NVIDIA RTX Spark 笔记本已上市，搭载 Blackwell RTX GPU 与 Grace CPU，最高 1 petaflop AI 算力和 128GB 统一内存，起售价 2399 美元。华硕、戴尔、惠普、联想、微软和微星首批推出该机型，NVIDIA 在北京、柏林、首尔、旧金山、台北和伊斯坦布尔等地举办上市活动，黄仁勋在柏林现场现身。
推荐理由：原文给出 RTX Spark 笔记本的规格、起售价和上市渠道，读者可据此判断本地 AI 的硬件门槛。
NVIDIA 发布 RTX Spark，一款面向创作者、游戏玩家和 AI 智能体的 Windows PC，并将于 10 月 16 日在旧金山、柏林、台北、北京、伊斯坦布尔、首尔等地举办发布活动。
推荐理由：NVIDIA 官方公布 RTX Spark 面向本地 AI 的定位与全球发布活动，并汇总多家评测对性能的初步反馈。
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数开放模型，面向常驻智能体任务，官方称其多模态智能体任务准确率与自家最大推理模型相当，参数量约为其五分之一，吞吐量最高为同类模型的 5 倍。
推荐理由：NVIDIA 一次放出三款覆盖数据中心到端侧的开放模型，并给出参数、量化与部署入口，便于判断本地智能体的选型空间。
Google DeepMind 与新加坡政府科技局（GovTech）合作，基于轻量级 Gemma 模型微调出可在普通智能手机上运行的端侧诈骗检测模型，用于识别冒充公共机构、银行和本地人物的诈骗对话。
推荐理由：原文给出了端侧诈骗检测的两阶段流水线与治理约束，读者可据此判断隐私与安全如何兼顾。
Liquid AI 发布 LFM2.5-24B-A2B，一个 24B 参数、每 token 仅激活 2B 的推理模型，面向端侧私有智能体，会先思考再作答并调用工具。
推荐理由：Liquid AI 给出 24B-A2B 的端侧推理速度与智能体基准对比，可据此判断本地智能体的可行边界。
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市，最高 128GB 统一内存、1 petaflop AI 算力，并同步推出面向本地智能体的软件与模型更新。
推荐理由：NVIDIA 官方一次性列出 RTX Spark 首发时的本地智能体、模型与开发工具清单，可据此判断端侧 AI 工作流的可用边界。
在旧金山微软 Windows AI 与 Surface 活动上，NVIDIA 与微软宣布为 Windows PC 上的 AI 智能体共同设计软硬件，并开放 RTX Spark 笔记本预售，10 月 16 日开售，紧凑型台式机 11 月上市。
推荐理由：英伟达与微软把智能体运行所需的系统级容器和本地算力硬件一起端上桌面，读者可据此判断本地跑大模型的门槛变化。
Liquid AI 发布 d1 决策模型家族的两款开源权重模型 d1-3B 和 d1-omni-600M（实验性）。
推荐理由：Liquid AI 开源两款决策模型，给出端侧延迟与七项基准对比，可据此判断小模型做结构化决策的可行性。
Google DeepMind 发布 EmbeddingGemma 2，一个基于 Gemma 4 架构、Apache 2.0 许可的开源多模态嵌入模型，参数量 740M，可把文本、图像、音频和视频映射到统一嵌入空间。
推荐理由：官方给出 740M 参数、模块化编码器与量化后内存占用等细节，可据此判断端侧多模态检索的落地边界。
Google 发布新一代联邦学习系统，用可信执行环境（TEE）为数据匿名化提供可验证、可审计的保证，Gboard 已采用该系统上线英语和日语下一词预测模型，隐私保证更强且准确率提升。
推荐理由：Google 公布基于 TEE 的新一代联邦学习系统设计，并给出 Gboard 已上线的实际部署效果。
NVIDIA 将于 10 月 23 日通过 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出 64GB 统一内存版 DGX Spark，起售价 4,999 美元，保留 GB10 Grace Blackwell 超级芯片、DGX OS 和完整 NVIDIA AI 软件栈，可本地运行最高 1000 亿参数模型。
推荐理由：原文给出 64GB 新配置的售价、上市时间与双机集群性能数据，读者可据此判断本地跑大模型的成本与扩展方式。
Hugging Face 在 transformers 中加入 GGUF 支持，用户可从 Hub 选取 GGUF 检查点，通过 from_pretrained 传入 gguf_file 在本地加载并生成。
推荐理由：Hugging Face 官方说明 transformers 接入 GGUF 的加载方式与性能对比，可据此判断本地推理工作流的变化。
oMLX 作者兼维护者 Jun Kim 加入 Hugging Face，继续主导 oMLX 并支持 MLX 社区。oMLX 由此从副业转为全职维护且获资金支持的项目，仍保持 Apache 2.0 开源许可。Hugging Face 计划让 oMLX 成为新想法的试验场，并简化 transformers 模型定义到 MLX 参考实现的转换流程。
