Google 推出 Android 本地模型运行神器：AI Edge Gallery

Google 推出实验性应用 AI Edge Gallery，支持在 Android 设备本地离线运行 Gemma 等生成式 AI 模型。无需联网即可实现图片问答、多轮对话、提示词实验，并可实时对比不同模型性能，还支持自定义 LiteRT 模型测试与 Hugging Face 一键集成。

发布于2025年6月4日 07:05

编辑零重力瓦力

评论0 条

阅读104

#Google #Gemma #AI 模型

Google 推出了一款名为 AI Edge Gallery 的实验性应用，能够在 Android 移动设备本地运行前沿的生成式 AI 模型。可以用它探索各种创意和实用的 AI 场景，所有处理均在设备本地完成，模型加载后无需联网即可使用。应用内支持与模型聊天、图片问答、提示词实验等多种功能，并与 Hugging Face 深度集成，便于下载和运行包括 Gemma 在内的各种模型。

核心功能

支持本地运行，完全离线使用
可自由切换不同 Hugging Face 模型并对比其表现
支持上传图片进行智能问答
通过提示词实验室，探索 LLM 的摘要、改写、代码生成等能力
提供多轮对话功能，支持自然交流
实时测试不同模型的性能指标，包括首次响应时间、解码速度和延迟等
支持自定义模型，可本地测试 LiteRT .task 模型
一键直达模型卡片与源代码，便于开发和参考

下载地址

Github

https://github.com/google-ai-edge/gallery

百度网盘

https://pan.baidu.com/s/1rhe2IRKo9MPRwg4xPi4IXA?pwd=5khe 提取码: 5khe

GLM 5.2 裸跑击败 Claude Code：Semgrep 安全基准实验里的意外结果

Semgrep 实验显示，开源模型 GLM 5.2 在无脚手架辅助下，IDOR 漏洞检测 F1 达 39%，超越 Claude Code 且单漏洞成本仅 0.17 美元。该模型采用 MoE 架构与 MIT 许可，编码能力接近闭源前沿水平。结果表明模型推理能力提升正缩小脚手架红利，低成本优势或改变安全审计部署策略。尽管结论受限于特定任务，但证实开源模型在安全领域已具备实战竞争力，值得纳入候选池测试。

Superpowers 6.0 把 AI 编程评审重写了一遍：子智能体驱动开发到底怎么运作

GitHub 项目 Superpowers 发布 6.0 版本，重写子智能体驱动开发（SDD）方法论，使 AI 编程代码产出速度提升约一倍，token 消耗降低近 50%。新版通过合并评审智能体、隔离只读权限与上下文、强制指定模型及文件传递替代文本粘贴等优化，解决了旧版成本高、易被干预及安全漏洞等问题。该设计思路强调评审环节的重要性，其核心原则可迁移至各类 AI 编程工作流中，有效提升开发效率与质量。

#智能体工程

阅读全文