将推理迁移到云端提升物理 AI 机器人性能
Microsoft Research 在其 Physical AI Toolchain 中新增了将机器人推理迁移到云端的功能，能够显著提升任务成功率、延长续航并支持更大模型。
推薦理由：文章展示了将机器人推理迁移到云端可显著提升任务成功率和续航，帮助读者评估分布式推理方案对工业机器人的影响。
端侧 AI
全部主題跑在手机、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。
最新精選
第 1–6 條 · 共 6 條Microsoft Research精選AI 評分6969
Google Research精選AI 評分6565 Google Research：利用冻结的多Token预测技术在 Pixel 设备上加速 Gemini Nano 模型
Google Research 宣布推出一项新架构，将多Token预测（MTP）技术应用到已部署且权重被冻结的 Gemini Nano v3 模型上。该方法采用零拷贝架构直接利用主模型的键值缓存，在 Pixel 9 和 10 系列设备上实现了 50% 或更高的推理速度提升，并减少了能耗。
推薦理由：谷歌研究团队通过在已冻结的 Gemini Nano 模型上应用多Token预测架构，在不增加内存冗余的前提下显著提升了端侧设备的推理速度与能效。
Google Research精選AI 評分6969 Google Research 在 I/O 2026 上开启新发现时代
Google Research 在 I/O 2026 上公布了多款 AI 工具与模型，涵盖科研加速、健康应用、边缘计算与气候预测等领域。
推薦理由：Google Research 在 I/O 2026 上公布多款 AI 工具与模型，展示了从科研到产品的快速落地与实际影响，凸显代理式编码与多模态推理在科学与日常应用中的变革潜力，并为全球科研社区提供了可扩展的实验平台。
Mistral AI精選AI 評分7474 推出 Search Toolkit 搜索工具包
Mistral AI 公布 Search Toolkit，开源框架整合搜索、检索与评估，支持多源索引、实时数据拉取，兼容 BM25、向量检索及混合模式，内置 recall、precision、MRR、NDCG 等指标，适用于 RAG 与智能体场景，可在云端、本地或边缘部署。
推薦理由：Search Toolkit 将搜索、检索和评估整合到单一框架，帮助企业减少工程时间并提升检索质量；其可在云端、边缘或本地部署，支持多源索引与实时数据拉取，适用于 RAG 与智能体场景。
Google DeepMind精選AI 評分6969 Gemma 4 发布：最强开源模型
Google DeepMind 推出了 Gemma 4，四种尺寸（E2B、E4B、26B MoE、31B Dense）支持多模态、长上下文（128K–256K）和 140+ 语言，具备高级推理、函数调用和代码生成能力，并以 Apache 2.0 许可免费开放，适用于从移动端到云端的多场景部署。
推薦理由：Gemma 4 以高效参数利用率和多模态能力，成为最强开源模型之一，支持从移动端到云端的多场景部署，并提供 128K–256K 上下文窗口和 140+ 语言支持，兼具函数调用和结构化 JSON 输出，满足多行业需求。
Mistral AI精選AI 評分6565 Mistral AI 发布 Mistral Small 3.1 模型
Mistral AI 宣布推出 Mistral Small 3.1，这是一款在其体量级别表现出色的开源模型。该模型带来改进的文本性能、多模态理解以及高达 128k tokens 的上下文窗口，并以 Apache 2.0 许可证开源。
推薦理由：原文给出了开源模型的新版本性能与多维度升级，读者可以据此评估其在端侧和多模态任务中的应用潜力。