工具情報 · 2026 年第 26 週

本機巡檢 · 覆蓋過去一週（2026-06-19 → 06-26）· Max 訂閱零計費 · 承重項經 Perplexity + Gemini 第二源校驗 監看 45 個 GitHub repo + 雲端 AI/API + ★替代掃描 + IE 文獻學全景。

🔧 版本更新（可升級）

三項主力工具上游已有新版，建議擇機升級：

• MinerU — 上游已發 3.4.0 系列（版面分析主力），有新版可升。升級前留意配置兼容。release
• Surya OCR — 上游發大版本「Surya OCR 2」（架構升級），建議升級，但升前留意 API 變動。release
• mlx-vlm — 有新版 0.6.3（本地 VLM/OCR 跑批用），建議升級。release

本週新發布、與在用工具相關（按需升級，非必須）：

• llama-cpp-python v0.3.31（06-20）— 本地推理/RAG，含 Apple Silicon 預編譯 metal 輪子。release
• pyannote.audio 4.0.5（06-22，評估中）— 說話人分離/VAD，TTS 數據清洗備選。release
• sherpa-onnx asr-models-qnn-2 / -binary-2（06-24）— 高通 QNN ASR 模型資產，與 Apple Silicon 無關，僅留檔。release

基建類（重大版本才報）：

• 3X-UI v3.4.0 / v3.4.1（06-23/06-25）— 代理面板，連續兩個小版本，可擇機更新。release
• Syncthing v2.1.2-rc.4（06-26）— 仍在 rc 候選階段，等正式版再升。release
• goldendict-ng 每日 alpha 構建（06-22）— 無正式版，跳過。

其餘約 36 個監看 repo 本週無新 release；多個活躍梵語 NLP/轉寫工具採滾動分支、無 tag/release，本週無版本事件。

☁️ 雲端 AI / API 動態

• OpenRouter — 2026-06-24 上架 OpenAI 圖像生成模型 GPT Image 1 / GPT Image 1 Mini（Images API，支持透明背景與至多 16 張參考圖；GPT Image 1 約 $10/1M tokens）。本月稍早另上 ~20 個模型（Claude Opus 4.8、Gemini 3.5 Flash、MiniMax M3 等，前週已報）。models ✓三源證實（Gemini Pro + 第三方報道）
• Azure Document Intelligence ⚠️ — 三個預覽版接口（2024-07-31-preview、2024-02-29-preview、2023-10-31-preview）將於 2026-06-30 徹底退役並終止支持，依賴方須遷至正式版 v4.0（2024-11-30 GA）（追蹤 ID ZQQZ-010）。行動項：確認 OCR 管線未在用上述舊預覽 API 版本（v4.0 GA 不受影響）；該服務另已整體併入 Foundry Tools（更名）。what's new ✓三源證實（Gemini Pro + 微軟官方公告）
• DeepSeek ⚠️ — deepseek-chat / deepseek-reasoner 兩個舊模型名將於 2026-07-24 停用；若有腳本還在用這兩個名稱（非 v4-pro），下月前須改。V4-pro 75% 促銷已於 5-31 結束，現為標準價。本週無新模型、無新調價。docs ✓Gemini 證實本週無新模型
• Anthropic / Claude — Fable 5 / Mythos 5（6-09 發布）仍因美國出口管制叫停、暫停訪問；模型路由維持 Opus 4.8。本週無新模型。news ✓Gemini 證實本週無新模型
• Google Gemini / Antigravity ⚠️（紅線：僅讀公開新聞，未調任何 Google API）— ① Gemini CLI 自 2026-06-18 起停止服務 AI Pro/Ultra 及免費，官方轉向 Antigravity CLI；② gemini-3.x image preview 系列 6-25 下線。依賴 Gemini CLI 入口的零計費第四源工作流須覈查是否受影響。（均前週已報，本週無新增）CLI 轉移公告
• 免費 GPU 平台 — Kaggle（T4/P100 週配額約 30 小時、週六 00:00 UTC 重置）、Modal（Starter 每月 $30 額度）、百度 AI Studio 本週均無公開政策變動。Kaggle/Modal 為單源待核，百度查無公開報道。

