NVIDIA RTX Spark 笔记本全球上市，起售价 2399 美元
搭载 NVIDIA RTX Spark 的 Windows 笔记本正式上市，起售价 2399 美元，由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 等厂商推出。
#端侧
#端侧
今日 0 条NVIDIA BlogAI 评分5555
NVIDIA BlogAI 评分3636 见证开端：NVIDIA RTX Spark 正式发布
NVIDIA RTX Spark 于 10 月 16 日发布，是面向创作者、游戏玩家与 AI 智能体的 Windows PC。
NVIDIA Blog精选AI 评分7070 NVIDIA 扩展 Nemotron 模型家族，推出 Super VL 与 Bolt 系列覆盖数据中心到端侧
NVIDIA 发布 Nemotron 3.5 Super VL（120B 参数）开放模型，主打多模态智能体任务，并推出 Bolt 74B-A9B 24GB 与 Bolt E4B 4GB 两款端侧模型。
推荐理由：原文给出 Super VL 在参数量和吞吐量上的同档对比，以及从数据中心到端侧的全家族覆盖定位，可帮助判断 Nemotron 在开放模型生态中的角色。
Google DeepMindAI 评分4141 Google DeepMind 与新加坡政府合作构建诈骗检测微调 AI 模型
Google DeepMind 与新加坡 GovTech 合作推出基于 Gemma 微调的端侧诈骗检测模型，在手机本地分析对话模式识别社工诈骗并实时预警。该模型采用两级管线——轻量分类器初筛后由微调 Gemma 做上下文复核，全程数据不出设备，可兼容端到端加密消息。微调在 GovTech 管理的 Sovereign Sandbox 环境中完成，训练仅使用匿名化诈骗情报。
Hugging Face Blog精选AI 评分6161 Liquid AI 发布 LFM2.5-24B-A2B 推理模型，总参 24B、激活 2B
Liquid AI 发布 LFM2.5-24B-A2B 推理模型，总参数 24B、激活 2B，主打端侧智能体与工具调用场景。
推荐理由：该模型以 2B 激活参数在多项工具调用基准上领先更大 MoE，为本地智能体部署提供了一份参数效率与端侧推理速度的参考。
NVIDIA Blog精选AI 评分6565 RTX Spark笔记本10月16日上市，NVIDIA公布本地AI软件生态更新
NVIDIA RTX Spark笔记本电脑将于10月16日（周五）正式发售，搭载最高128GB统一内存与1 petaflop AI算力，上周已与微软联合公布。
推荐理由：原文梳理了RTX Spark笔记本上市前后的本地AI软件生态，可看出端侧智能体所需的模型、沙箱与工具栈已大致就绪。
NVIDIA Blog精选AI 评分7070 NVIDIA 与 Microsoft 联合推出 RTX Spark 与 Windows 版 DGX Station
在旧金山 Microsoft 活动上，NVIDIA CEO 黄仁勋与 Microsoft CEO 萨提亚·纳德拉共同发布 RTX Spark 和面向 Windows 的 DGX Station。
推荐理由：文章给出了 RTX Spark 和 Windows 版 DGX Station 的硬件规格与本地 AI 路径，读者可据此评估 Windows PC 运行大模型的真实门槛。
Hugging Face BlogAI 评分5252 Liquid AI 开源 d1 系列端侧多模态决策模型 d1-3B 与 d1-omni-600M
Liquid AI 开源 d1 系列两个边缘决策模型 d1-3B 与 d1-omni-600M，主打毫秒级单次前向传播推理。
Google DeepMind精选AI 评分6666 Google DeepMind 发布开源端侧多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布开源多模态嵌入模型 EmbeddingGemma 2，基于 Gemma 4 架构并采用 Apache 2.0 协议，参数规模 740M，可将文本、图像、音频与视频映射到同一嵌入空间。
推荐理由：在端侧资源约束下把文本、图像、音频、视频统一映射到同一嵌入空间，为本地 RAG 与跨模态检索提供了新的基线。
NVIDIA BlogAI 评分4949 NVIDIA DGX Spark 64GB 为开发者提供更多本地 AI 构建与扩展方式
NVIDIA DGX Spark 64GB 版本将于 10 月 23 日上市，售价 $4,999，由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 独家销售。
Hugging Face BlogAI 评分5353 Liquid AI 发布 LFM2.5-VL-DSpark，为 LFM2.5-VL-3B 加速投机解码
Liquid AI 发布实验性草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径，端侧解码最高提速 3.13x、H100 上最高 2.66x，端到端提升最高 2.62x 和 2.27x。
Hugging Face Blog精选AI 评分6868 Transformers 现已支持运行 llama.cpp 的 GGUF 量化模型
Hugging Face 在 transformers 中加入 GGUF 量化模型支持，用户可从 Hub 选取检查点并通过 from_pretrained 在本地加载生成。
推荐理由：原文给出了 GGUF 在 transformers 中的加载方式和对照 llama.cpp 的测量数据，便于评估本地量化推理的可用性。
Hugging Face BlogAI 评分4141 oMLX 创建者 Jun Kim 加入 Hugging Face，支持 MLX 社区
oMLX 创建者与维护者 Jun Kim 加入 Hugging Face，将继续以 Apache 2.0 许可全职领导 oMLX 项目。
