从 GitHub 周报角落到公众号刷屏一个 14MB 的 AI两周内怎么把手机手表机器人都带火了【免费下载链接】needleAutomation foundation model for tiny devices: 2-bit, 8-29 MB, tool calls, ASR, structured extraction and embeddings on phones, wearables, smart homes, robots, cars and microcontrollers.项目地址: https://gitcode.com/GitHub_Trending/needle20/needle最近两周做硬件的、写代码的、甚至只刷公众号的朋友大概都在同一个名字上撞了车——Needle。它第一次出现在中文互联网还只是 CSDN 一篇《GitHub 周刊》榜单里的一行小字和 public-apis、MoneyPrinterTurbo 挤在一起标签是端侧 14MB 模型。没几天技术号开始一篇篇拆它的引擎怎么桥接、离线怎么部署再往后标题就变成了让手机、手表、机器人跑起 AI Agent。同一个项目两周之内换了三张脸。这事儿挺值得复盘一个开源项目是怎么从榜单里的一个数字变成人人都能转发的故事的一、先复盘这两周它到底是怎么火起来的传播的第一站是数字。8 月中旬第一批中文技术文章盯上的是它的桥接——说白了就是怎么用三个简单的接口把这个小引擎塞进 Python 程序里。这类文章阅读量并不炸几百到一千出头但收藏率不低评论区都是同行在问能不能跑在 XXX 上。第二站是榜单。9 月初的 GitHub 周刊把 Needle 和几个热门项目放在同一周推荐关键词非常统一端侧、14MB、工具调用。对天天刷趋势榜的人来说这一行信息足够触发好奇——毕竟大家见惯了几个 G 的模型突然冒出来一个还没一张照片大的。第三站才是真正的刷屏。到了公众号和头条技术细节几乎被全部拿掉只剩下三个画面手机、手表、机器人。标题从14MB 推理引擎变成让手表也能跑 AI Agent转发量立刻不一样了。因为前两个标题只有工程师看得懂第三个标题普通人脑子里马上有画面。有意思的是这一路的关键词也在悄悄变形14MB → 端侧 → 手机手表机器人 → 自动化基础模型。前两个是参数后两个是场景。而真正让人愿意点开的永远是场景。还有一个细节挺能说明问题早期全网都在传14MB那其实是上一代 Needle 2 的身材4500 万参数、单个文件 14MB、运行时内存约 28MB。到了最新的 Needle 3官方把体量做成了一个区间——8 到 29MB你可以按设备能力挑不同层数的版本完整权重文件是 35MB而真正干活的引擎还不到 1MB。数字变了故事没变。传播靠的从来不是精确而是那个小得离谱的冲击力。二、它到底是个啥一句话AI 界的翻译官很多人第一反应是又一个聊天机器人不是。你可以把它想象成一个只背菜单、不背百科的服务员。它不会跟你聊人生、写诗、编段子但它特别擅长一件事听你说一句人话然后准确翻译成 App 能执行的动作。你说把卧室灯调暗到 20%顺便把前门锁上。它不会回你一段解释而是直接给出两条指令调灯、锁门参数一个不差。你的程序拿到这两条指令照着执行就行。这就是所谓的工具调用。它更像是 AI 和 App 之间的接线员而不是坐在你对面聊天的那个 AI。除了接线它还会两手活一是结构化提取。你把一封乱七八糟的酒店确认邮件丢给它它能给你抽出确认号、入住日期、离店日期、总价规规矩矩填进表格。发票、订单、通知、表单都是它的主场。二是听声音。它有个同门兄弟叫 Whistle一个 16.9MB 的语音识别模型英文、德文、法文、西班牙文、意大利文、荷兰文、波兰文都能听一段 30 秒内的录音一次过。更妙的是这俩共用同一套引擎——声音进去指令出来中间不用来回倒手。对着手表说一句关掉厨房的灯它直接给出关灯指令全程不联网。三、到底有多牛三个让人服气的点第一小到可以塞进你想不到的地方。官方给出的适配清单很长苹果电脑、Windows、安卓、iOS、watchOS、tvOS、树莓派、RISC-V甚至还有摄像头和路由器上常见的 MIPS 架构以及浏览器里的 WebAssembly。换句话说它不挑设备。一台树莓派 5 上官方说每秒能解码约 4000 个词元、预填充约 1 万个——这个速度放在云端不算什么但放在一块几十块钱的开发板上就有点吓人了。