面壁 MiniCPM-V 4.7 登上 Hugging Face 热门榜第 3
面壁智能 OpenBMB 宣布 MiniCPM-V 4.7 登上 Hugging Face 热门榜第 3。该 35B-A3B MoE 模型可在 iOS 和 Android 上以约 3GB 内存流畅运行，1B 模型在 OCR、数学和视频理解方面表现较强。GitHub 与 Hugging Face 链接已开放。
#端侧
RadarAIAI 评分6060 Hacker News同新闻AI 评分7878 Black Forest Labs 发布 FLUX 3 Image Klein 开源权重模型
Black Forest Labs 发布 FLUX 3 Image Klein，一个 5.6B 参数的开源权重模型，支持文生图、图像编辑和多参考图生成，最多可用 10 张参考图，具备原生 4K 生成、像素级编辑和边界框控制能力。
同一新闻，精选展示《Black Forest Labs 发布 FLUX 3 Image Klein：5.6B 开源权重模型》
RadarAIAI 评分7171 PrismML 发布 Ternary Bonsai 2 系列模型，iPhone 18 Pro Max 上 2B 模型本地吞吐最高每秒 120 个词元
PrismML 于 10 月 15 日发布 Ternary Bonsai 2 系列模型，含 2B、4B、9B 三种规模，基于 Qwen 3.5 基座，采用 -1、0、+1 三元权重表示，存储占用分别约 0.43GB、0.95GB 和 2GB，目标是在手机、PC 和可穿戴设备上本地运行 AI 智能体。
RadarAIAI 评分5050 小米开源空间音频理解大模型 MiDashengLM-Spatial
小米开源空间音频理解大模型 MiDashengLM-Spatial，完整公开模型权重和推理代码，采用 Apache 2.0 许可证。该模型以 MiDashengLM-7B 为基座，在保留基础音频理解能力的同时增加空间感知与推理能力，小米称其为业界首个开源的端到端空间音频理解大模型，将陆续应用于智能家居和汽车座舱场景。
RadarAI同新闻AI 评分8080 Meta 发布 8160 亿参数开源模型 Muse Spark Open，与苹果合作在两台 512GB Mac Studio 上本地运行
Meta 发布公开权重模型 Muse Spark Open，总参数量 8160 亿、活跃参数 420 亿、上下文窗口 100 万 token，面向编程、Agent、多步推理与软件工程场景。
RadarAI同新闻AI 评分8282 Meta 发布 816B 开源权重模型 Muse Spark Open，Artificial Analysis 智能指数得 39 分
Meta 发布开放权重模型 Muse Spark Open，总参数 816B、激活 42B（MoE），在 Artificial Analysis Intelligence Index 上得分 39，成为美国排名第一的开放权重模型。
RadarAIAI 评分7171 Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open，适配 Apple MLX
Meta 在 Hugging Face 开源 816B 参数模型 Muse Spark Open，面向编码和智能体任务，Apple 为其 MLX 框架做了适配。
TechCrunch · AIAI 评分7171 Meta 发布可在 Mac 本地运行的开源权重模型 Muse Spark Open
Meta 发布开源权重模型 Muse Spark Open，称其是美国最强开源权重模型，拥有 8160 亿参数和 100 万 token 上下文窗口，原生多模态，面向复杂编码任务和智能体工作。
RadarAIAI 评分6262 Meta 将推出开放权重模型 Muse Spark Open
Meta 即将发布 Muse Spark Open，这是 Muse Spark 1.2 的开放权重版本。据预告，它将是美国最强的开放模型，用户将能在新款 Mac Studio 设备上本地运行。
RadarAI同新闻AI 评分7878 Meta 发布开源模型 Muse Spark Open，Unsloth 提供 2-bit GGUF 量化版
Meta 发布新的 SOTA 开源模型 Muse-Spark-Open-816B-A42B，支持文本、图像、视频和音频输入，上下文窗口达 1M，权重今日开放。Unsloth 提供 Dynamic 2-bit GGUF 量化版，可在 256GB RAM/VRAM 配置上于 Mac Studio 运行，1-bit 至 8-bit 对应 180-870GB 内存需求。
