Baidu 開源 Unlimited OCR 2,面向數百頁文件解析
Baidu 開源了 Unlimited OCR 2,這是一款 3.34B 參數、採用 MIT 授權的 OCR 模型,可在單次請求中解析數百頁文件。模型以 SR-SWA 固定 512-token 參考集控制逐步解碼成本,最大位置長度為 131,072 tokens。
Baidu 開源了 Unlimited OCR 2,這是一款 3.34B 參數、採用 MIT 授權的 OCR 模型,可在單次請求中解析數百頁文件。模型以 SR-SWA 固定 512-token 參考集控制逐步解碼成本,最大位置長度為 131,072 tokens。
vLLM Semantic Router 團隊發佈 d3-ultra,一款採 Apache-2.0 授權的 27B 多模態決策模型;模型不生成文字,而是一次讀取輸入並為各問題的答案輸出概率。
開發者打造 PHANTOM Terminal,讓用戶在本機體驗以 AI 生成怪談的終端介面。它設有終端怪談、鬼故事和記憶檔案三種模式,預設使用 Qwen2.5 3B,透過 Ollama 在本機推理。應用程式不會自動讀取 Shell 歷史或執行指令;Ollama 無法使用時,亦可透過離線範本瀏覽介面。
Toolgrain 將 MCP 工具設計為獨立定義,與伺服器及傳輸方式分開,讓同一工具定義可在不同伺服器重用。工具定義包含描述、Zod schema 和處理器;伺服器負責註冊工具,並驗證輸入和輸出。目前實作支援 stdio 和以 JSON 回應的獨立 HTTP POST,原始碼採用 MIT 授權。
Séance 是以 Gemma 4(E4B)和 Ollama 建構的離線互動工具,讓用戶向 COBOL、Fortran、ALGOL 60、Pascal、BASIC 或 Flash 提問,並為這些語言留下紀念短箋。模型在本機運行,不需雲端或 API key;下載模型後即可離線使用,紀念短箋不會傳送至用戶無法控制的伺服器。
Imagination 在 RISC-V 中國峯會分享 GPU 開源驅動及軟件棧進展,持續推進 GPU 驅動、編譯器和 RISC-V 平台適配。PowerVR DRM 驅動已進入 Linux 內核上游,Mesa 用戶態 Vulkan 驅動已開源;BXM-4-64 已實現 Vulkan 1.2 開源支持並完成相關一致性測試。來自 E 系列的神經計算核心性能最高可達 200 TOPS,具體取決於配置。
Agent 安全週報 4 整理 2026 年 10 月 19 日至 25 日的多宗事故,聚焦攻擊者利用智能體及開源工具發動網絡攻擊。Cairn 智能體曾嘗試攻擊逾 1,200 個網站,並接觸到逾 100 間公司的網站;ARTEX 被用於 ConnectWise 供應鏈攻擊,LiteLLM 1.107.0 亦出現惡意版本。
作者透過研讀 DSPy 開源框架的原始碼、追查架構並嘗試製作示範,探索提示詞以外的語言模型應用開發方式。過程涵蓋 Signatures、Predict、ChainOfThought、模組組合及 BootstrapFewShot,期間遇上設定錯誤,並讓語言模型在本機運行。
作者開發 Wayback Séance,讓用戶根據 Internet Archive 的網站快照,與已停運網站對話。工具以本機開源權重模型生成回答,為每項陳述附上日期和存檔引用;找不到依據時,則回覆不記得。項目透過 Ollama 執行 Gemma 4 E2B,並以 nomic-embed-text 檢索段落,再由程式檢查引用是否有效。
GhostWriter AI 是一款以本地 AI 生成恐怖故事的工具,讓用戶輸入故事構想及選擇氣氛,再由本地運行的模型創作故事。項目計劃使用 Python、Ollama、Qwen2.5 和 Streamlit,避免依賴託管推理 API;模型下載及本地環境設定完成後,生成故事可在沒有網絡連線的情況下進行。
The Last Directory 使用本地運行的 Spark-X2.6-4B,將虛構檔案索引改編成三段鬼故事場景。每段場景均附有來源標記,方便檢視引文與原始檔案;園景故事有兩項引文檢查未通過,作品亦未經獨立評估。
文章列出 5 款可在本地運行、用以取代昂貴雲端 API 的 AI 工具,並以 Ollama 和 llama3.2 示範在 MacBook 上執行模型。文中列出 llama3.2、codellama、mistral、phi3 和 gemma2,並稱使用這套技術堆疊建立了 45 款工具,全部免費、本地運行及開源。