第二它不敢乱来。这一点特别值得说。市面上不少小模型最让人头疼的是它不懂装懂你问它有没有打开空调的功能它硬给你编一个。Needle 的设计思路正相反——没有对应工具就返回一个空列表。不是猜一个最像的是老老实实交白卷。它还会给每次判断打一个 0 到 1 的置信度分。分数太低引擎会直接把这次调用扣下交给你去跟用户确认。更细的是它要求参数必须能在你说的话里找到出处你说三个人它就不会给你填四个你没提日期它不会自己编一个。对做产品的人来说这比聪明重要得多。一个会犯错的助手是负担一个知道自己不知道的助手才是工具。第三它能被教成你家的专属模型。这是我觉得最被低估的一点。它天生带一个梯队结构2 层、4 层、8 层、16 层、20 层每一层都能单独拿出来部署。设备弱就选小的设备强就选大的。更关键的是拿你自己的业务数据微调一遍效果会跳一大截。官方在 DroidCall 这个手机操作测试集上给出的数字是每个尺寸都能涨 18 到 36 分。其中最小的 4 层版本只有 2900 万参数微调后拿到 62.5 分超过了云端大模型 DeepSeek V4 Flash 的 60.5 分。在更贴近日常的 Mobile Actions 测试里它最大的版本拿到 86.0 分云端大模型是 88.4 分而苹果自带的那颗 30 亿参数端侧模型是 57.6 分。差距当然还在但请注意体量一个 1.2 亿参数的模型追着一个云端巨无霸跑还没把数据传出去。四、普通人怎么上手门槛比想象中低如果你只是想看看它长什么样最省事的办法是打开官方网页 demo。里面准备了十几个场景智能家居、机器人、相册整理、设备控制、邮件信息提取、汇率换算、酒店订单提取、情绪分类还有一个专门演示12 个工具里挑对那一个。点一下智能家居输入框里已经躺着一句现成的话按下运行屏幕上就会蹦出它拆解出的动作。你再点离题测试让它写一首关于月亮的诗它会干脆利落地告诉你没有可调用的工具。这种现场翻车和现场成功都能看到的设计其实是它能在社区里传开的重要原因——不用装环境不用配显卡打开就能验货。想正儿八经用起来也就一条安装命令的事然后在本地启动一个网页控制台浏览器里就能玩。它跑在 CPU 上不需要独立显卡连微调都能在你的笔记本上做官方提供了本地训练和云端托管两条路。至于适合谁做智能家居、穿戴设备、车载、机器人的硬件团队这是现成的意图理解层做后台系统的可以拿它抽取发票和订单做 App 的可以给它加一个不联网的语音入口。普通用户呢去官网玩两把就够了你会对端侧 AI这四个字有完全不同的体感。顺带一提代码仓库用的是 Apache-2.0 许可商用友好这也是它在开发者圈子里扩散得快的一个隐形推手。五、这场刷屏给我们的三个启示回头看这两周Needle 的传播路径其实很标准技术社区给可信度GitHub 榜单给势能大众媒体给想象力。而它踩中的那几个点值得所有做端侧项目的人抄作业一是把参数翻译成画面。8MB是数字手表上跑 AI是画面后者才能被转发。二是留一个能被验证的入口。网页 demo 比一万字架构说明都管用因为读者可以自己试错。三是讲清楚边界。它不会聊天它只负责把话变成动作——这种主动缩小的定位反而让人更信。至于下一波谁会被带火我猜会是端侧的语音和视觉当听得懂、看得见也能塞进几十兆的文件里手机、耳机、门锁、玩具全都要重做一遍。最后抛个问题给大家如果明天你的手机里就住着一个 14MB、完全离线、不联网也能干活的小助手你最想让它替你做的第一件事是什么【免费下载链接】needleAutomation foundation model for tiny devices: 2-bit, 8-29 MB, tool calls, ASR, structured extraction and embeddings on phones, wearables, smart homes, robots, cars and microcontrollers.项目地址: https://gitcode.com/GitHub_Trending/needle20/needle创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 
