Hugging Face 发布 riidolaya difficulty 实验性 MPS 试点 v0.2
Hugging Face 上线 riidolaya difficulty 实验性 MPS 试点 v0.2，在完全冻结的 Laya 编码器上训练了一个 5,123 参数的 LayerNorm/Linear 固定档位分类器，输出 fast、standard、strong 三档，仅以任务文本为输入。
#端侧
#端侧
今日 5 条HF blogAI 评分1313 HF blogAI 评分4242 Hugging Face 上线 StartLux-Decision-4B 决策模型，含 0.8B 至 35B-A3B 六个规格
StartLux-Decision-4B 在 Hugging Face 发布，可对状态回答选择题、是/否题和评分题，每个选项返回概率，请求响应沿用 TypeSafe /v1/systemone 格式。
HF blogAI 评分3030 Hugging Face 上线 StartLux-Decision-27B：面向状态问答的决策模型
Hugging Face 发布 StartLux-Decision 系列决策模型，覆盖 0.8B 至 35B-A3B 六种规模，对状态类问题输出各选项概率，沿用 TypeSafe /v1/systemone 格式。
NVIDIA blog roboticsAI 评分4848 NVIDIA Isaac GR00T：Jetson 边缘平台上的机器人与具身智能进展
NVIDIA 在 CES 上展示 Caterpillar 座舱 AI 助手，基于 Jetson Thor 本地运行 Nemotron 语音模型与 Qwen3 4B，无需云端连接。
NVIDIA blog roboticsAI 评分3838 NVIDIA Jetson 边缘平台运行 Cat AI 助手、GR00T 与 OpenClaw 等物理 AI 系统
NVIDIA 在 CES 展示 Caterpillar 座舱内 Cat AI Assistant 原型，基于 Jetson Thor 本地运行 Nemotron 语音模型与 vLLM 服务的 Qwen3 4B，无需云端连接。
HF blogAI 评分2020 bartowski 发布 OmniJev OneJev-9B GGUF 量化版本
bartowski 基于 llama.cpp b11259 为 OmniJev 的 OneJev-9B 模型发布 GGUF 量化版本，覆盖 bf16 到 IQ2_M 共 22 个文件，默认推荐 Q4_K_M（5.84GB）。该模型支持文本与图像输入，仓库同时提供 mmproj 多模态投影文件，可搭配任意量化版本使用。
HF blogAI 评分3636 Hugging Face 发布 jevhome-E-int8：48M 参数 int8 类型化决策模型
Hugging Face 上线 jevhome-E-int8，一个约 48M 参数的双编码器 int8 类型化决策模型，接收状态后对是/否、单选或评分问题在一次前向传播中返回校准概率，可在普通 CPU 上运行。
HF blogAI 评分2222 Hugging Face 发布 jevhome-L-int8：约 396M 参数 int8 决策模型
Hugging Face 上线 jevhome-L-int8，这是 jevhome-L 的动态 int8 量化版本，约 396M 参数，可在普通 CPU 上单次前向返回校准概率，速度更快且体积约为原来的 1/4。
HF blogAI 评分2222 Hugging Face 发布 jevhome-ettin-1b-int8：约 1B 参数的 int8 类型化决策模型
Hugging Face 上线 jevhome-ettin-1b-int8，这是 jevhome-ettin-1b 的动态 int8 量化版本，采用 ONNX Runtime quantize_dynamic 与 int8 token 嵌入表，体积约为原版四分之一，可在普通 CPU 上单次前向返回校准概率。
HF blogAI 评分3131 Hugging Face 发布 jevhome-B-int8：CPU 上运行的 int8 决策模型
Hugging Face 上线 jevhome-B-int8，这是 jevhome-B 的动态 int8 量化版本，采用 ONNX Runtime quantize_dynamic 与 int8 token 嵌入表，体积约为原版四分之一，可在普通 CPU 上单次前向返回校准概率。
