跳到正文
  1. Hacker News · AI88

    Edge0 开源端侧模型 Edge0-145B 与 Edge0-120B 及推理框架

    Edge0 开源了 Edge0-145B 和 Edge0-120B,以及其统一推理框架和部署工具,并称 Edge0-145B 是首个开源的 145B 参数端侧模型。该公司报告称,在兼容笔记本上峰值内存为 29GB,预填充速度 1,100+ tokens/s,解码速度 80+ tokens/s,典型功耗约 120W,上下文长度为 128K–256K。它引用的内部得分为:DeepSWE 1.1 上 64.6,Terminal-Bench 2.1 上 86.52,GPQA-Diamond 上 90.4,IFBench 上 80.6,并表示权重已发布在 Hugging Face 上,首日即支持 macOS、Windows 和 Linux。

    推荐理由:Edge0 开源了一款 145B 端侧模型,报告峰值内存 29GB、解码速度 80+ tokens/s,为本地推理能扩展到何种程度提供了一个具体数据点。

  1. Google Developers Blog72

    Google AI Edge Gallery 新增端侧语音识别与文本转语音功能

    Google 在 Google AI Edge Gallery 中引入端侧自动语音识别(ASR)与文本转语音(TTS),使应用能够在完全离线的情况下运行多语言 ASR 和富有表现力的 TTS,并与 Gemini Nano、Gemma 4 等端侧 SLM 协同工作。在 Android 上,ML Kit 的新语音模型以 10 倍实时速度转写 100 多种语言,在 FLEURS 上的词错误率为 8.0% 至 9.0%;而少步扩散 TTS 约 100 毫秒即可开始发声,并以最高 50 倍实时速度生成 24 kHz 音频。跨平台支持通过 MediaPipe Tasks 和 LiteRT 实现,提供包括 Parakeet-TDT 0.6B、PocketTTS 100M、Kokoro-82M 和 Phonon 31M 在内的开放权重包,并在 XR Language Teacher 展示和语音版 AI Chat 中进行了演示。

    推荐理由:Google 为 AI Edge Gallery 添加了完全离线的 ASR 和 TTS,ML Kit 报告称可 10 倍实时转写 100 多种语言,扩散 TTS 约 100 毫秒即可开始发声。

  1. Zyphra Research78

    Zyphra 发布 ZONOS3-Mini:一款可在设备端运行的 Apache 2.0 零样本语音克隆 TTS 模型

    Zyphra 发布了 ZONOS3-Mini,这是一款稀疏 MoE 文本转语音模型,激活参数 100M、总参数 800M,采用 Apache 2.0 许可,在 112 块 NVIDIA H100 上训练了 2.5 天。它在 Pixel 9 的浏览器中首音频延迟低于 570 毫秒,在 M3 MacBook Air 上低于 150 毫秒,并提供 WebGPU、SGLang、vLLM 和 GGML 运行时。该模型增加了对身份、口音、质量、情绪和表达方式的控制,包括词级调控,Zyphra 报告称其在其新的 ZTTS2-Eval 基准上在开源模型中排名第一。

    推荐理由:Zyphra 的紧凑型 MoE TTS 模型将零样本语音克隆与词级表达控制相结合,同时能在手机和笔记本电脑上实时运行。

  1. Google Research72

    谷歌研究人员利用智能手表PPG和加速度计数据检测高血压迹象,无需袖带校准

    谷歌研究团队在《自然》发表了一项关于AI-PPG-ACC-HTN的研究,这是一种多模态系统,可从智能手表PPG和加速度计数据中检测高血压迹象,无需袖带校准。该系统在美国五个站点对196名参与者进行了验证,以24小时动态血压监测为参照,初始筛查的灵敏度为65.8%、特异度为90.0%,确认性检测的灵敏度为78.4%、特异度为90.9%。作者称这项工作属于早期可行性研究,不能替代临床臂式袖带,也不能作为独立诊断依据。

    推荐理由:谷歌的无袖带智能手表高血压模型以24小时动态监测为基准进行评测,展示了被动多日传感器数据聚合如何支持机会性筛查。

  1. Preferred Networks News71

    PFN发布面向边缘设备的开放权重翻译大模型PLaMo 3 Translate

    Preferred Networks于11月5日在Hugging Face上以开放权重模型形式发布了PLaMo 3 Translate,这是其PLaMo Translation服务中使用的翻译专用大语言模型。该模型提供0.8B、2B、8B和31B四种规模,支持包括日语和英语在内的53种语言,可在智能手机、笔记本电脑和内部服务器上运行,无需连接云端。

    推荐理由:PFN发布了四种规模(从0.8B到31B)的翻译专用大语言模型,使企业和个人无需云端访问即可在设备端运行53种语言的翻译。

  1. Apple Newsroom60

    Apple 发布 iPhone Duo,其首款可折叠 iPhone,配备 7.58 英寸内屏

    Apple 宣布推出 iPhone Duo,这是其首款可折叠 iPhone,拥有迄今最大的 iPhone 显示屏:7.58 英寸内屏,比 iPhone 18 Pro Max 的显示屏大 50%,另有 5.4 英寸外屏,覆盖 iPhone 18 Pro 屏幕面积的 90%。它搭载 A20 Pro 芯片,采用双电池架构,iOS 27 针对可折叠形态进行了重新设计,包括可并排显示 Siri 和 Mail 的分屏视图。由 Apple Intelligence 驱动的 Siri AI 正随 iOS 27 以英文版先行推出测试版,初期不会在欧盟提供;Apple 指出,Siri AI 及其他新的 Apple Intelligence 功能不会在中国提供。

    推荐理由:Apple 的首款可折叠 iPhone 将 7.58 英寸内屏与 5.4 英寸外屏和 A20 Pro 芯片搭配,展示了 iOS 27 和 Siri AI 如何适配可折叠形态。

已经到底了