与「OnDevice」相关的搜索结果

27.3 là số hiệu bản iOS mà Apple vừa đẩy bản beta, nhưng thứ đáng chú ý bên trong lại là một tính năng tiếng Việt mà người dùng nước ngoài còn chưa có. Siri tích hợp AI bằng tiếng Việt đã xuất hiện trên iOS 27.3 Beta. Đây là lần đầu trợ lý ảo này xử lý ngôn ngữ của chúng ta ở tầng mô hình AI, không chỉ đọc – hiểu lệnh đơn giản như các bản trước. Ba điểm: - Bản beta nghĩa là chưa dùng được trên máy chính; ai cài sớm nên chờ bản phát hành chính thức thay vì đánh đổi máy đang dùng hằng ngày. - Tính năng nằm trong iOS 27.3, không phải bản lớn 27.0 — Apple thường gom các nâng cấp ngôn ngữ vào bản .x, nên đừng chờ nó ở bản đầu. - Tiếng Việt có mặt cùng đợt với bản thử nghiệm, tức là ta không còn xếp sau các thị trường lớn như trước đây. Góc nhìn: Nhiều người sẽ đọc tin này như một chi tiết vui rồi bỏ qua. Sai. Cái đáng quan tâm không phải Siri nói tiếng Việt, mà là mô hình AI của Apple đã được huấn luyện đủ tốt trên dữ liệu tiếng Việt để chạy ngay trên thiết bị. Điều đó đặt ra chuẩn mới cho mọi trợ lý nội địa: người dùng sẽ so sánh độ hiểu tiếng Việt của bạn với một mô hình toàn cầu chạy offline, miễn phí, có sẵn trong máy. Đừng tự hào vì "đã có AI tiếng Việt" nữa — hãy tự hỏi mình hiểu tiếng Việt hơn nó ở đâu. Điểm đáng lưu: Lưu lại mốc iOS 27.3 để đối chiếu khi đánh giá các trợ lý AI tiếng Việt khác, vì đây sẽ là chuẩn so sánh mặc định trên iPhone. Bạn nghĩ trợ lý AI nội địa cần giỏi hơn Siri ở điểm nào để bạn chịu đổi? #IOS27# #Siri# #TiengViet# #Apple# #AITiengViet# #Beta# #TroLyAo# #OnDevice# #VipZone# #nguyenchitrongnghia#

Introducing Rollup. Your app never has to ask a new user who they are again. Their camera roll already knows, and your app should too. Rollup is the first SDK that turns years of photos into user context, opt-in and fully on-device. Add to your app👇

AI is entering a very different phase. The biggest story isn’t just another model getting smarter. We’re seeing open models, multimodal AI, autonomous agents, on-device intelligence and AI security all accelerating at the same time. Here are 5 developments worth watching today 🧵

When paired with Gemma 4, EmbeddingGemma 2 powers efficient, on-device retrieval augmented generation (RAG) with a lower memory footprint. EmbeddingGemma 2 retrieves local files, and Gemma 4 reasons over them for grounded answers with complete privacy.

We’re releasing EmbeddingGemma 2, our first natively multimodal open model engineered for on-device embeddings. Built on the Gemma 4 architecture and released under an Apache 2.0 license, it goes beyond text to unify images, video, audio, and code in a single embedding space.

Introducing EmbeddingGemma 2, a new open multimodal model that sets the standard for on-device efficiency. - our first open, natively multimodal embedding model - handles text, code, image, video, and audio tasks within a lightweight, modular 740M parameter form factor - ideal for offline, privacy-first RAG when paired with Gemma 4 - outperforms some specialist models more than twice its size Weights available now on Hugging Face.

Introducing omni-macos: a semantic Finder for Apple Silicon. It was first released months ago, but now getting really good and becoming my daily productivity. Over the last few months I've kept improving fully local, on-device semantic search for my everyday agentic use. The goal: a local multimodal search engine that's easy for both humans and agents, fast, and handles CRUD in real time. After years of working on embedding and reranker models, I figured this would be easy, especially with coding agents hill-climbing tps for you. Turns out making it actually good is pretty damn hard. I've also seen other projects like zvec-grep going after the same thing, but I think most of them miss some key points about local search, especially on personal devices. They optimize for efficiency and relevance, which is fair with a SaaS mindset, but not enough for an air-gapped personal device: - Efficiency matters, but on a laptop, an indexer that hogs the machine to finish sooner is worse than one that takes a bit longer and you never notice. - Personal files are massively duplicated: v1, v2, v-final, v-final-final, plus backups, often with only tiny diffs between them. So using the file as the indexing unit is inefficient. - Some files get edited all the time, but only a small part changes each time. Reindexing the whole file is, again, a waste. - CRUD needs to be handled properly at the folder level. - You only have one GPU interface and it's non-preemptive. Embedding needs it, vector search needs it, OCR needs it. You can't lower the priority of work that's already queued, so priority can only be set at admission.

Three weeks ago, we released the first version of Edge0: “A 35B language model running on a local device, using only 1–2.5 GB of peak memory.” Today, we’re taking the next step. We’re open-sourcing the Edge0 app layer—now available on: 📱 iOS 🖥️ macOS 🤖 Android 🪟 Windows One app. Four platforms. Fully on-device.

Half a million downloads in a month. Today, our open source family takes another step forward. Thank you for the incredible support behind our first-generation models. We’re excited to introduce TwIL-LM3-Pro. At just 3.6 billion parameters, it brings powerful reasoning to everyday computers, with quantized builds that run locally. No cloud required. In our evaluation: Formal logic: Highest recorded headline score among the small models compared—beating China’s VibeThinker-3B by 35% and Qwen3.5-4B by 24%, and Liquid AI’s LFM2.5-8B-A1B by 47%. Broader reasoning: 95% on SVAMP and 64.1% on MuSR, the highest recorded scores among the small models compared. BIG-Bench Hard’s logic subset: 95.4%, compared with VibeThinker-3B’s 61.1%. We believe AI is entering a post-training era. The advantage will increasingly belong to companies with the best pipelines and those that can produce capable, personalized intelligence faster and more efficiently, then put it on devices people already own. That’s what we’re building at webAI. And we’re only beginning to share what’s coming out of our lab. Coming soon: Meridian, our family of frontier-class models built to run on device. Our most advanced models will be available through the @thewebAI application. Join the waitlist as we expand access. Proudly built in Austin, Texas. 🇺🇸