⭐ 更優替代掃描

本週新一輪掃描：8 個目標類別均無「本週發布 + 多源交叉 + 可證更優」的新替代（梵語 OCR、天城體 VLM、梵語/巴利/藏語 TTS、梵語 ASR、梵語 NLP/MT、音源分離/去噪/對齊）。仍在觀察的既有候選：

• 天城體 VLM / 密集 OCR：DeepSeek-OCR-2（HF deepseek-ai/DeepSeek-OCR-2，高壓縮密集文本 OCR，非 Google 系可放心試）、Nanonets-OCR2-3B（Qwen2.5-VL 架構，印度多語/多腳本生產級微調）——均可與現用 dots.ocr/Qwen3-VL 做異源互校。DeepSeek-OCR-2
• 梵語 ASR：Vedavani — 吠陀梵語詩律 ASR 基準語料，可作 whisper-medium-sanskrit 的評測/微調數據。arXiv:2506.00145
• 長期觀察（待驗）：Tibetan-TTS（arXiv:2605.02496，2026-05）自稱業界首個大模型藏語 TTS（MOS 4.28–4.35），但僅 arXiv 單源、未見 HF 權重/GitHub 交叉，俟代碼釋出再覈。arXiv
• 旁註留檔：MoScNet（Modi→天城體轉寫 VLM，arXiv:2503.13060），與當前需求不直接相關。

🏛 IE 文獻學新工具/資源（更廣範圍）

本週新增（經 Perplexity 第二源覈實眞實）

本窗口新增量集中在「古典語 VLM OCR 失效診斷 + 結構感知校勘本識別」，多出自同一 HTR 研究組（Clérice / Sagot / Karamolegkou / Angleraud），與梵語 VLM 異源互校制度高度對口：

• Reading or Guessing?（VLM 古希臘 OCR 視覺脫鈎失效） — 證明 VLM 做古希臘校勘本 OCR 時會生成「語法通順但圖上沒有」的眞詞替換、倚賴語言先驗而非看圖；用字級擾動量化，發現專用 OCR 模型 image-gain 極低、近乎不看圖。給出可移植到天城體 VLM OCR 質檢的失效診斷法。arXiv:2605.27750（2026-05-26）✓Perplexity 證實
• Structure-Aware Text Recognition for Ancient Greek Critical Editions — 針對古希臘校勘本（密集 apparatus criticus、旁註、多欄）的結構感知識別，發布 18.5 萬頁 TEI/XML 合成數據 + 眞實掃描基準；微調後 Qwen3-VL-8B 眞實掃描中位 CER 達 1.0%。「TEI/XML 合成頁訓 VLM」可直接挪到梵語批校本 OCR。arXiv:2603.02803（2026-03-02）✓Perplexity 證實
• Samasāmayik — 印地-梵語平行 MT 數據集 — 約 9.2 萬句印地↔︎梵語平行語料，當代語境（教程/兒童雜誌/廣播），CC BY-SA 4.0；補「印地↔︎梵語、當代體」一極，對梵語教學法與現代梵語語料有用。arXiv:2603.24307（2026-03-24）✓Perplexity 證實
• AG-MG — 古希臘→現代希臘平行語料 + MT 基準 — 約 13 萬句對，NMT+LLM 微調基準，附 HF 模型 ilsp/nllb-200-600M-ag-mg-lora；「古→今同語族 MT」方法範本，與文言→白話、梵→現代印地對齊管線同型可借鑒。arXiv:2605.18504（2026-05-18）✓Perplexity 證實

本週另見三條 2-3 月新出、單源待核（未經第二源覈，列作備案）：

• VERITAS — 檔案文獻分析模塊化框架（轉寫+版面+語義四階段，文藝復興編年史較商業 OCR WER 相對降 67.6%），與「按版面塊+保留結構語義」流程同構。arXiv:2603.28108（2026-03-30）⚠單源待核
• Operationalizing Document AI（傳統 OCR + LayoutLMv3 + Donut/Nougat + VLM 統一進生產級微服務），對 MinerU→Azure→VLM 流水線服務化有參考。arXiv:2605.18818（2026-05）⚠單源待核
• SumTablets — 蘇美爾楔形文字轉寫數據集（91,606 塊泥板、~697 萬字符 Unicode 楔形↔︎轉寫對，CC BY 4.0）；非 IE，但對「古波斯楔形」鄰接資源與「glyph↔︎轉寫配對訓練」方法有參考。arXiv:2602.22200（2026-02-25）⚠單源待核

