LM Studio跑MLX模型的官方引擎：多轮对话缓存命中秒回、同图追问只算一次视觉编码。99%的人不用装（LM Studio自带），自建MLX服务的值得抄它的缓存设计。

开源自托管的智能笔记研究工具，支持18+AI模型、多模态内容、多说话人播客生成，数据完全本地存储

支持文本、图像、音频、视频的多模态终身记忆，LoCoMo SOTA

微软删除官方 TTS 推理代码后，社区 fork 保留的 PyTorch 完整实现。支持单卡/多卡推理、语音克隆、Gradio Demo。

像素级截屏 + AI 分析 + 完整 GUI 自动化，支持自然语言指令驱动点击、输入、滚动、热键等操作，含 MCP Server

10语言全覆盖、97ms流式延迟、3秒声音克隆，中文TTS天花板，Apache 2.0商用免费

通过 Tor 搜索暗网，用 LLM 自动过滤、总结，支持 Docker 一键部署。

学术派量化天花板：每个张量单独分配精度，同体积比Unsloth高10分，论文代码全公开可自己复刻

不只量化更是全链路：Dynamic v3.0动态精度+MTP投机解码+Flash Attention加速，llama.cpp/Ollama一键起

Moonshot AI 开源 Kimi K2.6，1万亿参数 MoE（激活32B），原生多模态。在 SWE-Bench Pro、长程编码、Agent Swarm 等关键指标上超越 Claude Opus 4.6 和 GPT-5.4。开源模型做到这个水平，闭源阵营的压力来了。

prithivMLmods 出品的 Gemma 4 31B 全精度(BF16)去审查版，无量化损失，mlx-vlm 原生支持

Google DeepMind 开源多模态模型，11.95B参数支持文本+图像+音频，256K上下文，原生函数调用，Apache 2.0免费商用

Qwen3.6-27B正统后继：原生多模态+混合线性注意力架构，262K上下文，终端编程基准超Opus 4.6 Max，Apache 2.0可商用，量化后16GB内存可跑

LongMemEval 榜单 SOTA（第三方复现背书）——仿生记忆结构：事实/经历/信念/心智模型四层，Docker 一条命令自部署，25+ LLM 提供商含全本地方案

发布3天下载破150万！54GB的Qwen3.8-27B压到5.9GB还留98.2%智力，传统2bit崩掉的数学题它守住95分，低比特本地部署天花板。

RLHF共同发明人新公司首作：不做聊天只做结构化决策，概率校准可信到能写进代码阈值，便宜两个数量级

同一个模型有 4bit/8bit/免审版，怎么选？一句话：稠密选小、MoE 选大。附下载地址与实测速度；2026-09 补测 oMLX 引擎，修正「换引擎不会变快」的旧结论。

IEEE TCSVT 收录的 Vid-LLM 综述配套清单:论文+代码+数据集+基准全整理,选型与研究必备