NVIDIA BlogAI 评分4040 曼彻斯特大学用 NVIDIA Earth-2 预测英国空气污染
曼彻斯特大学团队用 NVIDIA Earth-2 的生成式模型 CorrDiff，在 Isambard-AI 上两天训练出覆盖全英、分辨率 2-3 平方公里的空气污染模型。
Hugging Face Blog精选AI 评分6969 Hugging Face 发布 @huggingface/kernels 库与 Fleet 浏览器基准工具，首批开源 207 个 WebGPU 内核
Hugging Face 发布 @huggingface/kernels JavaScript 库与 Fleet 浏览器基准测试工具，首批开源 207 个 Apache-2.0 许可的 WebGPU 内核，每个内核以独立仓库形式托管在 Hub 上，包含 manifest、正确性用例、基准用例与 WGSL 着色器模板。
推荐理由：对比了在 Apple M4 上与 ORT WebGPU 的逐操作基准数据，读者可据此评估优化 WebGPU 内核对浏览器推理的实际收益。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 SL2T 手语转文本模型并落地 Gboard 与 Live Transcribe
Google DeepMind 发布大规模多语言手语转文本模型 SL2T，可将手语直接翻译为流式文本，首批支持美国手语（ASL）转英文。模型基于超过 50 种手语、10 万小时以上数据训练，其中约四分之一为 ASL，在 FLEURS-ASL（sd-test）上取得 70 BLEURT 的零样本分数。
推荐理由：手语转文本模型在 Gboard 与 Live Transcribe 落地，文中给出数据规模与基准分数，可据此了解多模态无障碍翻译的当前进度。
Berkeley AI ResearchAI 评分4444 从 CUDA 到 MLX：K-Search 如何把数十年 kernel 经验带到 Apple Silicon
UC Berkeley Sky Lab 为 K-Search 内核搜索框架加入 MLX 后端，用结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 迁移到 Apple Silicon。
Google DeepMind精选AI 评分7878 DeepMind 发布 DiffusionGemma 实验模型，文本生成最高提速 4 倍
Google DeepMind 发布开源实验模型 DiffusionGemma，以文本扩散并行生成替代逐 token 自回归，在专用 GPU 上文本生成速度最高提升 4 倍。
推荐理由：开源 26B MoE 模型用文本扩散把解码瓶颈从显存带宽转向算力，读者可据此判断本地低并发推理的取舍。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemma 4 12B，采用无编码器多模态架构
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的智能体多模态模型，视觉与音频输入直接进入 LLM 主干、不再依赖独立编码器，并配备 Multi-Token Prediction 草稿器以降低延迟。
推荐理由：原文给出无编码器多模态架构的实现细节，读者可比对它与 26B MoE 在内存占用上的取舍。
Google ResearchAI 评分4141 Google：基于零信任聚合的端侧 AI 隐私分析
Google Research 提出基于零信任聚合的端侧 AI 隐私分析方案，将新型单轮加密聚合协议与 TEE 硬件隔离结合，构建多层防御架构。该协议只需设备发送一次加密消息即可完成安全聚合，无需多轮在线交互；即使 TEE 隔离失效，加密层仍保证个体原始数据不可还原，仅匿名聚合结果对 Google 可见。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemma 4 开源模型家族，含 2B 到 31B 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。
推荐理由：Gemma 4 以 Apache 2.0 许可放出四种尺寸，从端侧到工作站都有对应规格，可据此判断开源模型的落地边界。
Mistral AI精选AI 评分7373 Mistral 发布 Devstral 2 与 Small 2 开源编程模型，同步推出 Mistral Vibe CLI
Mistral 发布 Devstral 2（123B）与 Devstral Small 2（24B）两款开源编程模型，同步推出 Mistral Vibe CLI 命令行代理。
推荐理由：Devstral 2 在 SWE-bench Verified 上取得 72.2%，并给出相对 Claude Sonnet 的 7 倍成本效率数据。
Mistral AI精选AI 评分7979 Mistral 发布 Mistral 3 模型家族，涵盖 Mistral Large 3 与 Ministral 3
Mistral 发布 Mistral 3 模型家族，旗舰款 Mistral Large 3 为 41B 激活 / 675B 总参数的稀疏 MoE，在 LMArena OSS 非推理模型榜位列第 2，全系采用 Apache 2.0 协议开源。
推荐理由：原文给出 Mistral Large 3 的 MoE 规模与 LMArena 排名，以及 Ministral 3 端侧尺寸，可作为开源权重模型横向对比的坐标。
Mistral AI精选AI 评分6464 Mistral 发布 Mistral Small 3.1 开源模型，支持 128k 上下文与多模态
Mistral 发布 Mistral Small 3.1，文本与多模态基准超过 Gemma 3 和 GPT-4o Mini，推理速度 150 tokens/s，上下文扩展至 128k tokens。
推荐理由：以 Apache 2.0 开放权重并附对照 Gemma 3、GPT-4o Mini 的基准数字，128k 上下文与多模态能力使其适合低成本本地运行。