元空智能推出端侧模型Boxer-35B-A3B-v0-0819、办公Agent元空AI Work和科研Agent元空AI Science，其端侧模型与产品已与惠普Z系列工作站适配，双方签署战略合作备忘录。
AI解读：元空智能这次把三样东西捆在一起发布：端侧模型Boxer、办公Agent元空AI Work、科研Agent元空AI Science。真正落地的是惠普——元空AI Work和35B端侧模型已适配惠普Z系列多款工作站，并开始面向制造、金融、医疗、科研输出行业解决方案。
Boxer没有去卷参数规模，而是押注20B—100B的中尺寸区间。团队的理由很具体：10B以下适合聊天和简单调度，200B以上适合高度开放问题，而办公里做汇报、处理Excel、设计实验这类高频任务，恰好落在中间地带。
数据上，元空自建WorkArena评测中Boxer-35B-A3B-v0-0819得73.1分，对比组第一，领先第二名10.3分；部署侧在40 TOPS算力、不到8GB内存占用下保留87.3%原始任务效果。这是厂商自建评测的成绩，不是第三方独立复现。
对采购方来说，最实际的信号是惠普合作从去年商业订单走到了战略合作备忘录，元空AI后续将跟随惠普不同SKU进入笔记本、工作站、服务器等产品线，并借助现有全球渠道向海外扩展。
需要留意的是，报道中的性能数字均来自元空自建评测，公开的第三方复现或真实企业部署效果数据尚未出现。端侧AI能否长期跑住，仍要看这些设备进入实际业务后的稳定性。
元空智能发布端侧模型Boxer、办公Agent元空AI Work和科研Agent元空AI Science，并宣布与惠普达成战略合作。据量子位报道，元空AI Work及元空AI 35B端侧模型已与惠普Z系列ZGX Nano G1n AI工作站、ZBook 8 G2i移动工作站和Z2 Mini G1a台式工作站完成深度适配，开始面向制造、金融、医疗、科研等领域输出行业解决方案。
元空智能由北大团队创立，2023年以AI Excel产品ChatExcel出圈。此次发布的三款产品从模型、Agent到设备侧形成闭环。
据量子位报道，元空智能与惠普去年已有商业订单并持续共创端侧AI产品，近期双方签署战略合作备忘录。下一步元空AI将跟随惠普不同SKU进入笔记本、工作站、服务器等更多产品线，并借助现有全球渠道向海外扩展。
Boxer押注20B—100B中尺寸区间
元空此次发布的端侧模型Boxer没有追求更大参数规模，而是选择中尺寸区间。团队给出的理由是：10B以下小模型足够轻，适合聊天和简单调度；200B以上大模型能力更强，适合高度开放的复杂问题；而做汇报、处理Excel、设计实验、分析结果这类高频办公需求，任务边界相对明确，却同时考验推理、规划和长链路执行能力，因此落在中间地带。
元空最终押注20B—100B区间，认为这一区间的能力足以覆盖复杂工作，资源开销又能压进PC和实验设备可部署、可持续运行的范围。
能力侧数据来自元空自建的WorkArena评测：Boxer-35B-A3B-v0-0819拿下73.1分，位列对比组第一，领先第二名10.3分；部分任务表现超过一年多前的GPT-4o。部署侧，在40 TOPS算力、不到8GB内存占用下，Boxer保留87.3%的原始模型任务效果。
两款Agent分别面向办公与科研场景
元空AI Work面向办公场景，打通了目标—跨应用执行—结果验证—状态更新—继续工作的闭环。做表、查数据、写文档、做PPT、处理代码和文件等需求，用户只需说清目标，步骤由系统执行。据量子位报道，这套能力可以完整留在本地，断网也能继续工作，复杂任务中断后还能接着执行。
元空AI Science面向科研场景，覆盖文献研究、数据分析、生信和蛋白质工程等任务，并进一步接入真实实验设备，从实验设计、执行到数据回流由Agent串联。
元空给出的说法是，这一设计让科研成果可复刻、可验证、可追溯。其早期产品版图包括AI DataAgent、开源OpenAI4S项目和元空科研实验室e2Sci.com。
Memory记忆飞轮与设备数据逻辑
元空智能提出，大模型从静态互联网数据中获取的增长红利已经见顶，下一阶段能力增量会更多来自真实任务、真实环境和持续交互。团队引用斯坦福《AI Index 2026》报告中的“Peak Data”概念，以及Hugging Face等团队在JMLR发表的研究：超过400次模型训练、最大9B参数、9000亿训练Token的实验中，已有数据重复到一定程度后，继续增加训练计算的收益不断下降。
基于这一判断，元空把设备视为能持续产生稀缺数据的环境。设备站在任务发生的现场，AI执行任务会留下为什么做、怎么做、做成没有三类信息，这些行为轨迹、环境反馈和结果可重新沉淀进后训练、强化学习或记忆系统。
支撑长链路运行的底座是Memory记忆飞轮。任务轨迹、环境事件和用户反馈在执行中持续进入Memory，被重构为任务状态、知识资产和用户偏好，让Agent具备状态恢复、知识复用和偏好学习能力，目标是跨任务、跨设备、跨时间持续运行。
元空将这套逻辑压缩为公式：生产力=元空端侧AI=模型×Agent×设备。该公式及数据红利见顶的判断均为元空方面的观点，量子位在报道中加以引述。