工具情報 · 2026 年第 29 週

本機巡檢 · 覆蓋過去一週（07-10 → 07-17）· Max 訂閱零計費 承重項經 Perplexity + Gemini（Pro Extended）+ DeepSeek（Instant + Search）三家 AI 異源互校

🔧 版本更新（可升級）

雙證確認（releases.atom + 本機環境比對均落後，建議升級）：

• MinerU 4.0.0a1 / 4.0.0a2 — 首個 4.0 alpha 預發布系列（07-14、07-15）：增強 PDF 處理與併發管理、新增重寫過程中跳過損壞頁的能力、ImagePayloadCache 圖像處理。⚠ 屬 pre-release 而非穩定版，生產管線宜先觀望，勿直接上主力。release ✓三源證實
• MinerU 3.4.4（07-10 穩定版）— 增強 PDF 字體分析（新增拉丁與 CJK 字體使用偵測）、加入偏移重複字符偵測以改善文本渲染。這是當前 3.x 線最新穩定版，建議升級。release ✓三源證實
• Surya OCR v0.21.2 — Bump pypdfium2 維護更新；建議升級。release ✓兩源證實
• mlx-vlm v0.6.5 — 新增 deepseek_v3 / deepseek_v32 模型類型、LFM2 移入共享組件模塊並修逐層量化覆蓋、修 MRoPE 解碼位置；建議升級（本地 VLM／OCR 交叉源）。release ✓兩源證實

新版發布（基建／周邊類，本機未直接比對，供留意）：

• 3x-ui v3.5.0 — MTProto 多客戶端（mtg-multi 引擎，每客戶端一組 FakeTLS secret）、SQLite→PostgreSQL 遷移、50 萬級規模性能與節點同步強化。release
• llama-cpp-python v0.3.34 — 例行版本，同步發 metal／vulkan／rocm／cuda 等多後端輪子。release
• GoldenDict-ng v26.6.2 — 正式版（此前多為每日 alpha 構建）。release
• ChromaDB 1.5.10.dev — 滾動開發構建，非穩定版。release

本週無新 release：Tesseract、yt-dlp、Syncthing、Caddy、PyGlossary、sherpa-onnx、CosyVoice2、eSpeak-NG、pyannote.audio、python-audio-separator、PySceneDetect、DPD、Botok、CDSL、esbuild、fail2ban 等。

☁️ 雲端 AI / API 動態

• DeepSeek 峰谷分時計價「已宣告、未生效」——前兩週懸案結案 ✓三源一致。官方定價頁至今只列 cache-hit／cache-miss 固定價，全頁無任何時段字樣；OpenRouter 07-13 的第三方定價追蹤同樣列平價，兩處互證。⚠ 重要限定：該機制確由官方於 6/29 預告，擬隨 V4「正式版」於 7 月中旬實施（峰時為北京每日 9–12、14–18，約谷時 2 倍），故屬「已宣告未生效」，不是已取消——7 月中旬已至而未見落地，宜持續盯。官方定價頁
• DeepSeek 舊模型名 07-24 停用 — 維持不變，官方定價頁仍載明；本週無新增停用項。
• Anthropic / Claude — 本週無新模型、上下文或定價變動（官方 release notes 與 news 兩頁互證）。窗口內官方動態均為非模型項（HIPAA 自助配置、記憶系統改版、Cowork 網頁／移動端擴展等），不影響模型路由。
• Gemini 3.5 Pro 仍未發布 ⚠本週最有價值的分歧。判定：未發布。官方 DeepMind 模型頁至今明示「3.5 Pro coming soon」；Gemini 網頁版自家模型選單也只有 3.1 Pro／3.5 Flash／3.1 Flash-Lite，並無 3.5 Pro（現場直接觀察）。Perplexity 與 DeepSeek 均判「未發布，『7/17 發布』係未經證實傳聞」。唯 Gemini 自稱「Google 已正式確認 7/17、經企業預覽渠道通報」，但提不出任何可核來源 → 視為孤證幻覺，不採信。DeepMind 官方頁
  • ＋補遺（DeepSeek 提供）：彭博社於 07-17 當日報道稱，Gemini 3.5 Pro 因編碼能力未達 Google 內部目標而延期數月（原定 2026-06 發布）。即 7/17 當天媒體報的是「延期」而非「發布」。
• Google Antigravity IDE v2.3.0 ⚠三家各執一詞，標「待核」。Gemini 稱 07-12 發布，含隊列消息與 .txt 附件；DeepSeek 稱版本確實存在但報道日為 07-15，且兩項具體功能無法核實；Perplexity 稱完全查無此版本，疑為不實。官方 changelog 為 JS 渲染 SPA，機讀（WebFetch／defuddle）均回空，無法以主源裁決。結論：v2.3.0 很可能存在（2/3 家＋兩個第三方聚合站），但日期（07-12／13／15 三說）與功能細節均未坐實，不宜當定論。
• OpenAI GPT-5.6（Sol／Terra／Luna）07-09 GA，並已上架 OpenRouter — ✓三源一致（OpenAI 官方博客＋ OpenRouter 目錄頁標註 Released Jul 9, 2026）。與梵語棧弱相關，僅作模型路由背景記錄。
• OpenRouter — 07-16 品牌改版（新標識／字體／配色，純視覺，無 API 變動）；平台費率本週無變動。⚠ Meta Muse Spark 1.1 是否已上架 OpenRouter：目錄頁存在但 Meta 官方博客稱刻意不開放第三方平台，來源互斥、不採信。
• 免費 GPU 平台 — Kaggle（T4/P100 週配額）、Modal（免費 $30/月，不綁卡）、百度 AI Studio（算力卡）本週均無政策變動（各為官方單源，窗口內未見新公告）。
• Azure Document Intelligence — 本週無新 OCR 模型版本或定價變動（官方 What's new 頁最新實質條目仍停在 2026-03）。相鄰產品 Content Understanding 傳「7 月上線同步 Read/Layout API」，窗口內未見證實，不計入。