RadarAI同新闻AI 评分7979 Meta 发布开放权重模型 Muse Spark Open，与 Apple 合作支持 Mac Studio 本地运行
Meta 发布 Muse Spark Open 开放权重模型，称其为迄今能力最强的美国开放权重模型，权重今日放出。该模型为原生多模态模型，总参数量 8160 亿，Meta 称其擅长长时程任务、复杂软件工程和多步推理。
The Verge · AIAI 评分7171 Meta 与 Apple 合作，让 Muse Spark Open 模型在 Mac 上更好运行
Meta 发布 Muse Spark Open 模型，称其是迄今能力最强的美国开源权重模型，也是同类中首个能在桌面端运行、需两台搭载最新 MLX 框架的 Apple M5 Ultra Mac Studio 的模型。
The Decoder同新闻AI 评分7878 Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein，8 GB 显存即可运行
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生成，支持原生 4K 输出、像素级编辑和用于元素定位的边界框。
同一新闻，精选展示《Black Forest Labs 发布 FLUX 3 Image Klein：5.6B 开源权重模型》
RadarAIAI 评分7171 Nvidia 发布 Nemotron 3.5 Super VL 与 Bolt 74B-A9B，登顶美国开源权重模型
Artificial Analysis 评测显示，Nvidia 的 Nemotron 3.5 Super VL 在 Artificial Analysis Intelligence Index 得分 26，成为领先的美国开源权重模型，智能是上代 Nemotron 3 Super（13）的两倍，且每任务输出 token 减少约 60%。
RadarAIAI 评分7676 Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL，并推出两款 Bolt 端侧模型
Nvidia 发布开源多模态模型 Nemotron 3.5 Super VL，总参数 120B、每 token 激活 12B，采用混合专家架构，面向需在后台持续处理文本、图像、文档和视频的企业级智能体。
The DecoderAI 评分7171 Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型，并推出两款本地 Bolt 模型
Nvidia 发布 Nemotron 3.5 Super VL，这是一个 1200 亿参数的开源多模态模型，面向持续在后台运行的企业智能体，处理文本、图像、文档和视频。
NVIDIA Newsroom精选AI 评分7474 NVIDIA 扩展 Nemotron 家族，发布 Nemotron 3.5 Super VL 与 Bolt 系列模型
NVIDIA 发布开放模型 Nemotron 3.5 Super VL，1200 亿参数，主打多模态智能体任务，官方称其吞吐量最高可达同类模型的 5 倍，精度接近 NVIDIA 最大推理模型而参数量约为其五分之一。
推荐理由：NVIDIA 一次放出三款覆盖数据中心到端侧的开放权重模型，并列出各行业后训练案例，可据此判断开放模型在企业智能体部署中的位置。
RadarAIAI 评分4242 MiniCPM-V 4.7 推测解码达 370 tok/s
OpenBMB 的 MiniCPM-V 4.7（35B A3B）搭配 DSPARK Drafter 实现 370 tok/s 的推测解码速度，10 秒内生成 3,589 tokens，持续吞吐 370.0 tok/s、峰值突发 351.8 tok/s，TTFT 平均 0.30s。OpenBMB 称这是社区对推测解码极限的又一次突破。
RadarAIAI 评分7474 面壁智能 MiniCPM-V 4.7 开源上线 ModelScope，35B-A3B MoE 多模态模型可在 iPhone 上以 13+ tokens/s 端侧推理
面壁智能 MiniCPM-V 4.7 已在 ModelScope 开源，为 35B-A3B 的 MoE 多模态模型，采用 Apache 2.0 协议。官方称其可在 iPhone 17 Pro Max 上以 13+ tokens/s 运行端侧无损推理，Instruct 模式下整体得分高于 Qwen3.6 35B-A3B 且推理时间更短。
RadarAIAI 评分7171 昆仑万维发布视频大模型游戏 Matrix-Game 4.0 并同步开源