HF blogAI 评分2222 Hugging Face 发布 jevhome-E：48M 参数 CPU 决策模型
Hugging Face 上线 jevhome-E，一个约 48M 参数的双编码器类型化决策模型，输入状态与是/否、单选或评分问题，一次前向传播即可在普通 CPU 上返回校准概率，接口与 Jev、PostHog Jeeves 一致（POST /v1/systemone）。
HF blogAI 评分2222 Hugging Face 发布 jevhome-B：约 150M 参数的类型化决策模型，CPU 单次前向返回校准概率
Hugging Face 发布 jevhome-B，一个约 150M 参数、fp32 的类型化决策交叉编码器，接收状态与是/否、单选或评分问题，在普通 CPU 上单次前向返回校准概率。
HF blogAI 评分2222 Hugging Face 发布 jevhome-L：396M 参数 CPU 端类型化决策模型
Hugging Face 上线 jevhome-L，一个约 396M 参数的交叉编码器类型化决策模型，接收状态与是/否、单选或评分问题，一次前向传播即返回校准概率，可在普通 CPU 上运行。
HF blogAI 评分3030 Hugging Face 发布 jevhome-ettin-1b：约 10 亿参数的类型化决策模型
Hugging Face 上线 jevhome-ettin-1b，一个约 1.0B 参数、fp32 的类型化决策模型，可对状态给出是/否、单选或分级问题，并在一次前向传播中返回校准概率，纯 CPU 即可运行。
HF blogAI 评分1010 mradermacher 发布 SEAD-SAGE-4B 的 GGUF 静态量化版本
mradermacher 为 SEAD-SAGE-4B 发布了 GGUF 静态量化版本，暂未提供 weighted/imatrix 量化。已提供从 Q2_K（1.9 GB）到 f16（8.9 GB）的多档量化，其中 Q4_K_S 与 Q4_K_M 标注为快速、推荐，Q6_K 为质量很好，Q8_0 为快速且最佳质量。
HF blog精选AI 评分6262 JapaneseTinyAgentLM-Action-3M 发布：3.1M 参数模型在 ESP32-S3 上把日语指令转为机器人动作 JSON
ayousanz 发布 JapaneseTinyAgentLM-Action-3M，一个 3,148,608 参数的 decoder-only Transformer，把日语短指令转成 look、set_expression、nod 三类动作的 JSON 数组，非指令或无法执行的请求返回空数组。
推荐理由：3.1M 参数模型在 ESP32-S3 上本地把日语指令转成动作 JSON，附完整评测与误差区间，可看端侧具身控制的可行边界。
NVIDIA dev blog roboticsAI 评分4242 NVIDIA Isaac ROS 如何用 AI Agent 加速 ROS 2 节点
NVIDIA 介绍如何借助上游抽象层与 CUDA buffer 后端，让 AI Agent 加速 ROS 2 节点，避免消息在节点间经 CPU 内存序列化或拷贝而抵消 GPU 加速收益。仅靠快速 CUDA kernel 并不能保证 ROS 2 图变快，感知与 AI 负载留在 GPU 上的优势可能被传输开销侵蚀。
NVIDIA blog roboticsAI 评分2828 全球 Robotaxi 领导者如何用 NVIDIA 技术构建自动驾驶车队
全球 Robotaxi 市场预计到 2035 年达 4000 亿美元，超 600 万辆商用车上路，NVIDIA 以训练、仿真验证、车载三计算机架构支撑商业化车队规模化部署。
HF blogAI 评分3030 TinyCast：146,505 参数的概率零样本时间序列预测模型
Hugging Face 博客介绍 TinyCast，一个 146,505 参数的零样本时间序列基础模型，是 GIFT-Eval 榜单上最小的公开逐配置结果且无测试数据泄漏的模型，也是 140 万参数以下唯一输出预测分布而非点预测的零样本模型。
NVIDIA dev blog robotics精选AI 评分6060 NVIDIA 发布 Cosmos 3 Edge，面向端侧机器人控制的后训练世界模型
NVIDIA 发布 Cosmos 3 Edge，这是 Cosmos 3 系列中的 4B 全模态模型，并配有基于 Nemotron 的 2B 推理器。原文指出机器人需要能适应自身传感器、环境和任务、同时运行在机载计算硬件上的策略，而世界模型虽然为学习物理交互提供了基础，但其体积会让端侧部署变得困难，Cosmos 3 Edge 正是针对这一问题。