ECHOES 是一款開源的本地 AI 伴侶,讓開發者輸入或貼上 shell 指令,由本地開放權重模型將指令視為純文字,生成詭異評論及恐怖故事。它支援透過 Ollama 執行 Qwen 2.5、Qwen 3 和 Llama 3.1,並以 SQLite 儲存工作階段記錄;所有指令均不會執行。
Ofrenda 是為 Hacktoberfest Open-Source AI Challenge 打造的私隱優先、離線優先記憶保存工具,可把摯愛者的故事、喜好和重要日期整理成紀念卡及數碼亡靈節祭壇。它在瀏覽器本機儲存記憶,無須帳戶或資料庫,並以可替換的本機模型介接器連接 WebLLM、llama.cpp 等模型或本機推理伺服器。
Oliver Newth 介紹 Elephant-Goldfish Model,這套由他與 Google 小組共同開發的開源工作流程,涵蓋構思、設計、審查、處理審查結果,以及檢查程式碼是否偏離設計。
Trailside Birder 是一款為觀鳥者和自然愛好者設計的離線 AI 助手,結合本地大型語言模型與 BirdNET 辨識鳥類,並提供生態資訊。應用以開放權重模型在裝置上推理,毋須依賴雲端 API 或流動網絡,適合在偏遠環境使用。
Ghost in the Machine 是一款以開源 AI 驅動的恐怖故事生成器,用戶可輸入提示詞、選擇背景設定,由模型生成帶有陰森氛圍的故事。項目採用開放權重語言模型。文章指出,這類模型可讓開發者更靈活地更換或自訂模型,並選擇在本機進行推理,減少對單一專有 AI 服務的依賴。
Ecos 是一款以 Transformers.js 3.8.1 和開源多語言 MiniLM 建構的瀏覽器文字記憶檔案庫,可按語意搜尋,同時保留原文段落及有爭議或未明的日期。搜尋在瀏覽器內執行,故事文字不會傳送至推理服務;Ecos 不會替記憶者裁定不同説法何者正確。作者以 12 條英語及葡萄牙語查詢測試模型,10 條的預期記憶排在首位;這是小型自製實驗,並非通用準確度評測。
阿里通義實驗室宣佈 Qwen3.8 全系列開源,涵蓋 1.5B 至 72B,並公開權重、訓練資料及評估報告。文章稱,模型在 HumanEval 和 MBPP 的程式碼生成準確率達 90%+,原生支援 128K 上下文窗口。Qwen3.8 支援手機至伺服器部署及 HuggingFace Transformers、vLLM、Ollama,私有化部署成本降低近 80%。
作者整理了 8 個開源 LLM 項目,涵蓋模型微調、評估與部署,智能體框架、語音合成、影片配音、羣組聊天及客服。項目包括 Oumi、PocketFlow、F5-TTS、VideoLingo、LangBot、HuixiangDou、Chatwoot,以及以 DeepSeek 摘要書籤的個人流程。
Ishan Gautam 分享開源聽寫應用 Talvio 的開發經驗,並整理開發時遇到的 5 個問題及處理方法。內容包括把視窗操作排入主執行緒、避免浮動視窗搶焦點、將語音引擎移至獨立程序、原子寫入設定檔,以及使用 minisign 簽署自動更新。
作者製作本地命令列工具 Dead Deal Seance,重算投資者放棄或失去的房地產交易,並由本地 Gemma 為每宗交易撰寫「鬼魂」悼詞。Python 負責計算及排序,模型不會左右評級;以 gemma3:4b 處理 11 宗虛構交易的示範中,結果為 6 宗值得再看、1 宗利潤空間偏薄、4 宗不予考慮,整次執行在 CPU 上約需 213 秒。
本月 GitHub 熱門 Agent Skills 榜單聚焦 5 個開源儲存庫,涵蓋工程規範、安全審計、SEO 診斷、技能索引及 AI 搜尋優化。mattpocock/skills 有 38 個 SKILL.md 檔案;seo-audit-skill 的 --format llm 可將全站診斷壓縮 50%–70%。榜單反映 Skills 正轉向工程規範、安全檢查及面向 LLM 的精簡輸出。
菲爾茲獎得主鄧煜批評 AI 公司以防蒸餾為由拒絕公開思維鏈,認為公司不應一面蒸餾全人類知識、一面阻止外界瞭解其思維鏈。他提議開源數學模型,讓數學界掌握自己的模型,並按學術規範處理數據使用、思維鏈公開及可追溯性。另有 25 位菲爾茲獎得主作為最初簽署人,於當地時間 9 月 11 日聯合發表聲明,警告 AI 公司與數學共同體出現嚴重錯位,並指出倉促發布的 AI 解答帶來署名及抄襲問題。
菲爾茲獎得主、芝加哥大學數學系教授鄧煜批評 AI 公司以防蒸餾為由拒絕公開思維鏈,認為公司不能一面蒸餾全人類知識、一面拒絕公開相關資訊。鄧煜提議開源數學模型,並按學術規範處理數據使用、思維鏈公佈及可追溯性。