Google Research 提出 PhotoScan，一个可从普通 2D 手机照片估算体脂率、Android-to-Gynoid 脂肪比（A/G）和 Visceral-to-Subcutaneous 脂肪面积比（V/S）的深度学习框架。
Google DeepMind 发布多语言手语转文本模型 SL2T，并在 Pixel 11 的 Gboard 和 Live Transcribe 中上线手语听写功能，首批支持美国手语（ASL）转英文。
推荐理由：官方披露了 SL2T 的训练规模、手语到文本的翻译路径与隐私处理方式，可了解手语 AI 从实验室进入消费产品的技术取舍。
Google Research 发布一种新架构，将多 Token 预测（MTP）头挂接到已冻结的 Gemini Nano v3 模型上，在 Pixel 9 和 10 系列上实现开箱即用的加速。
推荐理由：Google 把 MTP 头挂到冻结的 Gemini Nano v3 上，读者可了解端侧推理在内存与能耗约束下的具体优化路径。
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，介于边缘端 E4B 与 26B MoE 之间，可在 16GB VRAM 或统一内存上本地运行。
推荐理由：Gemma 4 12B 用无编码器架构把多模态能力压到 16GB 显存，读者可据此判断本地智能体的可行边界。
Google Research 在 Nature 发表研究，提出 PHRM 系统，利用手机前置摄像头在面部解锁后的数秒内拍摄视频，通过深度学习在后台估算心率与静息心率。
推荐理由：Google 用手机前摄在解锁后被动测心率，并公开迄今最大规模手机视频数据集与预训练模型。
H Company 发布 Holo3.1 系列 computer-use 模型，基于 Qwen 家族，覆盖 0.8B、4B、9B 和 35B-A3B 四种尺寸，并首次提供 FP8、Q4 GGUF 和 NVFP4 量化权重用于本地推理。
推荐理由：Holo3.1 给出跨环境、跨框架与本地量化部署的具体数据，可据此判断 computer-use 智能体在端侧落地的可行性。
Google 发布一套面向隐私分析的零信任聚合方案，将新型单次消息加密聚合协议与 TEE 结合，设备无需多轮在线即可提交数据。该设计使原始数据在任何服务器内存中都不会被暴露或重建，仅在数据完成聚合并匿名化后才在设备外处理明文，并借助 TEE 远程认证向参与者证明协议按公开代码正确执行。
Hugging Face 为 Reachy Mini 推出完全本地化的语音对话方案，基于其 speech-to-speech 级联管线（VAD → STT → LLM → TTS），无需云端和 API key。
Hugging Face 发布 Transformers.js 浏览器扩展教程，演示如何在 Manifest V3 约束下用 Gemma 4 E2B 构建本地 AI 功能。
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以四个尺寸覆盖端侧到工作站，并给出 Apache 2.0 许可与首日工具支持，读者可据此判断本地部署与微调的选择空间。
Google DeepMind 的 Gemma 4 多模态模型家族已在 Hugging Face 上线，采用 Apache 2 许可，支持图像、文本和音频输入并生成文本，共五个尺寸：E2B、E4B、12B Unified、31B 和 26B A4B。
推荐理由：Gemma 4 五档尺寸与 12B 无编码器统一多模态的架构取舍，为端侧多模态选型提供了具体参照。
Hugging Face 博客发布 NXP 的嵌入式机器人 AI 实践指南，覆盖数据集录制、VLA 策略微调（ACT 与 SmolVLA）及端侧优化。NXP 以"把茶包放进杯子"任务录制 120 个 episode，将机械臂工作空间划分为 11 个 10×10 cm 聚类，并推荐使用夹爪相机提升精细操作成功率。指南还介绍了 NXP i.MX 95 SoC 经优化后实现的实时性能。
Transformers.js v4 已在 NPM 发布，可通过 npm i @huggingface/transformers 安装，距 2025 年 3 月启动开发约一年。
推荐理由：官方给出 v4 的 WebGPU 运行时重写、构建提速与包体积变化，可据此判断浏览器端推理的工程收益。
Google Research 在 EMNLP 2025 发表的论文提出一种分解式工作流，先由小多模态 LLM 逐屏总结用户交互，再从摘要序列中提取意图，在移动端和网页轨迹上均优于 CoT 提示和端到端微调。该方法用 Gemini 1.5 Flash 8B 即达到 Gemini 1.5 Pro 的相当效果，成本与速度仅为后者一小部分，适用于端侧部署。
