千机 API Liquid AI 发布两款开放权重决策模型 d1-3B 和 d1-omni-600M，分别支持文本与图像输入，以及文本与图像或文本与音频输入。d1-3B 在 Decision Index 0.2.1 得分为 48.57；在七项公开数据集上的平均得分为 82.9，d1-omni-600M 为 78.4。
文章将模型规模、Decision Index 成绩与不同设备上的响应时间并列呈现，便于比较两款模型在决策质量、运行速度和部署场景上的取舍。
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，面向端侧推理。模型有 740M 参数，采用 Apache 2.0 许可，并支持将输出向量从 768 维截断至 512、256 或 128 维。
EmbeddingGemma 2 将文本、代码、图像、视频和音频映射到统一嵌入空间，并提供参数规模、内存占用与向量压缩信息，便于评估端侧多模态检索的部署取舍。
Google DeepMind 发布 Gemini Robotics 2 系列，包含可将视觉和语言转为动作的全身控制模型、具身推理模型及端侧模型，支持灵巧操作、多步骤任务和多机器人协作。具身推理模型当时已在 Google AI Studio 开放，并于 Gemini Enterprise Agent Platform 私测；VLA 及端侧模型仅向早期合作伙伴提供，官方称机器人运动速度仍有提升空间。
智谱发布 AutoGLM-Phone，可通过自然语言自动完成手机 App 操作，端到端处理界面识别、意图规划与设备执行。来源称其已适配 50 余种主流中文应用场景，并支持启动、输入、滑动、点击、回退和长按等操作。
Google 的 Gemma 3n 正式提供两个尺寸（E2B、E4B），各有 base 与 instruct 版本，并接入 Transformers、MLX、llama.cpp 等开源库；其中 llama.cpp 仅支持文本输入。模型支持文本、图像、音频和视频输入，实际参数量分别为 5B、8B，文章称其显存需求约为 2GB、3GB。文章还提到 E2B instruct 的 ONNX 权重已发布。
Hugging Face 发布 SmolVLM2，推出 2.2B、500M 和 256M 参数三个视频理解模型，并称模型及演示已开放，支持 Transformers 与 MLX。官方称 2.2B 在其评测的 Video-MME 中优于现有 2B 模型；500M 可在 iPhone 本地分析视频，而 256M 被定位为实验性版本。
Mistral AI 发布面向设备端与边缘计算的 Ministral 3B 和 Ministral 8B，两款模型支持最高 128K 上下文。发布时，3B 的输入与输出均按每百万 token 0.04 美元计费，8B 均为 0.10 美元；8B Instruct 权重提供研究许可，自部署商业使用需要商业许可。
Meta 发布 Llama 3.2，Hugging Face 称系列中有十个开放权重模型，包括五个多模态模型和五个纯文本模型。视觉版提供 11B、90B 两种规模；1B、3B 文本模型面向设备端使用，支持 128K 上下文。文中注明，欧盟境内个人及主要营业地在欧盟的公司未获多模态模型许可，但使用这些模型的产品或服务终端用户不受此限制。