昆仑万维发布视频大模型游戏 Matrix-Game 4.0，可在单张 NVIDIA RTX 5090 上实时运行，提供 480p、60 FPS 体验，按键到画面反应延迟低于 150 毫秒。
RadarAIAI 评分6666 Liquid AI 发布 LFM2.5-24B-A2B：面向端侧 Agent 的 2B 激活 MoE 推理模型
Liquid AI 发布开源权重推理模型 LFM2.5-24B-A2B，总参数 24B、每 token 激活约 2.45B，上下文 131,072 tokens，专为笔记本和迷你 PC 上的多步工具调用 Agent 设计，在 Apple M5 Max 上通过 llama.cpp Q4_K_M 达到 184 tok/s。
量子位精选AI 评分7878 面壁开源 MiniCPM-V 4.7：35B-A3B 手机断网可跑，仅占 3G 内存
面壁智能与 OpenBMB 开源 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个版本，其中 35B-A3B 是 MiniCPM-V 系列首个 MoE 模型，约 3G 内存即可在 iOS、安卓设备上运行。
推荐理由：面壁开源 MiniCPM-V 4.7，给出 35B-A3B 在手机端 3G 内存运行的具体实测与压缩数据，可据此判断端侧多模态的落地边界。
RadarAIAI 评分7171 OpenBMB 发布 MiniCPM-V 4.7，35B-A3B MoE 多模态模型在手机上仅占 3GB 内存
OpenBMB 发布 MiniCPM-V 4.7，为 35B-A3B 开源 MoE 多模态模型，在 iPhone 17 Pro Max 上仅占 3GB 内存，解码速度 13+ tokens/s，模型已在 Hugging Face 和 GitHub 开放。
RadarAIAI 评分2222 本地大模型榜单解读：NVIDIA RTX 4090 的性价比之选
NVIDIA 本地大模型基准测试显示，RTX 4090 在 4-bit 量化下可达每秒约 47.4 token，成为应对专业级 RTX 6000 高昂成本的高性价比替代方案。该推文基于一张 NVIDIA 本地大模型性能图，指出其每秒 45-50 token 的表现。
RadarAIAI 评分6262 Liquid AI 发布开源权重模型 LFM2.5-24B-A2B
Liquid AI 发布 LFM2.5 系列最大成员 LFM2.5-24B-A2B，总参数 24B、每 token 激活 2B，上下文扩展至 131K tokens，为推理模型。
RadarAIAI 评分7171 Liquid AI 发布 LFM2.5-24B-A2B：面向端侧智能体的 24B MoE 推理模型
Liquid AI 发布开源权重推理模型 LFM2.5-24B-A2B，总参数 24B、每 token 仅 2B 激活，专为在设备上运行智能体设计，上下文窗口从 32K 扩至 131K，词表从 65K 扩至 128K。
RadarAIAI 评分6262 Liquid AI 发布 LFM2.5-24B-A2B，已在 OpenRouter 上线
Liquid AI 发布 LFM2.5 系列最大成员 LFM2.5-24B-A2B，并已在 OpenRouter 上线。该模型为 24B 总参数、每 token 2B 激活的 MoE 推理模型，上下文扩展至 131K tokens，词表 128K，使用 33T 预训练 tokens，面向笔记本和 PC 本地运行 Agent 与工具调用多步任务。
RadarAIAI 评分7171 面壁开源 MiniCPM-V 4.7：苹果手机 3GB 内存跑 35B-A3B MoE
面壁智能（OpenBMB）发布并开源 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两种规格，其中 35B-A3B 被称为首个端侧 MoE 多模态模型。该系列模型刷新了性能与效率的帕累托前沿，通过 LES 调度等技术，35B 参数模型在 iPhone 上仅需 3GB 内存即可流畅运行。
RadarAIAI 评分7171 面壁智能发布 MiniCPM-V 4.7：35B-A3B MoE 多模态模型 3GB 内存即可在手机上运行
面壁智能（OpenBMB）发布 MiniCPM-V 4.7，这是一个 35B-A3B MoE 多模态模型，在手机上仅需 3GB 内存即可运行，可识读现实场景标识、按约束规划、解析复杂文档并对视觉数据进行推理。
RadarAIAI 评分6262 面壁智能 MiniCPM V4.7 发布：35B-A3B 端侧 MoE 与 1B 轻量 VLM
