标签
用户发推称其 OPPO Find N2 手机上的 DSH DeepSeek 正在频繁调用大众点评和小红书等本地应用来帮忙搜索附近餐厅，展示了 AI 助手跨应用操作的能力。
埃隆·马斯克回应了一则说法，称 Grok 机器人现在可以通过操作按钮查看手机屏幕上的内容，并回答相关问题。原帖描述了实时分析视频、短视频和文章等功能。
实验展示了两个现成小模型（Gemma 4 E2B 和 Qwen3.5-0.8B）在 Galaxy S21 本地运行，通过 E2LLM/SiFR 浏览器感知完成同一 Amazon 购物任务，两次运行均生成不同但有效的购物车方案并以 READY_FOR_HUMAN_REVIEW 结束。所有日志、脚本与哈希均公开在 GitHub。
EmbeddingGemma 2 使得在设备端完全离线运行多模态 RAG 成为可能：在 Pixel 11 Pro 上，文本搜索只需约 191MB 内存，文本、图片、视频和音频的嵌入则只需约 567MB。模型权重已依据 Apache 2.0 许可证开源。
HybridInfer引入了针对多层大语言模型推理的热感知强化学习路由器，在真实Android设备上实现了比启发式方法更优的质量和成本效率。
Qwen Intelligence 推出三款最先进的移动AI智能体：用于任务分解的Mobile Planner Agent、具有高端到端成功率的Mobile-Use Agent，以及用于快速内容生成的Mobile Creative Agent，同时开放一个用于评估的基准测试套件。
TierKV提出一种预测性多层KV缓存框架，用于优化长上下文大型语言模型在移动设备上的内存使用和吞吐量，在最小精度损失下实现显著的性能提升。
Edge0-35B-A3B-preview 是一个稀疏的MoE模型，通过流式专家卸载和量化技术，实现移动设备上的高效AI推理，以低于3 GiB的内存达到15 tok/s的性能。
SnapBench引入了一个配对干扰基准测试，用于移动端稳健的即拍即问多模态检索，揭示图像噪声是关键降级因素，并提出一种自适应融合方法以增强模态可靠性。
这条推文推测，苹果、高通和谷歌可能成为领先的AI公司，原因在于专注于便携式边缘AI设备，并以在NVIDIA Jetson上运行的Google Gemma为例。
本文描述了在 Ubuntu Touch 智能手机上运行 AI 智能体的体验——该手机全天候开机，可访问传感器，并能通过 Telegram 持续对话。
Google DeepMind 宣布了SL2T，这是一个与聋人社区共同开发的系统，旨在将ASL输入引入手机，并计划将这项技术扩展到更多手语和应用中。
bigedgeonmoe开源代码库的创建者使得在移动设备和消费级PC上运行大规模MoE模型（高达120B参数）成为可能，在中端手机上实现了Qwen 35B模型每秒6个token的速度。
本文通过实验研究提示词表述如何影响端侧大语言模型的能耗，表明关键词选择会显著影响解码长度和总能耗，并提示工程可作为轻量级能耗优化手段。
LightMem-Ego是一种轻量级流式多模态记忆系统，用于日常生活辅助，它持续捕捉第一人称视角的视觉和音频流，将其组织成分层记忆，并检索基于事实的答案来回答用户关于过去经历的查询，可部署在智能手机和AI眼镜上。
Khosla 支持的初创公司 PrismML 发布了 Qwen-3.6-27B 的压缩版本，声称这是有史以来在 iPhone 上运行的最大 AI 模型。
PyTorch基金会支持了在旧金山举办的ExecuTorch黑客马拉松，超过100名参与者使用PyTorch和ExecuTorch在搭载Snapdragon的三星Galaxy S25 Ultra设备上构建了实时端侧AI应用。获奖项目包括SafeScreen AI、SixthSense和Toddle AI，展示了本地执行在响应性、隐私保护和离线能力方面的优势。
宣布推出Acti，一个代理型键盘，将被动键盘转变为主动界面，能够直接在应用内执行操作，例如调取Notion文档或生成迷你应用。
在Google Pixel 10 Pro上使用llama.cpp运行Gemma 12B模型，实现了每秒6.5个token的提示处理和每秒1.3个token的生成，功耗低于10瓦，展示了高效的设备端AI推理。
本文介绍了首个完全运行在移动NPU（Snapdragon X Elite上的Qualcomm Hexagon）上的端到端RAG流水线，相比CPU实现了高达18倍的LLM预填充加速和4倍的能耗降低，且无质量退化。