NVIDIA 讲解如何在 Jetson 上部署和优化推理模型

NVIDIA 发布教程，讲解在 Jetson 上部署新一代开放推理模型的方法，以 Nemotron 3.5 Lightning 和 Qwen3.8-27B 为例。

OpenBMB@OpenBMBAI 评分1818

OpenBMB 介绍由社区开发者 @yangzhizheng1 构建的 MiniCPM Agent Gateway，一个 quality-first、local-first 的 Agent 路由系统，基于 NVIDIA-NeMo/Switchyard 构建。作者称其主打高速与隐私优先，能够精确处理复杂的多模态任务。

小红书与 vivo 联合打通 3D 图片全链路技术实践

小红书与 vivo 联合打通从 vivo 相册生成 3D 图到小红书发布、分发与消费的完整 3D 内容链路，并共同设计面向移动社交场景的新型 3D 格式。

京东JoyInside上榜2026年《财富》中国最佳设计榜，构建AI Home生态

9月3日，京东旗下附身智能品牌JoyInside上榜2026年《财富》中国最佳设计榜。JoyInside实现从被动响应到主动服务的升级，通过自然对话或模糊指令操控全屋设备，已与近200家品牌达成技术合作，覆盖智能家居、厨房家电、健康医疗、智能玩具等品类；今年618期间搭载JoyInside的AI家电家居新品开门红52小时成交额环比增长200%。

开发者基于 MiniCPM-o 4.5 打造本地全模态桌面 Agent AI Jarvis 并开源

林亦团队在 NVIDIA 与抖音平台联合创作合作中，基于 MiniCPM-o 4.5 的低延迟全双工能力打造了本地全模态桌面 Agent AI Jarvis，并开源在 https://github.com/LYiHub/pub-local-jarvis。

Perplexity@perplexity_aiAI 评分6060

Perplexity 宣布开源 Lily，这是其为 Perplexity Computer 的混合计算构建的本地推理引擎。Lily 专为 Apple silicon 上的 Qwen3.6-35B-A3B 优化，使设备端算力不会成为 Computer 任务的瓶颈。详情见 https://www.perplexity.ai/hub/blog/optimizing-on-device-inference-for-apple-silicon

MiniMax (official)@MiniMax_AIAI 评分5858

FastVideo 发布的 FastH3 现已支持 NVIDIA DGX Spark，并通过 MLX 支持 Apple Silicon，较 MiniMax H3 基础版本地生成提速 8x。文中展示了一段 15 秒 1344×768 的视频，由两台 NVIDIA DGX Spark 完全本地生成。

Hao AI Lab@haoailabAI 评分5555

FastVideo 宣布 FastH3 现已支持 NVIDIA DGX Spark 和 Apple Silicon（通过 MLX），相比基线 MiniMax H3 实现本地生成 8x 加速。演示中的 15 秒 1344×768 视频片段由两台 NVIDIA DGX Spark 完全本地生成。

Unsloth AI@UnslothAI精选AI 评分6666

Unsloth 通过 MTP（Multi-Token Prediction）让 Qwen3.8-Flash-Next 本地推理提速约 1.3 至 1.7 倍且精度不变，GGUF 在单张 RTX PRO 6000 上可达 170 tokens/s（基线 100 tokens/s）。

千问AI眼镜正式接入Qoder，支持从想法到代码实现

千问APP官方宣布Qoder正式接入千问AI眼镜，覆盖从一句想法到需求梳理、代码实现与项目推进的场景，主打灵感出现时随时开始创造。原文仅提供宣传性口号，未给出具体功能细节。

Perplexity@perplexity_aiAI 评分5656

Perplexity 宣布 Perplexity Computer 推出混合计算功能：Computer 可先在云端启动任务，再切换到 Mac 上运行的本地模型，适合涉及私密文件或敏感数据的步骤。该功能即日起在 Perplexity Mac 应用中可用。

Google DeepMind 发布 SL2T 手语转文本模型，落地 Gboard 与 Live Transcribe

Google DeepMind 发布多语言手语转文本模型 SL2T，在 Gboard 和 Live Transcribe 中为 Pixel 11 提供手语听写功能，首发支持美国手语（ASL）转英文。

从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon

Berkeley AI Research 与 IBM Research 将进化式内核搜索框架 K-Search 扩展到 MLX 后端，通过结构化的 CUDA 到 MLX 翻译层，把已有 CUDA 内核作为知识库迁移到 Apple Silicon。

Google DeepMind 发布 Gemma 4 12B：统一无编码器多模态模型

Google DeepMind 发布 Gemma 4 12B，一款面向笔记本本地运行的多模态模型，采用无编码器统一架构，视觉和音频输入直接进入 LLM 主干。该模型在标准基准上性能接近 26B MoE 模型，内存占用不到其一半，可在 16GB 显存或统一内存的设备上运行，并首次在中型模型中支持原生音频输入。