10月26日,菲爾茲獎得主鄧煜呼籲開源數學專用 AI 模型,並主張 AI 在數學研究中應作為工具而非主體。鄧煜批評部分 AI 公司以「防蒸餾」為由拒絕公開 AI 證明的思維鏈,認為此舉違背學術規範。他提議由數學界自主掌控模型,並落實數據使用、思維鏈披露及可追溯性等準則。
MAYHEM 是一款開源瀏覽器怪物收集與回合制對戰遊戲,玩家可上載圖片建立怪物、組成三隻怪物的小隊,並與對手交戰。遊戲以 AdaL 輔助開發,並整合 Cloudinary 管理怪物圖片上載、轉換及傳送。遊戲可在桌面、平板及流動裝置上遊玩,無須安裝或帳戶。
AI Agent Skills 除了掃描安裝前的安全風險,也需要 Registry 管理技能的整個生命週期。iflytek/skillhub 是自託管開源的 Agent 技能 Registry,提供語義化版本管理、RBAC 權限控制及完整審計日誌;iflytek/iFly-Skills 則提供語音識別、OCR、翻譯、校對及多模態技能套件。
Hob 是免費開源、可在用戶電腦離線使用的 Claude 和 ChatGPT 替代方案,支援填寫 PDF 及處理文件。它會選擇適合該電腦的前沿開放權重模型並完成設定,提供 Mac、Windows 和 Linux 版本。
2026全球治理論壇(雄安)發佈《論壇願景文件》,彙集來自97個國家和國際組織的代表對全球治理的共識與願景。文件主張維護聯合國核心作用、推進多邊合作,並就發展、氣候、貿易、金融、人工智能、網絡和外空治理提出建議。
SkillSentry 作者 Ulk0r0 在 v0.6.1 修正文件網址觸發誤報的問題,令良性 llms.txt 的結果由約 30 項低風險發現降至零項,風險值為 0。
作者在 RTX 3090 上以 8B 本地模型實作推理時擴展,透過多次抽樣配合自一致性投票或外部驗證,提升可驗證任務的答案準確度,毋須重新訓練模型。使用 llama.cpp 的 8 個並行 slot 時,生成 500 個 token 的 8 個並行請求約需 8-9 秒,單一請求約需 5 秒。文章亦提供答案正規化、以一致率作信心值和程式碼沙盒的做法,並説明開放式任務及較弱模型不適合直接採用。
crawlengine-mcp v1.0.3 是一款在 PyPI 發佈的開源 MCP 伺服器,指南説明如何用它協助 AI 智能體爬取 Cloudflare 保護的網站及載入 SPA 動態內容。
BeeLadybug 開源除錯工具在 0.6.1 版新增 exportReport(),可將錯誤、警告、核心日誌及各介面卡的快照整理成 HTML 報告,亦支援 JSON 和 CSV。報告可透過 F8 或 EXPORT 按鈕匯出;無介面模式下,函數會直接返回資料,不會下載檔案。
科技業由開放協作轉向封閉平台與企業集中控制,開發者也在逐步妥協中失去對創新方向的影響力。文章指出,當 AI 主要被用作削減成本、製造合成內容和集中權力的工具,技術進步便未必能回應社會需要。開發者可透過支持真正的開源、採用互通協議和本地優先軟件,抵抗封閉生態。
開發者建立 GhostShell,一款以本地 AI 運行的終端機助理,可解釋終端機指令及生成以軟件開發為題材的驚悚故事。它使用 Ollama 提供本地模型服務,並以 Llama 3.2 生成回應,後端採用 Python 和 Flask。提示詞可在用戶的電腦上處理,但效能取決於硬件,較大型模型亦需要更多記憶體和運算能力。
Ofrenda 是一款本機工具,讓 Gemma 3 根據沉寂程式碼庫的紀錄,以該程式碼庫的口吻作答。伺服器會剔除模型虛構的提交識別碼,沒有有效引用時便不生成追憶內容。工具不會傳送差異檔,下載模型權重後毋須連接網絡即可運作。
EchoVault 是一個開源 AI 記憶檔案庫,讓用戶保存、整理及搜尋個人故事,並透過語音轉錄和摘要協助重温回憶。系統以本機運行的 OpenAI Whisper 轉錄支援的錄音,再由開放權重 Gemma 提取摘要及資料;本機架構可減少向外部 AI 服務傳送資料的需要,但不保證應用程式完全離線。
Swarnnim Agnihotri 開發了 DiffScribe,一款在本機讀取 Git diff、草擬 conventional commit 格式提交訊息及變更日誌條目的命令列工具,使用由 llama.cpp 執行的 Qwen2.5-0.5B-Instruct。
seance 是一款 Python CLI,可讓用戶向 COBOL、FORTRAN、BASIC 或 ALGOL 提問,並以各語言的風格獲得回答。它透過 Ollama 在本機使用 Gemma;無需帳戶或 API 金鑰,問題不會離開用戶的裝置。模型無法連線時,程式會以確定性離線備用模式回覆,並標示回覆來源。