长河君 · 2026/10/24 9:45:58 · 阅读 1.2k 从 GitHub 周报角落到公众号刷屏：一个 14MB 的 AI，两周内怎么把手机手表机器人都带火了
从 GitHub 周报角落到公众号刷屏一个 14MB 的 AI两周内怎么把手机手表机器人都带火了【免费下载链接】needleAutomation foundation model for tiny devices: 2-bit, 8-29 MB, tool calls, ASR, structured extraction and embeddings on phones, wearables, smart homes, robots, cars and microcontrollers.项目地址: https://gitcode.com/GitHub_Trending/needle20/needle最近两周做硬件的、写代码的、甚至只刷公众号的朋友大概都在同一个名字上撞了车——Needle。它第一次出现在中文互联网还只是 CSDN 一篇《GitHub 周刊》榜单里的一行小字和 public-apis、MoneyPrinterTurbo 挤在一起标签是端侧 14MB 模型。没几天技术号开始一篇篇拆它的引擎怎么桥接、离线怎么部署再往后标题就变成了让手机、手表、机器人跑起 AI Agent。同一个项目两周之内换了三张脸。这事儿挺值得复盘一个开源项目是怎么从榜单里的一个数字变成人人都能转发的故事的一、先复盘这两周它到底是怎么火起来的传播的第一站是数字。8 月中旬第一批中文技术文章盯上的是它的桥接——说白了就是怎么用三个简单的接口把这个小引擎塞进 Python 程序里。这类文章阅读量并不炸几百到一千出头但收藏率不低评论区都是同行在问能不能跑在 XXX 上。第二站是榜单。9 月初的 GitHub 周刊把 Needle 和几个热门项目放在同一周推荐关键词非常统一端侧、14MB、工具调用。对天天刷趋势榜的人来说这一行信息足够触发好奇——毕竟大家见惯了几个 G 的模型突然冒出来一个还没一张照片大的。第三站才是真正的刷屏。到了公众号和头条技术细节几乎被全部拿掉只剩下三个画面手机、手表、机器人。标题从14MB 推理引擎变成让手表也能跑 AI Agent转发量立刻不一样了。因为前两个标题只有工程师看得懂第三个标题普通人脑子里马上有画面。有意思的是这一路的关键词也在悄悄变形14MB → 端侧 → 手机手表机器人 → 自动化基础模型。前两个是参数后两个是场景。而真正让人愿意点开的永远是场景。还有一个细节挺能说明问题早期全网都在传14MB那其实是上一代 Needle 2 的身材4500 万参数、单个文件 14MB、运行时内存约 28MB。到了最新的 Needle 3官方把体量做成了一个区间——8 到 29MB你可以按设备能力挑不同层数的版本完整权重文件是 35MB而真正干活的引擎还不到 1MB。数字变了故事没变。传播靠的从来不是精确而是那个小得离谱的冲击力。二、它到底是个啥一句话AI 界的翻译官很多人第一反应是又一个聊天机器人不是。你可以把它想象成一个只背菜单、不背百科的服务员。它不会跟你聊人生、写诗、编段子但它特别擅长一件事听你说一句人话然后准确翻译成 App 能执行的动作。你说把卧室灯调暗到 20%顺便把前门锁上。它不会回你一段解释而是直接给出两条指令调灯、锁门参数一个不差。你的程序拿到这两条指令照着执行就行。这就是所谓的工具调用。它更像是 AI 和 App 之间的接线员而不是坐在你对面聊天的那个 AI。除了接线它还会两手活一是结构化提取。你把一封乱七八糟的酒店确认邮件丢给它它能给你抽出确认号、入住日期、离店日期、总价规规矩矩填进表格。发票、订单、通知、表单都是它的主场。二是听声音。它有个同门兄弟叫 Whistle一个 16.9MB 的语音识别模型英文、德文、法文、西班牙文、意大利文、荷兰文、波兰文都能听一段 30 秒内的录音一次过。更妙的是这俩共用同一套引擎——声音进去指令出来中间不用来回倒手。对着手表说一句关掉厨房的灯它直接给出关灯指令全程不联网。三、到底有多牛三个让人服气的点第一小到可以塞进你想不到的地方。官方给出的适配清单很长苹果电脑、Windows、安卓、iOS、watchOS、tvOS、树莓派、RISC-V甚至还有摄像头和路由器上常见的 MIPS 架构以及浏览器里的 WebAssembly。换句话说它不挑设备。