AI 资讯

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。

Grok 4.7 是 SpaceXAI 推出的最新旗舰大模型，定位为最强编码与知识工作模型。模型换用更大的基座模型，强化长程任务、自我验证与长上下文管理能力，在 Curso...

Hy Image3.5 preview是腾讯混元推出的高性价比专业级生图模型，支持文生图与图生图，可上传最多5张参考图，输出最高2K分辨率，支持多轮对话式连续创作编辑。

AliceAI-Foundation-80B-A3B-Base 是 Yandex 在 Hugging Face 上开源的基础语言模型，采用混合架构与 MoE 层，总参数 80B、每 token 激活 3B，支持最长 262144 token 上下文，许可证为 apache-2.0。本文按官方接口信息与项目自述整理其架构、能力、使用入口与限制。

MiMo-V2.6-Flash-RL 是小米 MiMo 团队发布在 Hugging Face 上的文本生成模型，采用 MIT 许可，基于 transformers 框架。据项目自述，它是 MiMo-V2.6 系列中效率均衡的检查点，主打把强化学习算力、环境多样性与评分算力一起放大，让模型通过探索与反馈持续扩展能力边界。

Jev Search 是 Search1API 团队开源的 AI 搜索引擎，基于 TypeSafe 的 Jev 模型。用户用大白话提问，Jev 能自动理解意图、选择来源、限定时间并生成查询词，S...

opengrok 是 OnlyTerp 维护的 MIT 项目，定位为已有 Grok Bot 安装的配置侧车：它写入模型绑定、线协议映射与健康检查工具，让 Claude、GLM、Qwen、Gemini 等模型能在 Grok Bot 内被选择与切换。项目自述强调每条线协议结论都经过抓包验证，并提供 LiquidGlass 面板、更新后自动重注入与诊断脚本。

jev-chat-jarvis 是 jev-chat 组织开源的 Android 聊天辅助工具，通过系统无障碍服务读取屏幕上正在显示的对话，先判断对方真实意图与危险等级，再起草 3 条候选回复填入输入框，发送权始终留给用户。项目以 MIT 协议开源，最新版本 v1.3。

WebCraftBench 是腾讯混元联合清华、北大推出的 AI 网页生成评测基准。WebCraftBench先给生成应用自动插桩，让智能体通过 Playwright 实际操作网页探索功能，...

Laya 是开源的非自回归AI决策模型。模型不做文本生成，基于 ModernBERT/mmBERT 双向编码器，对一段文本加类型化问题只做一次前向传播，约 33ms 输出结构化结...