面壁智能 OpenBMB 转发社区分享，介绍 MiniCPM V4.7 的两个版本。35B-A3B 端侧 MoE 版在 iPhone 17 Pro Max 上以约 3GB 内存达到 13+ tok/s，综合得分和推理时间优于 Qwen3.6 35B-A3B；1B 轻量 VLM 在性能和效率上均优于 Qwen3.5 0.8B。
RadarAIAI 评分6262 面壁智能发布端侧多模态大模型 MiniCPM-V 4.7，3GB 内存可跑 13+ token/s
面壁智能 10 月 13 日推出端侧多模态大模型 MiniCPM-V 4.7，提供 35B-A3B 和 1B 两种规格，其中 35B-A3B 是该系列首个 MoE 模型。
RadarAIAI 评分7171 面壁智能开源 MiniCPM-V 4.7，35B-A3B MoE 模型 3GB 内存端侧运行
面壁智能联合 OpenBMB 社区于 10 月 13 日发布并开源 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个版本。官方称其为全球首个可在端侧无损流畅运行的开源 MoE 多模态大模型，350 亿参数版本可在手机平板 3GB 内存下运行。原文还介绍了 LES 专家调度、权重布局优化和视觉 token 压缩等技术细节。
RadarAIAI 评分6262 面壁开源 MiniCPM-V 4.7，35B-A3B 架构可在手机端运行
面壁开源发布 MiniCPM-V 4.7，采用 35B-A3B 架构，通过量化压缩和 LES（Lookahead Expert Scheduling）调度，在 iPad Pro M4 和 iPhone 17 Pro Max 上实现流畅推理速度。该方案被描述为显著改变端侧多模态模型的部署经济学。
Hacker NewsAI 评分5858 Precision Numerics 发布 1-bit 模型 Boole-1.7B，权重仅 247 MB
Precision Numerics 发布 Boole-1.7B，一个从 Qwen3-1.7B 蒸馏而来的 1-bit 语言模型，存储权重 247 MB，十项基准平均分 50.55，BF16 基线为 58.83，相当于基线的 85.9%，权重体积缩小 13.9 倍。
RadarAIAI 评分3838 GLM 5.3 EXL3 实现约 95 tok/s 的本地解码速度
完整版 GLM 5.3 在 EXL3 量化下借助 TensorFold，于本地多 GPU 工作站硬件上实现约 95 tok/s 的解码吞吐量。Ash Hart 指出，这是一项解码性能里程碑。
GitHubAI 评分2222 GhostLM：从零用 PyTorch 手写的开源通用语言模型
GhostLM 是一个完全从零用 PyTorch 手写、无预训练权重和封装的开源通用语言模型，以网络安全为最深专长，同时覆盖通用知识、代码与数学推理。其 v1.0 预训练语料含 768,741 条训练、40,429 条验证记录（约 422M tokens），代码占比 11.6%，安全类文本约占 65%，训练目标为约 360M 参数的 ghost-base。
Hacker NewsAI 评分6262 Vega 发布：冻结 Qwen3.5-0.8B 加 55MB 决策引擎，让粒子滚落山谷给出答案
Vega 是一个决策模型，输入文本和答案类型固定的问题，返回标签、评分或陈述为真的概率，每个答案附带校准概率、可承诺答案集和拒答标记。它用冻结的 Qwen3.5-0.8B 读取一次提示词，池化出五个向量，在 64 维空间中给每个候选答案挖一个山谷，让粒子在梯度、动量和摩擦力下滚动十二步，落点即答案，落点方式决定温度，因此概率有实际含义。
RadarAIAI 评分4040 Underdog AI 发布 Saluki 27B：2-bit 量化 Qwen3.8-27B，仅 7.89GB
Underdog AI 发布 Saluki 27B，这是 Qwen3.8-27B 的 2-bit 量化调优版本，文件大小仅 7.89GB。该模型仅保留文字输入输出能力。
RadarAIAI 评分6262 腾讯开源多语言翻译模型 Hy-MT2，支持 1.25-bit 量化与指令遵循
腾讯发布开源多语言翻译模型 Hy-MT2，提供 1.8B、7B、30B 三种规格，支持 33 种语言，由 Gemma 4 微调而来。其中 1.8B 版本经 AngelSlim 量化后仅 440MB，适合端侧部署，并支持术语一致、风格指定等可控翻译指令。摘要称其翻译性能优于微软和豆包 API。
RadarAIAI 评分6262 Liquid AI 开源 d1 系列决策模型，d1-3B 单次判断仅 8 毫秒并支持图像输入
Liquid AI 于 10 月 7 日发布博文，推出 d1-3B 和 d1-omni-600M 两款开放权重决策模型，已在 Hugging Face 公开，可下载、微调并部署。