AIニュース

dscode 是维护者 qiz029 开源的终端编码智能体，面向 macOS，构建在 DeepSeek Harness 之上。它用一个常驻 shell 读写代码、运行测试，并让 TUI、CLI 与脚本共享同一套会话运行时。项目采用 MIT 许可，截至 2026-09-27 在 GitHub 上获得 599 星标。

second-brain-os 是维护者 undefined-ui 在 GitHub 上开源的一套「第二大脑」方案：用纯 Markdown 文件承载知识库，由 AI 代理负责归档、链接与维护。仓库提供指南、vault 模板、代理技能、斜杠命令与脚本，采用 MIT 许可证。截至 2026-09-27 星标 681，尚无正式 release。

short-video-generator-AI 是维护者 yukitorido 发布的开源项目，目标是把 YouTube 长视频自动处理成可直接发布的 9:16 竖屏短片。据项目自述，它集成了高光片段检测、字幕转写、翻译与配音等环节，并提供 CLI、本地网页界面和 API 三种入口。项目采用 MIT 许可证，截至 2026-09-26 星标数为 714，尚无正式 release。

magpie 是 yetone 维护的开源小工具，把机器上每个 AI Agent 当前使用的模型集中到一个界面里，点一下就能换。它同时提供菜单栏应用、普通窗口、终端 TUI 和 CLI，并内置本地网关，让 Codex、Claude Code、Gemini CLI 等 Agent 共用一份模型目录。

Spark-ASR-2.0是讯飞基于星火语音基座大模型Spark-Audio的最新一代语音识别大模型。模型采用'非自回归+LLM增强自回归'协同架构，实现中英文混合、方言、专业...

Ok Work 是百度推出的轻量化AI随身办公工具，主打碎片化办公场景。Ok Work 集AI PPT、AI写作、AI表格、AI生图四大功能于一体，内置海量模板支持做同款。

GLiNER2.5-Decide 是 fastino 发布的 GLiNER2.5 系列英文分类模型，采用 apache-2.0 许可。据项目自述，它不依赖提示模板、不生成 token，调用时传入标签集即可完成意图、路由、情感、优先级等分类，单次前向可同时打分多个任务头。

Qwen3.8-Flash-Next 是 Qwen 在 Hugging Face 上发布的多模态模型权重仓库，任务类型为 image-text-to-text，采用 transformers 框架。据项目自述，它是一次围绕混合注意力、门控残差与 N-gram 嵌入的架构实验预览，为后续 Qwen4 探路。仓库采用自定义许可，截至 2026-09-26 近 30 天下载 846820 次、点赞 5703。

Qwen-Audio-3.1 是通义千问推出的语音大模型系列，包含五款模型：ASR 语音识别、ASR-Next 音频理解、TTS 语音合成、TTS-Next 音频创作、Realtime 实时交互，...

Ming-Image-0.1-Design是蚂蚁集团InclusionAI开源的6B图像生成模型，专注设计场景，支持8K长结构化提示词，能端到端生成UI、信息图、海报等完整视觉设计，配...

parakeet-redux 是 moondream 发布在 Hugging Face 上的语音识别模型，把 parakeet-tdt-0.6b-v3 的编码器权重压成 -1、0、+1 三值，体积降到 178 MB。据项目自述，它在多语言与长音频上优于原版，在噪声场景下则明显落后。本文按官方事实表与项目自述整理其状态、能力、调用方式与许可边界。

Audio8-ASR-Infinite 是维护者 Edge0 发布在 Hugging Face 上的原生流式语音识别模型，采用 apache-2.0 许可，基于 transformers 框架。据项目自述，它支持 80/120/160 ms 可选音频时钟与 240–560 ms 可配置转写延迟，配合滚动 KV Cache 可进行不限时长转写，并具备语义 VAD 与中英双语能力。

Step Code 是阶跃星辰推出的开源终端编程智能体，采用 MIT License，可在终端中直接完成代码编写、调试、执行与交付。智能体在 Terminal Bench 2.1 评测中以 ...

Jev 聊天助手是开源的非侵入式 AI 对话助手，可在微信、QQ、X、飞书等聊天时实时辅助回复。Jev 聊天助手通过无障碍服务或离线 OCR 读取屏幕对话，先用判断模...

Nemotron-3-Diarization 是 NVIDIA 发布的开源说话人日志（diarization）模型，用于判断「谁在什么时候说话」，同时支持流式与离线推理，最多可处理八位说话人。模型以 NeMo 框架实现，单一检查点即可覆盖从 0.32 秒到 30.4 秒输入缓冲延迟的多种配置，适合会议转写、通话分析等需要区分说话人的音频场景。

AnyJev 是诺基亚应用研究团队开源的工具，让开放 LLM 通过一次前向计算回答类型化问题，并给出可设阈值的概率。项目自述其 L0 无需标注即可降低选项顺序带来的答案翻转，L1/L2 用少量标注改善校准与准确率。本文据官方接口与项目自述整理维护状态、主要能力、使用入口与许可限制。

Claude Opus 5.5是Anthropic推出的Claude 5.5系列首款旗舰模型，性能对标自家Claude Fable 5.1。模型在Terminal-Bench 4.0（66.4%）、GDPval-AA v2.1（1846 E...

GPT-6 Sol 是 OpenAI 推出的中高端大模型，源自 GPT-6 Astra 底座，将 Astra 的推理、编程、事实性与 Agent 能力下放至更低价层级。模型 API 定价为输入 2 美...

GPT‑6 Luna 是 OpenAI 推出的轻量级模型，与 GPT‑6 Sol 同属 GPT‑6 Astra 的衍生版本，定位高频、规模化任务。模型 API 价格降至输入 0.1 美元、输出 0.5 美...

TeleOCR 是 StarDoc-AI 开源的文档解析视觉语言模型，采用 apache-2.0 许可，在 Hugging Face 上以 image-text-to-text 任务发布。项目自述其约 1.2B 参数，试图在同一框架内同时处理数字文档与相机拍摄文档，并引入多节点共识投票、几何感知建模等训练与数据技术。

MiMo-V2.6-Pro-RL 是小米 MiMo 团队发布在 Hugging Face 上的旗舰强化学习检查点，采用 MIT 许可，任务类型为 text-generation，基于 transformers 框架。据项目自述，该系列围绕「将强化学习扩展到自我改进」构建，模型原生支持文本、图像、视频与音频，上下文长度达 1M tokens，并给出 SGLang 与 vLLM 两种部署方式。

pentest-harness 是维护者 S1N6H 开源的一款 AI Agent 工作台，定位为授权渗透测试、漏洞赏金研究、安全实验室与 CTF 场景下的专业安全测试环境。项目采用插件化架构，模型适配器、工具、会话、设置与凭据均可通过配置替换，并支持接入多家模型服务商的 API。仓库以 MIT 许可证发布，截至 2026-09-23 获得 394 星标，尚无正式 release。

SwarmLLM 是一个把大语言模型按层切分、分发到同一房间内多台设备浏览器标签页上协同推理的开源项目。每台设备只持有模型的一部分层，通过 WebRTC 直连传递约 10 KB 的激活向量，无需安装、无需账号，也没有服务器参与计算。项目由 Nehanth 维护，采用 MIT 许可证，截至 2026-09-23 星标数 435。

Xiaomi MiMo-V2.6 是小米发布并开源的全模态模型系列，包含 Pro 和 Flash 两个原生全模态模型，主打以可验证复杂任务为核心的大规模 Agentic 强化学习。