斯蒂文斯理工学院团队提出联邦大模型训练新算法 MEERKAT，仅共享极少量关键参数更新，在降低通信与计算开销的同时提升模型性能和能效。

研究团队提出CompreSSM方法，在训练早期就对状态空间模型进行压缩，在保持性能的前提下显著加速训练并降低资源消耗。

西班牙初创公司Multiverse Computing在压缩多家主流人工智能实验室模型后，发布本地运行聊天应用CompactifAI及自助API门户，面向企业开放其小型压缩模型能力。

研究人员利用控制理论，在训练过程中去除AI模型中的冗余复杂度，降低计算成本，同时保持性能不变。

加州理工学院孵化的初创公司 PrismML 发布 1 比特大语言模型「1-bit Bonsai」。在保持约 80 亿参数规模的前提下，将内存占用压缩到约 1.15GB，可在智能手机等边缘设备上本地运行，并提出以「智能密度」衡量模型效率的新指标。