Mobileye在2025財年展現強勁實力，全年營收達18.94億美元，同比增長15%。儘管第四季度受客戶庫存調整影響營收略有下滑，但公司整體基本面穩健，經營活動現金流淨額同比大幅增長51%，訂單儲備創下新高，凸顯其在智能駕駛領域的領先地位與業務韌性。
Mobileye以9億美元收購Mentee Robotics，旨在融合雙方技術，開發具備更強環境感知和人際互動能力的類人機器人。交易預計2026年第一季度完成，需監管批准。
Mobileye宣佈以約9億美元收購人形機器人公司Mentee Robotics，正式進軍機器人領域，開啓“Mobileye3.0時代”。交易包括6.12億美元現金及至多2620萬股普通股。Mentee Robotics由Mobileye總裁沙舒亞參與創立，此次收購被視爲高溢價關聯交易。
Quest Mobile報告顯示，2025下半年AI應用生態中，豆包、DeepSeek、元寶、螞蟻阿福位列周活躍用戶前四，阿里千問第五，螞蟻靈光進入前十。Top10榜單中通用AI佔6席，垂類專業AI佔4席，呈現通用與垂直場景並進格局。
一款能夠自我進化的移動助手，專為複雜任務設計。
24/7社交媒體潛在客戶生成工具
AI驅動的移動應用調試工具
Meta 開發的子十億參數語言模型，適用於設備端應用。
rtr46
meiki.text.detect.v0.1是專門針對視頻遊戲和漫畫文本檢測的高精度、低延遲OCR模型，在日語相關內容上表現優異。該模型基於D-FINE檢測器架構，採用MobileNet v4 small作為骨幹網絡，提供兩種分辨率變體以適應不同應用場景。
facebook
MobileLLM-Pro是Meta推出的10億參數高效設備端語言模型，專為移動設備優化，支持128k上下文長度，提供高質量推理能力。該模型通過知識蒸餾技術訓練，在多項基準測試中超越同規模模型，並支持近乎無損的4位量化。
MobileLLM-R1是Meta發佈的高效推理模型系列，包含140M、360M和950M三種規模。該模型專門針對數學、編程和科學問題進行優化，在參數規模較小的情況下實現了與大規模模型相當甚至更優的性能。
MobileLLM-R1是Meta發佈的高效推理語言模型系列，專注於數學、編程和科學問題解決。該模型在參數規模較小的情況下仍能取得優異性能，提供完整的訓練配方和數據源支持復現研究。
MobileLLM-R1是Facebook推出的高效推理模型系列，專注於數學、編程和科學問題解決。該模型在僅使用約2T高質量標記進行預訓練的情況下，在多項基準測試中取得了優異性能。
MobileLLM-R1是專注於數學、編程和科學問題的高效推理模型系列，在較少訓練數據下實現出色性能，提供完整的訓練配方和數據源。
MobileLLM-R1是Meta推出的高效推理模型系列，專注於解決數學、編程和科學問題。該模型提供140M、360M和950M三個規模版本，具有出色的推理能力和可復現性。
MobileLLM-R1是MobileLLM系列中的高效推理模型，專門針對數學、編程和科學問題進行優化，在參數規模更小的情況下實現了更高的準確率，具有低訓練成本和高效率的特點。
valentinocc
基於MobileNetV2架構的深度學習模型，專門用於識別和分類120種不同犬種。通過遷移學習技術微調，能夠準確識別各類犬種並提供置信度評分。
Acly
MobileSAM是一款輕量級的圖像分割模型，能夠根據點或框提示生成目標掩碼，專為在消費級硬件上進行高效推理而設計。
riddhimanrana
fastvlm-0.5b-captions是基於FastVLM-0.5B第三階段模型微調而來的高效視覺語言模型，專為移動設備上的結構化圖像描述而設計。該模型採用LoRA微調、4位量化和MobileCLIP-S0視覺塔技術，顯著降低了內存佔用，可在iPhone等移動設備上實現即時推理。
MobileLLM-ParetoQ是一個專為移動設備優化的極低比特大語言模型量化框架，支持1位、1.58位、2位、3位和4位量化設置，在保持高性能的同時顯著降低資源消耗。
qualcomm
YamNet是一個基於AudioSet數據集訓練的音頻事件分類模型，採用Mobilenet_v1深度可分離卷積架構，專為移動設備部署優化，能夠準確識別和分類各種音頻事件。
MobileLLM是Meta開發的優化Transformer架構語言模型，專為資源受限的端側應用設計，參數規模從125M到1.5B不等。
vonjack
MobileLLM是Meta專為資源受限設備端應用優化的自迴歸語言模型，採用優化的Transformer架構，集成了SwiGLU激活函數、深而窄架構、嵌入共享和分組查詢注意力等關鍵技術，在零樣本常識推理任務中表現出色。
ozair23
基於MobileNetV2架構的植物病害圖像分類模型，在圖像分類任務上達到97.77%的準確率
該模型採用FAIR非商業研究許可，適用於非商業研究用途，遵循FAIR可接受使用政策。
MobileLLM是一種專為設備端用例優化的語言模型，採用優化的Transformer架構，能在資源受限的設備上高效運行，在零樣本常識推理任務中取得了顯著的準確率提升。
MobileLLM是一款專為設備端應用優化的自迴歸語言模型，採用優化的Transformer架構，集成了SwiGLU激活函數、深而窄架構、嵌入共享和分組查詢注意力等關鍵技術，在資源受限的設備端提供強大的語言處理能力。
Meta發佈的研究模型，適用於非商業研究用途
Mobile Next - MCP服務器是一個用於移動自動化的平臺無關接口，支持iOS和Android設備的自動化操作，無需特定平臺知識。
Claude Mobile是一個MCP服務器，支持通過自然語言控制Android、iOS、Desktop和Aurora OS設備，提供統一的自動化操作、智能截圖、權限管理和UI交互功能。
移動端自動化MCP服務，為Cursor AI提供Android/iOS設備控制能力，支持39個操作工具、智能驗證、測試腳本生成等功能，無需AI密鑰即可使用。
一個通過AI控制移動設備的MCP服務，提供設備管理、應用安裝、日誌獲取等功能，支持Android和iOS平臺。
一個提供移動設備自動化能力的MCP服務器，支持通過結構化UI數據與移動設備交互。
一個基於FastMCP 2.0和清潔架構的現代iOS自動化服務器，具有模塊化設計、跨平臺準備和雲部署功能。
Android Mobile MCP是一個通過模型上下文協議實現Android設備自動化的工具，提供UI操作、應用管理和屏幕捕獲等功能
移動開發MCP驗證工具，通過強制任務規劃、代碼質量檢查和UI/UX規範執行，解決AI助手'隨意編碼'問題，支持Flutter、React Native、iOS和Android平臺
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
