Mobileye在2025财年展现强劲实力，全年营收达18.94亿美元，同比增长15%。尽管第四季度受客户库存调整影响营收略有下滑，但公司整体基本面稳健，经营活动现金流净额同比大幅增长51%，订单储备创下新高，凸显其在智能驾驶领域的领先地位与业务韧性。
Mobileye以9亿美元收购Mentee Robotics，旨在融合双方技术，开发具备更强环境感知和人际互动能力的类人机器人。交易预计2026年第一季度完成，需监管批准。
Mobileye宣布以约9亿美元收购人形机器人公司Mentee Robotics，正式进军机器人领域，开启“Mobileye3.0时代”。交易包括6.12亿美元现金及至多2620万股普通股。Mentee Robotics由Mobileye总裁沙舒亚参与创立，此次收购被视为高溢价关联交易。
Quest Mobile报告显示，2025下半年AI应用生态中，豆包、DeepSeek、元宝、蚂蚁阿福位列周活跃用户前四，阿里千问第五，蚂蚁灵光进入前十。Top10榜单中通用AI占6席，垂类专业AI占4席，呈现通用与垂直场景并进格局。
一款能够自我进化的移动助手，专为复杂任务设计。
24/7社交媒体潜在客户生成工具
AI驱动的移动应用调试工具
Meta 开发的子十亿参数语言模型，适用于设备端应用。
rtr46
meiki.text.detect.v0.1是专门针对视频游戏和漫画文本检测的高精度、低延迟OCR模型，在日语相关内容上表现优异。该模型基于D-FINE检测器架构，采用MobileNet v4 small作为骨干网络，提供两种分辨率变体以适应不同应用场景。
facebook
MobileLLM-Pro是Meta推出的10亿参数高效设备端语言模型，专为移动设备优化，支持128k上下文长度，提供高质量推理能力。该模型通过知识蒸馏技术训练，在多项基准测试中超越同规模模型，并支持近乎无损的4位量化。
MobileLLM-R1是Meta发布的高效推理模型系列，包含140M、360M和950M三种规模。该模型专门针对数学、编程和科学问题进行优化，在参数规模较小的情况下实现了与大规模模型相当甚至更优的性能。
MobileLLM-R1是Meta发布的高效推理语言模型系列，专注于数学、编程和科学问题解决。该模型在参数规模较小的情况下仍能取得优异性能，提供完整的训练配方和数据源支持复现研究。
MobileLLM-R1是Facebook推出的高效推理模型系列，专注于数学、编程和科学问题解决。该模型在仅使用约2T高质量标记进行预训练的情况下，在多项基准测试中取得了优异性能。
MobileLLM-R1是专注于数学、编程和科学问题的高效推理模型系列，在较少训练数据下实现出色性能，提供完整的训练配方和数据源。
MobileLLM-R1是Meta推出的高效推理模型系列，专注于解决数学、编程和科学问题。该模型提供140M、360M和950M三个规模版本，具有出色的推理能力和可复现性。
MobileLLM-R1是MobileLLM系列中的高效推理模型，专门针对数学、编程和科学问题进行优化，在参数规模更小的情况下实现了更高的准确率，具有低训练成本和高效率的特点。
valentinocc
基于MobileNetV2架构的深度学习模型，专门用于识别和分类120种不同犬种。通过迁移学习技术微调，能够准确识别各类犬种并提供置信度评分。
Acly
MobileSAM是一款轻量级的图像分割模型，能够根据点或框提示生成目标掩码，专为在消费级硬件上进行高效推理而设计。
riddhimanrana
fastvlm-0.5b-captions是基于FastVLM-0.5B第三阶段模型微调而来的高效视觉语言模型，专为移动设备上的结构化图像描述而设计。该模型采用LoRA微调、4位量化和MobileCLIP-S0视觉塔技术，显著降低了内存占用，可在iPhone等移动设备上实现实时推理。
MobileLLM-ParetoQ是一个专为移动设备优化的极低比特大语言模型量化框架，支持1位、1.58位、2位、3位和4位量化设置，在保持高性能的同时显著降低资源消耗。
qualcomm
YamNet是一个基于AudioSet数据集训练的音频事件分类模型，采用Mobilenet_v1深度可分离卷积架构，专为移动设备部署优化，能够准确识别和分类各种音频事件。
MobileLLM是Meta开发的优化Transformer架构语言模型，专为资源受限的端侧应用设计，参数规模从125M到1.5B不等。
vonjack
MobileLLM是Meta专为资源受限设备端应用优化的自回归语言模型，采用优化的Transformer架构，集成了SwiGLU激活函数、深而窄架构、嵌入共享和分组查询注意力等关键技术，在零样本常识推理任务中表现出色。
ozair23
基于MobileNetV2架构的植物病害图像分类模型，在图像分类任务上达到97.77%的准确率
该模型采用FAIR非商业研究许可，适用于非商业研究用途，遵循FAIR可接受使用政策。
MobileLLM是一种专为设备端用例优化的语言模型，采用优化的Transformer架构，能在资源受限的设备上高效运行，在零样本常识推理任务中取得了显著的准确率提升。
MobileLLM是一款专为设备端应用优化的自回归语言模型，采用优化的Transformer架构，集成了SwiGLU激活函数、深而窄架构、嵌入共享和分组查询注意力等关键技术，在资源受限的设备端提供强大的语言处理能力。
Meta发布的研究模型，适用于非商业研究用途
Mobile Next - MCP服务器是一个用于移动自动化的平台无关接口，支持iOS和Android设备的自动化操作，无需特定平台知识。
Claude Mobile是一个MCP服务器，支持通过自然语言控制Android、iOS、Desktop和Aurora OS设备，提供统一的自动化操作、智能截图、权限管理和UI交互功能。
移动端自动化MCP服务，为Cursor AI提供Android/iOS设备控制能力，支持39个操作工具、智能验证、测试脚本生成等功能，无需AI密钥即可使用。
一个提供移动设备自动化能力的MCP服务器，支持通过结构化UI数据与移动设备交互。
一个通过AI控制移动设备的MCP服务，提供设备管理、应用安装、日志获取等功能，支持Android和iOS平台。
一个基于FastMCP 2.0和清洁架构的现代iOS自动化服务器，具有模块化设计、跨平台准备和云部署功能。
移动开发MCP验证工具，通过强制任务规划、代码质量检查和UI/UX规范执行，解决AI助手'随意编码'问题，支持Flutter、React Native、iOS和Android平台
Android Mobile MCP是一个通过模型上下文协议实现Android设备自动化的工具，提供UI操作、应用管理和屏幕捕获等功能
%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)
