Meta 发布 Muse Spark Open 开放权重模型，可在 Mac 本地运行
Meta 发布 Muse Spark Open 开放权重模型，采用 816 billion parameters 和 1 million token context window，并支持在 Apple 计算机本地运行。
推荐理由：给出了模型规模、上下文长度和本地运行门槛，便于比较其编码与智能体工作流的适用性及部署条件。
#端侧
TechCrunch · AI精选AI 评分7777
The Decoder精选AI 评分7979 Nvidia 发布 Nemotron 3.5 Super VL 开放多模态模型
Nvidia 发布 120B 参数的开放多模态模型 Nemotron 3.5 Super VL，面向持续运行的企业智能体，每个 token 仅激活约 12B 参数。
推荐理由：文章梳理了模型架构、压缩部署、性能对比和开放范围，为评估其企业智能体适用性提供完整信息。
Hugging Face Blog精选AI 评分7878 Liquid AI 发布 LFM2.5-24B-A2B 端侧推理模型
Liquid AI 发布 LFM2.5-24B-A2B，这是一款总参数量为 24B、每个 token 仅激活 2B 参数的推理模型，面向端侧智能体的工具调用和多步任务。
推荐理由：原文同时给出模型架构、训练规模、端侧推理速度与多类评测结果，适合比较本地智能体的效果和部署成本。
Latent Space精选AI 评分8080 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，覆盖编码、智能体及金融和法律等专业任务。
推荐理由：汇总了模型规格、定价、开放渠道和多组独立评测，便于比较其编码与智能体能力及实际使用限制。
Google DeepMind精选AI 评分7777 Google DeepMind 发布开源轻量级多模态嵌入模型 EmbeddingGemma 2
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频统一映射到共享嵌入空间，面向端侧推理。该模型基于 Gemma 4 架构，拥有 740 million parameters，采用 Apache 2.0 许可，支持文本、视觉和音频模块化配置。
推荐理由：模型把文本、代码、图像、视频和音频统一到端侧嵌入空间，开发者可据此评估离线搜索与 RAG 的实现成本和能力边界。
已经到底了