量、token 用量和延迟数据解释小模型靠更多推理弥补知识差距。
Tom Tunguz 引用 Stanford 与 Together AI 的研究,提出 intelligence-per-watt 将像当年的 performance-per-watt 一样推动 AI 从云端走向端侧。
推荐理由:原文引用研究数据解释 intelligence-per-watt 趋势如何推动 AI 向端侧迁移,并给出本地加路由方案相对全云的能效与成本收益。
Google 介绍如何在 Raspberry Pi 5 上用 LiteRT 和 Gemma 模型实现完全离线的实时端侧 AI,并以 Reachy Mini 机器人演示目标检测、语音识别、推理和语音合成的完整本地流水线。
推荐理由:原文给出 Gemma 各型号在 Raspberry Pi 5 上的实测数据和完整部署流程,读者可以据此选择合适的端侧模型并复现本地推理。
开发者正在打造原生 Mac 应用 DraftKey,主打在现有 macOS 文本框内做端侧 AI 自动补全与指令式改写,而非跳转到浏览器标签页或聊天窗口。该应用要求 macOS 14+、Apple Silicon 和 8GB 内存,本地模型下载约 1.12GB。作者认为日常写作的高摩擦在于切换上下文,本地优先更适合快速补全和改写,但也承认部分文本框受 macOS 平台限制。
作者在 Mac 上的 Chromium 浏览器中实测了开源 421M 参数决策模型 Laya(Apache 2.0)经社区 ONNX Runtime Web 移植版 layaForWeb 的运行表现。
推荐理由:作者实测给出了 Laya 在浏览器运行的下载量、延迟、量化精度损失和后台标签页限制,方法可复用。
Preferred Networks(PFN)与丰田汽车前沿研究中心(FRC)启动联合研究,用尚在开发中的 MN-Core L 系列 AI 处理器加速 Physical AI 推理。
Preferred Networks(PFN)从零自研的日本大语言模型 PLaMo,主打日语理解与生成能力,旗舰版 PLaMo Prime 以紧凑模型规模提供世界级日语性能,可通过云端 PLaMo API(付费)和 PLaMo Chat 使用,并借 Amazon Bedrock Marketplace 支持本地部署。
Eugene Yan 用 Raspberry Pico 加电子墨水屏做了个 Raspberry-LLM,调用 WSJ 和 HackerNews 的 RSS 源与第三方 LLM API 生成内容,能押韵报时、用 Dr. Seuss 风格解读新闻标题、编造名人假引语,还能模仿 HackerNews 喷子留言。
NVIDIA 在 8 月举办本地 AI 博客专题,联合 Perplexity、MiniMax、DeepSeek、Poolside AI 等伙伴推进可在本地运行的开源模型与智能体。
9 月 30 日,湖北星辰技术先进封装中试平台二期项目在武汉光谷正式通线,为国内首条 3D 先进封装量产线。一期、二期合计投资超 70 亿元,二期历时 11 个月建成,可同步承载 40 至 50 款芯片的中试与风险量产,以及 30 至 40 套国产半导体设备与材料的性能验证,并补齐 2.5D 中试能力,面向高性能 AI 算力、智能终端、感存算一体及光电集成等芯片提供封装量产服务。
小米米家三筒洗衣机健康洗 Pro 14kg 系列今日开售,洗烘款首发价 5999 元、国补后 4998.85 元,滚筒款 4999 元、国补后 3999.25 元。
荣耀公布 MagicOS 11 十月体验升级,一碰传将支持与 OPPO、vivo、小米手机跨品牌分享,无需安装 App,预计 10 月中旬支持 MagicOS 11 产品,具体上线时间依赖对方手机升级支持。
微星预热尊爵 N16 Flip AI+ 2026 二合一翻转本,搭载英伟达 RTX Spark 芯片,预计 10 月 8 日上架预售,价格暂未公布。该机配备 16 英寸 UHD+ 双层 OLED 面板,最高亮度超 1000nits,覆盖 100% DCI-P3 色域,支持 VRR 与手写笔,具备 99.9Wh 电池和 Action Touchpad 触控板。
磐镭 YO2 迷你工作站开启预约,搭载 AMD 锐龙 AI MAX+ PRO 495 处理器,192GB 内存 + 2TB SSD 售价 49999 元。
三星发布 Galaxy Tab S12+ 与 Tab S12 Ultra 两款平板,均搭载联发科天玑 9500 芯片,配备 12.6/14.6 英寸 Dynamic AMOLED 2X 屏幕,峰值亮度 1600 尼特,运行基于 Android 17 的 One UI 9,10 月 7 日起全球陆续上市。
Meta 的 DINOv3 与 SAM 正被匹兹堡大学 RAMMP 项目用于辅助机器人,在电池供电的边缘设备上实现实时环境感知。RAMMP 的感知系统基于 RF-DETR,并用 DINOv2 嵌入微调、由 SAM 自动标注训练数据,实现 360 度环境感知与自适应物体检测。团队已把基于 DINO 的图像传感器查询功能集成进首个原型,可检测自动门按钮、杯子和路缘,目前正转向语音与触控输入。
Liquid AI 发布 LFM2.5-VL-3B 视觉语言模型,已上架 Hugging Face。相比 LFM2-VL-3B,屏幕理解、函数调用、grounding 和多图输入显著提升,ScreenSpot-v2 达 80.7,ToolSandbox 从 26.4 升至 59.5,RefCOCO 从 57.1 升至 87.9。