推荐理由：NVIDIA 公布 Cosmos 3 Edge 的 4B 参数与 2B 推理器配置，读者可了解世界模型在机载硬件上部署的取舍。
NVIDIA dev blog roboticsAI 评分3434 NVIDIA JetPack 7.2.1 新增智能体视频技能与 T3000 仿真
NVIDIA 发布 JetPack 7.2.1，为 Jetson 平台新增智能体视频技能与 T3000 仿真能力。该版本面向机器人、智能视频分析、工业自动化等场景，覆盖多路摄像头采集、网络流解码、AI 推理与传统视觉处理、结果绘制及视频编码存储或传输等完整视频数据链路。
NVIDIA blog roboticsAI 评分2222 NVIDIA Jetson 平台：从 Orin Nano Super 到 AGX Thor，把机器人“大脑”装进手提包
NVIDIA 展示 Jetson 边缘 AI 与机器人平台，Jetson Orin Nano Super 提供 67 TOPS 算力，可本地运行 Reachy Mini 语音视觉助手等首个机器人项目。
NVIDIA blog robotics精选AI 评分7878 NVIDIA 推出 Jetson T3000 与 T2000 模块，扩展边缘 AI 机器人平台
NVIDIA 推出基于 Thor 架构的 Jetson T3000 与 IGX T3000 模块，提供 865 FP4 teraflops 算力，体积和功耗约为 T5000 的一半，并推出 400 FP4 teraflops、16GB 内存的 Jetson T2000。
推荐理由：原文给出两款 Thor 模块的算力、内存与上市节奏，读者可据此判断边缘端机器人算力选型与迁移路径。
NVIDIA blog roboticsAI 评分2222 Firefly Aerospace 将在月球轨道首次运行 NVIDIA Jetson
Firefly Aerospace 的 Blue Ghost Mission 2 将搭载 Ocula 月球成像服务，首次在月球轨道运行 NVIDIA Jetson 边缘 AI 平台，直接在轨推理并近实时回传关键信息，而非下传全部原始数据。
NVIDIA blog roboticsAI 评分4242 NVIDIA 详解 robotaxi 安全体系：Halos OS 与 Hyperion 平台
NVIDIA 在 GTC Taipei 上披露多项 robotaxi 合作：Uber 与 Autobrains 在慕尼黑基于 NVIDIA Hyperion 平台启动 robotaxi 项目，Foxconn 扩大合作在台湾部署车队，VinFast 与 Autobrains 面向东南亚推 L4 车辆，HUMAIN 则将 Hyperion 方案引入沙特。
NVIDIA blog robotics精选AI 评分6262 NVIDIA 在 Jetson 上发布 JetPack 7.2 与 NemoClaw 智能体框架
NVIDIA 在 COMPUTEX 上宣布 NVIDIA JetPack 7.2 与 NVIDIA NemoClaw 支持 NVIDIA Jetson，将智能体 AI 框架落到生产级 Jetson 软件栈上。
推荐理由：JetPack 7.2 与 NemoClaw 在 Jetson 上的组合给出了边缘智能体的部署路径，读者可据此判断现有机器人栈的升级方向。
NVIDIA dev blog roboticsAI 评分3636 NVIDIA JetPack 7.2 发布：面向边缘智能体部署优化内存效率
NVIDIA JetPack 7.2 支持一条命令部署开源栈 NVIDIA NemoClaw，为 OpenClaw 增加隐私与安全控制。该版本还引入面向 Jetson 的 NVIDIA agent skills，通过优化内存与性能加速 AI 智能体在物理环境中的实际部署。
NVIDIA dev blog roboticsAI 评分4040 NVIDIA Alpamayo 如何闭环后训练自动驾驶车辆模型
NVIDIA 介绍用 Alpamayo 对自动驾驶车辆模型进行闭环后训练，以弥合训练与部署之间的差距。可推理复杂驾驶场景的 VLA 模型目前主要在开环下训练，模型输出直接与真值行为比较，不考虑其对环境的影响。
NVIDIA dev blog roboticsAI 评分3030 NVIDIA Jetson 如何用 Agent Skills 最大化内存效率以运行更大模型