既有發現（前週已列，續觀察）

• MITRA（正式論文） — 巴利/梵語/佛教漢語/藏語平行語料 + 多語預訓練模型（MT + 語義檢索），梵→英主力 gemma-2-mitra-it 即出自此線。arXiv:2601.06400
• SiPaKosa — 僧伽羅語 + 巴利語三藏綜合語料，對巴利數字化直接有用。arXiv:2603.29221
• DohaScript — 大規模多書手連續手寫天城體數據集，可作天城體 HTR 訓練/評測補充。arXiv:2602.18089
• AnciDev — 古天城體寫本 HTR 數據集（500 頁/3000 行）+ 模型，代碼權重公開，與梵語寫本 OCR 直接對口。ACL · GitHub
• Sandarśana（綜述） — 梵語計算語言學與數字基建全景綜述，適合作工具選型參考底圖。ACM
• 古希臘 HTR 規範化（DHTR25） + 中世紀拉丁 HTR（KBLab） — 更廣 IE（希臘/拉丁）寫本 OCR 的標準化與評測動向。DHTR25 · KBLab

IE 比較語言學/詞源庫方向（LIV、Leiden IEED、計算系統發生學）本輪未檢到 4-6 月眞正的新工具/數據集發布，按「寧缺勿濫」不湊數。

📋 清單變動

• 新增在用工具：WeNet ASR — 本機新增 WeNet 語音識別環境，並有「吳語 ASR」工作目錄，§3 監看清單 ASR 節未列。建議納入監看：https://github.com/wenet-e2e/wenet/releases.atom，標 ★（中文方言/低資源 ASR 替代掃描）。
• ChromaDB（評估中） — PyPI 包刷新至 1.5.9，去重游標已更新。

🔎 第二源校驗小結

本週自動校驗已執行（專用瀏覽器內已登錄會話，零按量）：

• Perplexity（Pro 搜索） — 證實 4 條：IE 文獻學的四篇 arXiv 論文（2605.27750 / 2603.02803 / 2603.24307 / 2605.18504）全部眞實存在，並給出 arxiv.org 引用（作者、標題、日期一致）。此即本週最易被抓取階段編造的條目，已逐一坐實。
• Gemini（Pro 檔） — 證實 3 條雲端：OpenRouter 上架 GPT Image 1/Mini（屬實，$10/1M）、Azure DI 三預覽接口 06-30 退役遷 v4.0 GA（屬實，追蹤 ID ZQQZ-010）、DeepSeek/Anthropic 本週無新模型無調價（與本報告一致）。
• DeepSeek（第三家） — 本次未跑：前兩家已對全部承重項形成「原研究子代理 + 一獨立 panel 源」≥2 獨立核覆蓋，且本輪瀏覽器出現一次瞬時掉線，為週報預算與穩定計從略。
• 結論：證實 7 條（4 IE 論文 + 3 雲端）、存疑 0 條、修正 0 條。承重項全部通過。

本週要點：① 三項主力可升級（MinerU / Surya / mlx-vlm）；② 雲端兩條實質新增 —— OpenRouter 上架 GPT Image 1/Mini、Azure DI 三預覽接口 06-30 退役（OCR 管線行動項）；另兩條紅線級提醒延續（DeepSeek 舊模型名 7-24 停用、Gemini CLI 已停 AI Pro 入口轉 Antigravity CLI）；③ 替代掃描本週無料，藏語 TTS 待驗；④ IE 全景新增 4 條已覈論文（古希臘 VLM OCR 失效診斷 + 結構感知校勘本 + 印地-梵語/古今希臘 MT 語料）+ 3 條單源待核；⑤ 第二源校驗本週眞跑（Perplexity 4 條 + Gemini 3 條，全部證實）。