1、PrismML发布Bonsai 27B：27B级大模型装进iPhone
一个27B模型在FP16精度下约占54GB，即使不错的4-bit量化也要18GB，手机和多数笔记本根本装不下；传统量化压到4-bit以下时，模型会在AIME数学、LiveCodeBench代码和Agent任务上选择性崩溃。Bonsai 27B基于Qwen3.6-27B，把权重压到1~2 bit还保住了智力。
你现在可以在手机上本地跑一个27B模型：1-bit版仅3.9GB，iPhone 17 Pro能运行，保留FP16约89.5%的能力；三值(Ternary)版5.9GB，保留94.6%，普通笔记本轻松运行。
RTX 5090上最高163 tok/s，M5 Max上87 tok/s，iPhone 17 Pro Max约11 tok/s。 模型：https://huggingface.co/collections/prism-ml/bonsai-27b
2、苹果手机AI能力过审 背后是阿里的千问模型，比之前传闻的百度文心强，苹果需要多模态能力，豆包用不了，就只能千问了。Kimi有多模态能力但是体量太小，GLM和DeepSeek还没有开放多模态能力。 公告地址：https://www.cac.gov.cn/2026-07/15/c_1785861480767004.htm
3、NVIDIA发布Molt：极简agentic RL训练框架
NVIDIA NeMo实验室开源的PyTorch原生RL框架，整个RL路径只有约8600行代码，却能通过FSDP2的TP/EP/CP并行扩展到DeepSeek-V3这类1T级MoE模型。
它把Agent当作程序本身：奖励就是你在Env或ChatAgent里写的任意Python，支持多轮工具调用、VLM环境和LLM-as-judge，运行时只靠Ray、vLLM和NVIDIA AutoModel三个组件实现全异步训练。
对研究者来说，一个下午能读完全部梯度相关代码，从8B到1T规模无需重写脚本。 项目地址：https://github.com/NVIDIA-NeMo/labs-molt
4、MOSS-VL-Realtime：实时视频理解模型 11B参数，能实时理解视频画面的内容，支持打断。 模型：https://huggingface.co/OpenMOSS-Team/MOSS-VL-Realtime
我开源的Skill 1）原生PPT Skill。适用于任何模型和Agent，使用内置PPT模板生成豪华、可编辑的PPT。 Github：https://github.com/GordenSun/GordenPPTSkill
2）图片PPT转可编辑PPTX文档。可以把GPT和Banana生成的图片还原为可编辑的PPTX文档。 Github：https://github.com/GordenSun/GordenSuperPPTSkills