跳到正文
今天10月25日周日2 条
  1. TechCrunch · AI67

    Block 发布语音模型 Dessa,可本地运行并带笑声与停顿

    Block 研究实验室发布语音模型 Dessa,完全基于人类语音训练,可在单张 NVIDIA GPU 上运行,并支持全双工对话,即边听边说。该模型能表现笑声、停顿和哭腔等情绪,官方称可在 MacBook M4 Max 或更高配置的消费级电脑上本地运行。目前 Dessa 尚未公开开放,Block 正在招募安全研究人员进行测试。

10月24日周六
  1. The Decoder58

    Block 发布纯语音训练的 AI 模型 Dessa,可实时识别情绪与讽刺

    Block 发布语音模型 Dessa,称其是首个完全用人类语音、不含任何文本数据从零训练的 AI 模型,直接以音频处理语音,可实时捕捉情绪、讽刺、笑声和停顿,并支持全双工同时听说。该模型可在 MacBook Pro M4 Max 上本地运行,训练使用单台 NVIDIA GB200 NVL72。Dessa 尚未公开,团队正招募 AI 安全研究者测试其意外风险,感兴趣者可通过表单报名。

10月22日周四
  1. TechCrunch · AI38

    Nirva 融资 3300 万美元,打造只监听佩戴者的 AI 吊坠

    Nirva 完成 2500 万美元 pre-Series A 轮融资,加上年初的 800 万美元,累计融资达 3300 万美元。其首款设备是重约 8 克、续航最长 3 天的吊坠,也可作手链佩戴,通过用户录入的语音样本建模,只记录佩戴者本人的说话并过滤周围他人声音,默认处理后不保留音频和转录。该设备售价 249 美元,11 月开始接受订单,目标年底前向早期用户发货。

10月21日周三
10月20日周二
10月18日周日
  1. NVIDIA Blog58

    NVIDIA RTX Spark 笔记本上市,起售价 2399 美元

    NVIDIA RTX Spark 笔记本已上市,搭载 Blackwell RTX GPU 与 Grace CPU,最高 128GB 统一内存和 1 petaflop AI 算力,起售价 2399 美元。华硕、戴尔、惠普、联想、微软和微星首批推出相关机型,NVIDIA 在柏林、北京、伊斯坦布尔、首尔、旧金山和台北等地举办上市活动,黄仁勋在柏林现场现身。

10月16日周五
  1. Hugging Face Blog69

    IBM 发布 Granite Switch 4.1:单端点实现对话、决策与语音

    IBM 发布 Granite Switch 4.1,包含 Granite-Switch-4.1-8B 和 -30B,通过 Decision aLoRA、Guardian aLoRA 与 Granite-Speech-5.0-Turbo-CTC 在单一托管端点完成对话、决策与语音转写。

    推荐理由:Granite Switch 4.1 把决策适配器与 ASR 模型组合进单一端点,读者可据此了解多能力复用同一基座的部署思路。

  2. The Decoder78

    Black Forest Labs 发布开源图像模型 FLUX 3 Image Klein,8GB 显存可跑

    Black Forest Labs 发布 FLUX 3 Image Klein,这是一个 5.6B 参数的开源权重模型,支持文生图、图像编辑以及最多十张参考图的生成,原生支持 4K 输出、像素级精确编辑和用于元素定位的 bounding box。

    推荐理由:5.6B 参数开源图像模型在 8GB 显存消费级显卡上跑出 9 秒内出图,可对照其与闭源模型的 Elo 差距。

  3. NVIDIA Blog62

    NVIDIA 发布 RTX Spark,面向创作者、玩家与 AI 智能体的 Windows PC

    NVIDIA 发布 RTX Spark,定位为一款面向创作者、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,读者可据此了解这款 Windows PC 平台的首发安排。

10月15日周四
  1. NVIDIA Blog78

    NVIDIA 发布 Nemotron 3.5 Super VL 与 Bolt 系列开源模型

    NVIDIA 发布 Nemotron 3.5 Super VL,这是一个 120B 参数的开源模型,面向持续在线的专用智能体,官方称其吞吐量最高可达同类模型的 5 倍。

    推荐理由:原文给出三款开源模型的参数规模、部署层级与多家机构的微调案例,可据此判断开源智能体模型从数据中心到端侧的覆盖方式。

  2. The Verge · AI62

    Anthropic 警告自复制 AI 蠕虫风险,实验显示小模型可跨设备传播

    Anthropic 本周发布博客,警告小型 AI 模型可能“数月后”具备自复制能力。其研究把 260 亿参数的 Google Gemma 4 拆分运行在 15 台 Android 智能电视盒子上,并在模拟 Android 网络中测试 AI 蠕虫传播,只有中国智谱的 GLM-5.2 成功扩散到整个网络,被传播的模型是 Meta 的 Llama 3.1-8B。

10月14日周三
  1. Google DeepMind62

    Google DeepMind 与新加坡政府合作构建反诈检测微调模型

    Google DeepMind 与新加坡政府科技局(GovTech)合作,基于轻量级 Gemma 模型微调出端侧反诈检测模型,可在新加坡常见智能手机上运行。该模型在设备本地处理对话数据,通过两阶段流水线先由轻量分类器筛查消息,再用微调 Gemma 分析对话上下文确认威胁,检测到操纵性对话模式时实时提醒用户。

    推荐理由:Google DeepMind 与新加坡政府合作的端侧反诈模型,展示了隐私保护与本地威胁检测如何兼顾。

  2. The Verge · AI22

    没有摄像头的 Ray-Ban Meta Audio 智能眼镜评测:不拍人,反而更自在

    Ray-Ban Meta Audio 是 Meta 推出的纯音频智能眼镜,售价 $349,去掉摄像头后外观接近普通眼镜,佩戴时不易被察觉。它搭载 Muse Spark 模型,可处理日程查询、提醒设置和步行导航等简单任务,但复杂请求容易出错;Muse AI 将在今年晚些时候上线。评测认为其音质尚可、续航和重量表现良好,但价格偏高,AI 仍不是购买这类眼镜的决定性理由。

  3. Hugging Face Blog71

    Liquid AI 发布 LFM2.5-24B-A2B 端侧推理智能体模型

    Liquid AI 发布 LFM2.5-24B-A2B,一个 24B 参数、每 token 仅 2B 激活参数的推理模型,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:LFM2.5-24B-A2B 以 2B 激活参数对标更大 MoE,并给出端侧与 GPU 推理速度数据,可据此判断本地智能体的可行性。

10月13日周二
10月12日周一
10月11日周日
  1. The Verge · AI27

    在 Mac Studio 上跑本地 AI:从 Hermes Agent 到 Qwen 3.8 的实测体验

    一位非 AI 专家在 256GB 统一内存的 M5 Ultra Mac Studio 上安装开源 Hermes Agent,选用 1250 亿参数、约 105GB 的 Qwen 3.8 Flash Next 本地模型,并通过 Telegram bot 远程控制。他用它生成每日晨间简报、按类型整理 400 多款 Steam 游戏、分析财务记录和制作笔记本规格对比表,认为本地运行是处理敏感数据的关键。

10月9日周五
10月8日周四