AIニュース

MAI-Transcribe-2-Streaming 是微软推出的首个实时流式语音转写模型，能在讲话进行时持续输出文字，覆盖 60 种语言并自动检测语言切换，首批文本延迟低至数百...

Nano Banana 2.1 是 Google DeepMind 推出的图像生成与对话式编辑模型，属 Gemini 3 系列，底层基于 Gemini 3.6 Flash。Nano Banana 2.1支持 1K/2K/4K 输出、...

Ling-3.1-flash是蚂蚁集团百灵团队推出的新一代大模型，总参数约560B、单Token激活25B，上下文窗口达1M。Ling-3.1-flash采用混合线性架构，专为真实世界长流...

ema-lightning 是一个土耳其语文本转语音项目，由 canberkkkkkk 维护，采用 apache-2.0 许可。据项目自述，它由 5.6M 参数的 DiT 声学模型与 3M 参数的声码器组成，合计约 8.6M 参数、约 34 MB，支持 GPU 或 CPU 离线运行，并提供整段合成与流式输出两种调用方式。

embeddinggemma-2 是 Google 在 Hugging Face 上发布的 Apache-2.0 多模态嵌入模型，把文本（含代码）、图像、视频和音频映射到同一个 768 维向量空间。项目自述总参数量 740M，支持 8K 上下文与 MRL 维度截断，面向端侧检索、RAG、分类与聚类等场景。

artex-ko 是 Autumn-27/ARTEX 的韩语本地化分支：由 LLM 多智能体自主执行渗透测试，Go 单二进制内嵌 Next.js 前端，数据存于 PostgreSQL。据项目自述，它保留内部推理提示原文，只把面向用户的产出强制为韩语，并补充了韩国法律提示。仓库尚无正式 release，许可证为 AGPL-3.0。

ai-model-world 是维护者 liyupi 开源的一个 AI 模型可视化项目，用像素小镇的形式呈现数百个大模型的格局、能力与演进。本文依据官方仓库信息与项目自述，介绍它的维护状态、主要能力、使用入口与许可边界。

WechatVibe 是一个 Windows 桌面客户端，只读读取本机已登录的微信 4.x 数据，分析聊天中的情绪与意图，并生成人物画像、好感度、MBTI 聊天推测和群聊画像。默认使用本地 Laya ONNX 模型在本机推理，也可接入 Anthropic、Responses、Chat Completions、Gemini 或 Ollama 兼容接口。项目由 tswawa 维护，采用 Apache-2.0 许可。

is-gpt-nerfed 是一个 macOS 上的 Codex 插件与菜单栏应用，用来核对你选定的模型是否真的在应答。它读取 Codex 自身的会话记录，并通过随机数指纹探测判断模型是否被静默替换、推理强度是否被调低。项目由 kiyoakii 维护，MIT 许可，截至 2026-10-07 获得 243 星标。

mu 是一个建立在 pi 之上的编码智能体项目，核心思路是把「该不该做」这类与代码无关的判断交给一个小而快的裁判模型，让大模型专注写代码。据项目自述，它在一轮对话中设置了 38 个决策点，覆盖输入解析、上下文取舍、工具安全、记忆管理与多智能体协作。项目由 qybaihe 维护，MIT 许可，截至 2026-10-06 获得 376 星标，尚无正式 release。

whistle 是 Cactus-Compute 发布在 Hugging Face 上的语音识别模型，采用 apache-2.0 许可，整个模型是单个 16.9 MB 文件，与 Needle 共用同一 CPU 推理引擎，无需 GPU 与额外依赖。据项目自述，它支持转录、词级时间戳与语音嵌入三项端侧任务，覆盖七种语言。

IQuest-Q1 是 IQuestLab 发布在 Hugging Face 上的 MoE 文本生成模型，据项目自述面向智能体编程、推理与多步工具调用。本文整理其维护状态、自述能力、部署入口与许可限制。