一台树莓派 5 上官方说每秒能解码约 4000 个词元、预填充约 1 万个——这个速度放在云端不算什么但放在一块几十块钱的开发板上就有点吓人了。第二它不敢乱来。这一点特别值得说。市面上不少小模型最让人头疼的是它不懂装懂你问它有没有打开空调的功能它硬给你编一个。Needle 的设计思路正相反——没有对应工具就返回一个空列表。不是猜一个最像的是老老实实交白卷。它还会给每次判断打一个 0 到 1 的置信度分。分数太低引擎会直接把这次调用扣下交给你去跟用户确认。更细的是它要求参数必须能在你说的话里找到出处你说三个人它就不会给你填四个你没提日期它不会自己编一个。对做产品的人来说这比聪明重要得多。一个会犯错的助手是负担一个知道自己不知道的助手才是工具。第三它能被教成你家的专属模型。这是我觉得最被低估的一点。它天生带一个梯队结构2 层、4 层、8 层、16 层、20 层每一层都能单独拿出来部署。设备弱就选小的设备强就选大的。更关键的是拿你自己的业务数据微调一遍效果会跳一大截。官方在 DroidCall 这个手机操作测试集上给出的数字是每个尺寸都能涨 18 到 36 分。其中最小的 4 层版本只有 2900 万参数微调后拿到 62.5 分超过了云端大模型 DeepSeek V4 Flash 的 60.5 分。在更贴近日常的 Mobile Actions 测试里它最大的版本拿到 86.0 分云端大模型是 88.4 分而苹果自带的那颗 30 亿参数端侧模型是 57.6 分。差距当然还在但请注意体量一个 1.2 亿参数的模型追着一个云端巨无霸跑还没把数据传出去。四、普通人怎么上手门槛比想象中低如果你只是想看看它长什么样最省事的办法是打开官方网页 demo。里面准备了十几个场景智能家居、机器人、相册整理、设备控制、邮件信息提取、汇率换算、酒店订单提取、情绪分类还有一个专门演示12 个工具里挑对那一个。点一下智能家居输入框里已经躺着一句现成的话按下运行屏幕上就会蹦出它拆解出的动作。你再点离题测试让它写一首关于月亮的诗它会干脆利落地告诉你没有可调用的工具。这种现场翻车和现场成功都能看到的设计其实是它能在社区里传开的重要原因——不用装环境不用配显卡打开就能验货。想正儿八经用起来也就一条安装命令的事然后在本地启动一个网页控制台浏览器里就能玩。它跑在 CPU 上不需要独立显卡连微调都能在你的笔记本上做官方提供了本地训练和云端托管两条路。至于适合谁做智能家居、穿戴设备、车载、机器人的硬件团队这是现成的意图理解层做后台系统的可以拿它抽取发票和订单做 App 的可以给它加一个不联网的语音入口。普通用户呢去官网玩两把就够了你会对端侧 AI这四个字有完全不同的体感。顺带一提代码仓库用的是 Apache-2.0 许可商用友好这也是它在开发者圈子里扩散得快的一个隐形推手。五、这场刷屏给我们的三个启示回头看这两周Needle 的传播路径其实很标准技术社区给可信度GitHub 榜单给势能大众媒体给想象力。而它踩中的那几个点值得所有做端侧项目的人抄作业一是把参数翻译成画面。8MB是数字手表上跑 AI是画面后者才能被转发。二是留一个能被验证的入口。网页 demo 比一万字架构说明都管用因为读者可以自己试错。三是讲清楚边界。它不会聊天它只负责把话变成动作——这种主动缩小的定位反而让人更信。至于下一波谁会被带火我猜会是端侧的语音和视觉当听得懂、看得见也能塞进几十兆的文件里手机、耳机、门锁、玩具全都要重做一遍。最后抛个问题给大家如果明天你的手机里就住着一个 14MB、完全离线、不联网也能干活的小助手你最想让它替你做的第一件事是什么【免费下载链接】needleAutomation foundation model for tiny devices: 2-bit, 8-29 MB, tool calls, ASR, structured extraction and embeddings on phones, wearables, smart homes, robots, cars and microcontrollers.项目地址: https://gitcode.com/GitHub_Trending/needle20/needle创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考