NVIDIA 介绍如何通过 Agent Skills 在 Jetson 边缘设备上最大化内存效率，以运行数十亿参数模型。开源生成式 AI 模型正从数据中心走向物理世界，开发者希望在边缘部署物理 AI 智能体和自主机器人。核心挑战是在有限内存的边缘设备上高效运行大参数模型。
NVIDIA dev blog roboticsAI 评分3838 NVIDIA IGX Thor 为工业、医疗与机器人边缘 AI 应用提供算力
NVIDIA 推出 IGX Thor，面向工业、医疗与机器人边缘 AI 应用。工厂自动化单元、自主移动平台和手术室正部署更复杂的生成式 AI 模型、更多传感器与更高保真数据流，以提升工人生产力、人机交互并减少停机时间。
NVIDIA dev blog roboticsAI 评分3232 NVIDIA TensorRT Edge-LLM：面向自动驾驶与机器人的边缘优先 LLM 推理运行时
NVIDIA 推出 TensorRT Edge-LLM，一个高性能 C++ 推理运行时，面向自动驾驶汽车与人形机器人等物理 AI 场景。它针对严格功耗与时延约束，支持高保真推理、实时多模态交互和轨迹规划。
NVIDIA dev blog roboticsAI 评分5050 NVIDIA TensorRT Edge-LLM 加速汽车与机器人 LLM/VLM 推理
NVIDIA 推出 TensorRT Edge-LLM，用于在车端和机器人端本地加速 LLM 与 VLM 推理。该方案面向汽车与机器人开发者，支持在车辆或机器人上直接运行对话式 AI 智能体、多模态感知与高层规划，以应对延迟、可靠性和离线运行需求。
NVIDIA dev blog robotics精选AI 评分6060 NVIDIA 发布 Jetson T4000 与 JetPack 7.1，加速边缘与机器人 AI 推理
NVIDIA 推出 Jetson T4000，面向机器人与边缘 AI 应用，提供最高 1200 FP4 TFLOPs 的 AI 算力和 64 GB 内存，针对更紧的功耗与散热条件优化。同步发布的 JetPack 7.1 用于加速边缘与机器人 AI 推理。
推荐理由：原文给出 Jetson T4000 的算力、内存与功耗定位，读者可据此判断边缘机器人推理硬件的选型空间。
NVIDIA dev blog roboticsAI 评分4242 NVIDIA Alpamayo：用推理式 VLA 模型构建自动驾驶
NVIDIA 发布 Alpamayo，面向自动驾驶的推理式视觉语言动作（VLA）模型，可将决策过程展开为逐步推理轨迹。该模型被视为在语义空间中运行的隐式世界模型，用于处理复杂驾驶问题。
NVIDIA dev blog roboticsAI 评分2222 NVIDIA Jetson 边缘 AI 入门：面向机器人的 LLM、VLM 与基础模型
NVIDIA 发布 Jetson 边缘 AI 入门指南，介绍如何在紧凑、GPU 加速的模组和开发者套件上运行 LLM、VLM 与基础模型，让机器人、智能摄像头和自主机器无需依赖云端即可实时感知、理解并响应。Jetson 平台专为边缘 AI 与机器人打造。
NVIDIA dev blog roboticsAI 评分3636 NVIDIA Jetson AGX Thor 生成式 AI 性能提升至 7 倍
NVIDIA Jetson AGX Thor 通过软件更新将生成式 AI 吞吐量提升至 7 倍，此前发布时相对 Jetson AGX Orin 的生成式 AI 性能提升最高为 5 倍。该提升延续了 NVIDIA 软件生态持续优化的路线。
NVIDIA dev blog roboticsAI 评分5858 NVIDIA 发布面向 Jetson Thor 的 CUDA Toolkit 13.0，统一 Arm 工具链并引入 UVM
NVIDIA 发布面向 Jetson Thor 的 CUDA Toolkit 13.0，将服务器级与嵌入式 Arm 平台的 CUDA 工具链统一，开发者可一次构建并在 GB200、DGX Spark 与 Thor 上部署同一二进制，Orin（sm_87）暂不适用。
NVIDIA dev blog robotics精选AI 评分7676 NVIDIA 发布 Jetson Thor，面向物理 AI 的计算平台
NVIDIA 发布 Jetson Thor，将其定位为面向物理 AI 的平台。文章称机器人正从单一用途的专用机器转向可适应多种任务的通用机器人，这类机器人结合快速反应与高层推理和规划。原文未给出具体规格、算力或上市信息。
推荐理由：NVIDIA 官方介绍 Jetson Thor 面向物理 AI 的定位，读者可了解其针对通用机器人推理与规划的硬件方向。