跑在手机、电脑与边缘设备上的 AI：小模型、本地推理与端侧芯片的进展。
Google DeepMind 发布手语转文本模型 SL2T，以超过 10 万小时、50 多种手语的数据训练，实现手语到文本的机器翻译。该模型首先在 Pixel 11 的 Gboard 与 Live Transcribe 中上线，支持美国手语（ASL）转英文，可用来搜索、写消息或向 Gemini 提问，更多设备和语言将后续支持。
推荐理由：官方披露 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 首次落地消费产品的工程取舍。
Meta 发布开源多模态模型 Muse Glimmer，从 Muse 蒸馏至 30B 参数，采用 Apache 2.0 许可，面向编码、文档分析、个人助理等本地智能体场景。
推荐理由：Meta 开源 30B 多模态模型，附 day-0 推理与量化支持，可用于评估本地智能体模型的落地方案。
Mistral AI 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，以 Apache 2.0 许可发布，可在单张 16GB NVIDIA GPU 上运行。该模型把内容审核转化为策略自适应问答任务，推理时直接接受自然语言策略，无需重新训练即可统一文本与图像安全评估，官方称其在文本安全和多模态审核基准上匹配或超过至多 7 倍规模的开放护栏模型，并给出可阈值化的连续安全评分。
推荐理由：3B 分类器以推理时自然语言策略替代固定危害分类，读者可据此判断轻量护栏模型的部署方式变化。
Google Research 提出 SensorFM，一个直接从人群规模无标注可穿戴数据中学习的大型传感器基础模型，在超过一万亿分钟多模态传感器信号上预训练，数据来自五百万名知情同意的参与者。
推荐理由：SensorFM 用一万亿分钟无标注穿戴数据预训练，读者可了解单个生理表征如何跨多类健康任务迁移。
Mistral AI 发布 Robostral Navigate，这是其首个面向具身导航的 8B 模型，仅凭单张 RGB 图像和自然语言指令即可让机器人自主导航，无需 LiDAR 或深度传感器。
推荐理由：原文给出单 RGB 相机实现具身导航的基准数据和训练方法，读者可了解紧凑模型如何完成复杂导航任务。
Google Research 发布一种将多 Token 预测（MTP）改造到已冻结的 Gemini Nano v3 上的新架构，已在 Pixel 9 和 10 系列上线。
推荐理由：读者可以看到冻结主干加 MTP 头的架构取舍，以及它在 Pixel 端侧推理上的速度与内存收益。
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的无编码器多模态模型，视觉与音频输入直接进入 LLM 主干。该模型在标准基准上接近 26B MoE 模型的表现，同时总内存占用不到其一半，并首次在中等规模 Gemma 中支持原生音频输入。
推荐理由：原文给出无编码器架构的视觉与音频直连设计和 16GB 显存本地运行门槛，可据此判断端侧多模态智能体的落地条件。
Google Research 在 Nature 发表论文，提出研究系统 PHRM，利用手机前置摄像头在面部解锁后的数秒内拍摄视频，在后台估计心率与每日静息心率。
推荐理由：Google 用手机前摄在日常解锁后被动测心率，读者可据此判断摄像头健康监测的可行性与肤色公平性进展。
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本表现、多模态理解，上下文窗口扩展至 128k tokens，推理速度 150 tokens 每秒，以 Apache 2.0 许可证开源。
推荐理由：Mistral Small 3.1 以 128k 上下文和 Apache 2.0 开源发布，读者可据此判断小模型在端侧多模态任务上的可用边界。