Glyd 是一个面向大模型推理的无损压缩项目：它把 bf16 模型的权重和 KV 缓存以更少的比特保存在 GPU 显存中，在模型运行时还原出精确的原始数值。项目自述称，同一模型大约只需三分之二的显存，从而能塞进更小的 GPU，或在同一张卡上服务更多请求。除 GPU 侧组件外，它还包含一个 Rust 编写的通用无损压缩库与命令行工具。

Simreal-MLBench 是 Simreal-AI 开源的一套机器学习研究智能体评测环境，公开 60 项任务目录、评测协议、评分代码与客户端 SDK，采用 Apache-2.0 许可。评测运行时与官方评分通道由 Simreal 以商业服务方式运营，仓库本身是该项目公开的最小切片。

AIKON 是一个面向诺基亚 Series 40 与 Symbian S60 功能机的 AI 聊天客户端，由 Java ME 手机端和一个 Go 服务端组成。手机端按会话选择模型，支持网页搜索、阅读模式、语音消息与拍照提问；服务端负责终结 TLS、转发各家模型 API 并保存会话。项目由 emir 维护，MIT 许可，最新版本 v0.18.4。

whirl 是 whirlchat 开源的全栈 AI 聊天应用，采用 Next.js 与 Convex 构建，代码以 MIT 许可完整公开。据项目自述，它把多家模型接入同一会话，并提供可编辑的「活文档」、长期记忆、MCP 工具集成与本地加密的锁定会话。本文整理其维护状态、主要能力、自托管入口与许可边界。

answer-me-with-html 是一个面向 AI 编程 Agent 的技能：模型只写内容草稿，随技能附带的 CLI 在约 50 毫秒内把它渲染成排版好的网页，而不是让模型逐行手写 HTML 和 CSS。项目由 QingYunA 维护，MIT 许可，截至 2026-10-04 星标 824，尚无正式 release。

ai-memory-skillpack 是维护者 tudoumashu 发布的一套项目记忆技能包，面向 Codex CLI，用一套「宪法」、可由代理执行的安装器和失败即关闭的校验器，把仓库记忆限制在固定字节预算内。据项目自述，它把交接笔记压缩成单页快照，按 HOT / WARM / COLD 分层读取，并禁止把密钥写入记忆文件。

LLM2Jev 是一个独立开源项目，目标是让本地文本与视觉语言模型以 Jev 风格的结构化方式做决策：只做 prefill、从 logits 直接算概率并组装结果，不逐 token 解码。它支持 SGLang、Transformers 与 Apple Silicon 上的 MLX 后端，可通过 Python API 或 HTTP 服务调用，并支持文本与图像混合输入。

Index-Translate是B站Index LLM团队开源的多语言翻译模型家族，基于Qwen3.5构建，采用Apache-2.0协议。文本模型覆盖150种语言，提供2B/9B/35B-A3B三种规模，...

Gemini 4 Argon是谷歌DeepMind推出的新一代前沿大模型，主打复杂长周期工作流，覆盖软件工程、金融法律等企业知识工作及网络安全防御。Gemini 4 Argon最大亮...

OpenViking是字节火山引擎开源的AI Agent上下文数据库。OpenViking将Agent的记忆、知识RAG和技能统一组织在自定义的viking://虚拟文件系统中，Agent可像操作...

VisionHOPE 是维护者 PSRben 在 Hugging Face 上发布的视觉骨干预训练权重集合，覆盖 ImageNet-1K 分类、COCO 检测与实例分割、ADE20K 语义分割三类任务，提供 T/S/B 三个规模。仓库采用 MIT 许可，截至 2026-10-03 近 30 天下载 1279 次、点赞 376。

blitzstrike 是维护者 shinthink 以 MIT 许可开源的 MCP 服务器，用 TypeScript / Bun 实现，把侦察、源码分析与验证三层渗透测试方法论封装成可调用工具，供 Claude Code、Cursor 等任意 MCP 客户端驱动。项目自述强调「扫描命中只是假设，实弹验证才是结论」，主张在报告前完成实时确认。