Liquid AI发布LFM2.5-VL-3B，31亿参数视觉语言模型，专为设备端设计，支持屏幕理解、函数调用、锚定和多图像输入。在28项基准测试中平均得分69.4，与4.7B模型相当。内存占用约3GB，解码速度228 tok/s。许可证对年收入低于1000万美元的公司免费，高收入需商业许可。

Meta在WhatsApp推出可选“诈骗警报”功能，利用设备端AI模型识别可疑消息并警告用户，但不会自动报告。用户可标记信任或分享最近5条消息以改进准确性。该功能旨在应对WhatsApp上日益严重的诈骗问题，如电汇和杀猪盘，2025年用户因诈骗损失超4.25亿美元。

苹果的Ferret-UI Lite是一种优化的3B参数模型，旨在理解屏幕图像和UI元素，并与应用直接互动。研究者开发了小型设备端GUI代理，提升了复杂布局中的准确性，表现优于大型模型。尽管在长任务上仍面临挑战，但Ferret-UI Lite可作为设备端智能代理，增强隐私保护。

在设备上部署小型语言模型（SLMs）可以改善延迟和隐私，但面临准确性和内存挑战。CAMPHOR是一个创新的设备端SLM框架，能处理多用户输入并在本地推理个人上下文，确保隐私。其架构通过高阶推理代理分解任务，协调专家代理进行上下文检索、工具交互和计划生成。通过参数共享和提示压缩，减少模型大小、延迟和内存。实验显示，微调的SLM代理在任务完成上优于封闭源LLMs，并增强隐私。