Google 研究团队提出基于时序卷积网络（TCN）的多头深度学习模型，仅凭单只 Pixel Watch 的 IMU 信号和用户身高，即可直接估算步速、步长、摆动时间、支撑时间等多项步态指标。在 246 名参与者、约 7 万个步行片段的大规模验证中，手表估算在多数指标上达到 Pearson r >0.80、ICC >0.80，与 Pixel 6 手机估算无显著差异（p >0.05）。
Mistral 发布 Mistral 3 系列，包括 14B、8B、3B 三个小尺寸稠密模型和迄今最强的 Mistral Large 3，后者为稀疏 MoE 架构，41B 激活参数、675B 总参数，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 一次性放出从 3B 到 675B 的 Apache 2.0 权重，读者可据此判断开源模型在端侧与前沿两端的当前水位。
AnyLanguageModel 发布，这是一个 Swift 包，作为 Apple Foundation Models 框架的替代方案，支持多种模型提供方。
推荐理由：原文给出统一 API 与多后端接入方式，读者可据此判断 Apple 平台本地与云端模型集成成本的变化。
Google Research 发布端到端语音到语音翻译（S2ST）模型，直接生成译文音频并保留原说话人音色，延迟从级联方案的 4–5 秒降至 2 秒。该模型基于 AudioLM 框架和 Transformer 模块，采用流式编码器与解码器，并用时间同步数据管线训练，音频以 RVQ token 表示，100 ms 片段约需 16 个 token。
推荐理由：Google 端到端语音翻译把延迟从 4–5 秒压到 2 秒，并已落地 Meet 与 Pixel 10，可据此判断实时同传的可用边界。
Google Research 提出可证明隐私洞察（PPI），结合 LLM、差分隐私（DP）与可信执行环境（TEE），在保证个体数据不可被查看、聚合结果匿名的前提下分析 GenAI 工具的使用情况。
推荐理由：Google 把 LLM、差分隐私与 TEE 组合成可外部验证的隐私分析流程，读者可了解端侧数据洞察的工程路径。
IBM 发布 Granite 4.0 家族中最小的一批模型 Granite 4.0 Nano，包含 4 个 instruct 模型及对应 base 版本，参数规模为 ~350M 和 ~1.5B，采用 hybrid-SSM 与 Transformer 两种架构，以 Apache 2.0 许可开源并原生支持 vLLM、llama.cpp 和 MLX。
Hugging Face 发布教程，介绍用 Optimum Intel 和 OpenVINO 在 Intel CPU 上三步本地运行 SmolVLM2-256M-Video-Instruct 视觉语言模型，无需 GPU。第一步将模型转换为 OpenVINO IR，第二步用 8-bit 权重量化或静态量化压缩模型，第三步执行推理，并可通过 device="gpu" 在 Intel GPU 上加载。
Arm 将于 10 月 22-23 日参展 PyTorch Conference，展示基于 PyTorch 和 ExecuTorch 的 AI 应用开发与部署方案。
Hugging Face 博客发布三部分系列文章，记录如何将 RedNote 的 3B 参数 OCR 模型 dots.ocr 转换到端侧运行，组合使用 Core ML 跑视觉编码器和 MLX 跑 Qwen2.5-1.5B 语言模型主干。
推荐理由：记录了把 3B OCR 模型从 PyTorch 转换到 Core ML 的完整排错过程，对端侧部署有可迁移的参考价值。
Hugging Face 用 OpenVINO.GenAI 在 Intel Core Ultra 上为 Qwen3-8B 智能体做推测解码加速，以 Qwen3-0.6B 为草稿模型先取得约 1.3× 提速，再通过剪掉 28 层中的 6 层并用 Qwen3-8B 生成的合成数据微调，将提速提升至约 1.4×。
Hugging Face 的 Swift 库 swift-transformers 发布 1.0，为 Apple Silicon 平台本地模型开发提供 Tokenizers、Hub 及 Core ML 模型推理组件。
Google 发布 EmbeddingGemma，一款面向端侧场景的多语言嵌入模型，308M 参数、2K 上下文窗口，支持 100 多种语言，量化后内存占用低于 200 MB。
推荐理由：308M 参数、2K 上下文、支持 100 多种语言，读者可据此判断端侧 RAG 与多语言检索的落地空间。
NVIDIA 发布 Nemotron Post-Training Dataset V2，将英文推理数据翻译为法语、德语、意大利语、日语和西班牙语，共 600 万条多语言样本，数据集已在 Hugging Face 开放。
推荐理由：NVIDIA 公开了多语言推理数据集的构建与过滤细节，并给出配套 9B 模型的端侧部署参数。