跳至正文
  1. Hacker News · AI88

    Edge0 開源 Edge0-145B 與 Edge0-120B 端側模型及推理框架

    Edge0 開源了 Edge0-145B 與 Edge0-120B,以及其統一推理框架與部署工具,並宣稱 Edge0-145B 是首個開源的 145B 參數端側模型。該公司報告在相容筆記型電腦上峰值記憶體 29GB、預填速度 1,100+ tokens/s、解碼速度 80+ tokens/s、典型功耗約 120W,上下文長度 128K–256K。其引用內部評分:DeepSWE 1.1 為 64.6、Terminal-Bench 2.1 為 86.52、GPQA-Diamond 為 90.4、IFBench 為 80.6,並表示權重已發布於 Hugging Face,首日即支援 macOS、Windows 與 Linux。

    推薦理由:Edge0 開源了一個 145B 端側模型,報告峰值記憶體 29GB、解碼速度 80+ tokens/s,為本地推理能擴展到何種程度提供了一個具體數據點。

  1. Google Developers Blog72

    Google AI Edge Gallery 新增裝置端語音辨識與文字轉語音功能

    Google 在 Google AI Edge Gallery 中推出裝置端自動語音辨識(ASR)與文字轉語音(TTS),讓應用程式能完全離線執行多語言 ASR 與富表現力的 TTS,並可與 Gemini Nano、Gemma 4 等裝置端 SLM 並行運作。在 Android 上,ML Kit 的新語音模型能以 10 倍即時速度轉錄 100 多種語言,在 FLEURS 上的字錯誤率(WER)為 8.0% 至 9.0%;而少步擴散 TTS 約 100 毫秒即可開始發聲,並以最高 50 倍即時速度生成 24 kHz 音訊。跨平台支援透過 MediaPipe Tasks 與 LiteRT 提供,包含 Parakeet-TDT 0.6B、PocketTTS 100M、Kokoro-82M 與 Phonon 31M 等開放權重套件,並在 XR Language Teacher 展示與語音版 AI Chat 中示範。

    推薦理由:Google 為 AI Edge Gallery 加入完全離線的 ASR 與 TTS,ML Kit 回報可 10 倍即時速度轉錄 100 多種語言,擴散 TTS 約 100 毫秒即可開始發聲。

  1. Zyphra Research78

    Zyphra 發布 ZONOS3-Mini:一款可在裝置端執行的 Apache 2.0 零樣本語音複製 TTS 模型

    Zyphra 發布 ZONOS3-Mini,這是一款稀疏 MoE 文字轉語音模型,具備 1 億活躍參數與 8 億總參數,採用 Apache 2.0 授權,以 112 張 NVIDIA H100 訓練 2.5 天。它在 Pixel 9 的瀏覽器上可達到低於 570 毫秒的首次音訊延遲,在 M3 MacBook Air 上則低於 150 毫秒,並提供 WebGPU、SGLang、vLLM 與 GGML 的執行環境。該模型新增對身分、口音、品質、情緒與表達方式的控制,包括詞級引導,且 Zyphra 表示它在其新的 ZTTS2-Eval 基準測試中於開源模型裡排名第一。

    推薦理由:Zyphra 這款精巧的 MoE TTS 模型將零樣本語音複製與詞級表達控制結合,同時能在手機與筆記型電腦上即時執行。

  1. Google Research72

    Google 研究人員利用智慧手錶 PPG 與加速度計資料偵測高血壓跡象,無需壓脈帶校正

    Google Research 在《Nature》發表一項關於 AI-PPG-ACC-HTN 的研究,這是一套多模態系統,可從智慧手錶的 PPG 與加速度計資料偵測高血壓跡象,且無需壓脈帶校正。該系統在美國五個地點的 196 名參與者中,以 24 小時動態血壓監測進行驗證,初步篩檢達到 65.8% 靈敏度與 90.0% 特異度,確認性檢測則達到 78.4% 靈敏度與 90.9% 特異度。作者將這項工作描述為早期可行性研究,並非臨床手臂壓脈帶的替代品,也不是獨立診斷工具。

    推薦理由:Google 的無壓脈帶智慧手錶高血壓模型以 24 小時動態監測為基準進行評估,顯示被動式多日感測器資料彙整如何支援機會性篩檢。

  1. Preferred Networks News71

    PFN 發布 PLaMo 3 Translate 開源權重翻譯 LLM,鎖定邊緣裝置

    Preferred Networks 於 11 月 5 日在 Hugging Face 上,以開源權重模型形式發布 PLaMo 3 Translate,這是其 PLaMo Translation 服務所採用的翻譯專用 LLM。共有 0.8B、2B、8B 與 31B 四種規模,支援包含日文與英文在內的 53 種語言,可在智慧型手機、筆記型電腦與內部伺服器上執行,無需連線雲端。

    推薦理由:PFN 發布翻譯專用 LLM,提供從 0.8B 到 31B 的四種規模,讓企業與個人能在裝置端執行 53 種語言的翻譯,無需雲端存取。

  1. Apple Newsroom60

    Apple 推出 iPhone Duo,首款摺疊式 iPhone,配備 7.58 吋內螢幕

    Apple 發表 iPhone Duo,這是其首款摺疊式 iPhone,搭載歷來最大的 iPhone 螢幕:7.58 吋內螢幕,比 iPhone 18 Pro Max 的螢幕大 50%,另有 5.4 吋外螢幕,覆蓋 iPhone 18 Pro 螢幕面積的 90%。它採用 A20 Pro 晶片與雙電池架構,iOS 27 也針對摺疊形態重新設計,包括可並排顯示 Siri 與 Mail 的 Split View。由 Apple Intelligence 驅動的 Siri AI 正以 beta 版隨 iOS 27 推出,先提供英文版,初期不會在歐盟提供;Apple 指出,Siri AI 與其他新的 Apple Intelligence 功能將不會在中國提供。

    推薦理由:Apple 首款摺疊式 iPhone 結合 7.58 吋內螢幕、5.4 吋外螢幕與 A20 Pro 晶片,展示 iOS 27 與 Siri AI 如何配合摺疊形態作出調整。

已經到底了