⭐ 更優替代掃描

• 天城體 VLM OCR：候選 MonkeyOCRv2（arXiv:2607.11562）—— 凍結視覺編碼器＋輕量語言模型得到的 0.7B 文檔解析模型，在 MDPBench（17 語言，含天城體／印地語） 創開源 SOTA，超越此前最佳 3B 模型 dots.mocr 絕對 2.8 個百分點，視覺編碼器約小 11 倍；以 1.13 億圖語料 MonkeyDoc v2 聯合預訓練（圖到文＋像素級版面重建以保筆畫）。✓三源證實。⚠ 兩處糾正（兩家獨立指出）：論文基線名為 dots.mocr 而非 dots.ocr；論文日期為 07-13 非 07-11。⚠ 落地保留：授權僅限學術／非商業；且 Hindi ≠ 梵語全部複雜度（變音符與連字密集場景未專門評測），實測前宜先小樣本核驗。arXiv
• 梵語 ASR：可留意 sushrota-sanskrit-asr（HF，約 07-13 更新）—— 基於 IndicConformer（~129M）的 CTC 頭，專攻梵語誦讀／śāstra 文體，自報 CER 3.6–7.3%。⚠單源待驗：模型卡未提供與現用基線的直接對比，屬小團隊項目，不建議切換，僅記錄觀察。
• 梵語 OCR／版面分析、梵語·巴利·藏語 TTS、梵語 NLP·MT、音源分離·去噪·強制對齊：本週無更優替代。

🏛 IE 文獻學新工具/資源（更廣範圍）

• Stanza 梵語管線（stanza-sa） — Stanford Stanza 工具包新增專門的梵語模型（分詞／詞性／詞形還原／依存句法），加入其約 80 語種家族。相關性：為梵語語料工作提供 Heritage／DCS 生態之外的一個維護中的通用 NLP 骨幹，適合當第二源解析器做互校。HF（2026-06-27）
• Interpres-Parallel-Corpus（IPC） — 1,383 行中世紀拉丁寫本圖像＋轉寫＋專家翻譯對齊，首個同類資源。相關性：除新 ground-truth 外，其結論有跨語種方法論價值——領域專用 OCR 較通用 VLM 好至 4.3 倍 CER，且簡單管線勝過加 RAG／後校正的複雜管線，可直接指導非拉丁語管線設計（別過度工程化）。arXiv:2607.03836（2026-07-04）
• GlotOCR Bench — 覆蓋 100+ 文字系統的 OCR/VLM 壓測基準（渲染多語文本；CC BY 4.0，含渲染管線）。發現：多數模型能穩妥處理不足 10 種文字，即便前沿模型也難超過 30 種，且表現隨預訓練數據量而非視覺能力。相關性：可作任何 VLM OCR（dots 系、Qwen3-VL 等）上線前的天城體／IE 文字壓測工具。arXiv:2604.12978（2026-04-14）
• Naamah：梵語 NER 合成語料 — 102,942 句合成梵語命名實體語料（DBpedia 實體播種＋LLM 生成）＋transformer 基線。相關性：首個大規模梵語 NER 訓練資源，對語料／詞典工作中人名·地名·神名·書名的自動標註有用。arXiv:2604.26456（2026-04-29）
• 教會斯拉夫語 OCR ＋純視覺 stemma 重建 — 10+ OCR 系統（含經典引擎與前沿 LLM）在 18 世紀手寫教會斯拉夫語上的比較：基礎字母 CER 約 2–3%，但變音符持續失敗；並提出無需轉寫、純憑字形聚類／距離矩陣重建寫本譜系的新方法。相關性：變音符失效模式與吠陀／梵語難題同構；純視覺 stemma 方法可移植到任何多鈔本傳統。arXiv:2604.11724（2026-04-13）

📋 清單變動

• 建議新增監看：F5-TTS-THAI（泰語 TTS，用於 YouTube 教程字幕／配音流水線，跑在雲端免費 GPU）——已在用但未列入監看清單，建議補入 TTS 欄。
• WeNet ASR：上月已記錄，狀態不變。
• 監看清單中 12 個對象本次無 GitHub release 條目（多為 HF 模型或無發布慣例的 repo），屬正常而非抓取失敗。

🔎 第二源校驗小結

三家 AI 就 6 個承重項獨立交叉核（全走網頁訂閱會話，零按量）：

• ✓三源證實 3 條：GPT-5.6 07-09 GA 並上架 OpenRouter；MonkeyOCRv2 的 MDPBench 基準宣稱；DeepSeek 峰谷計價尚未上線。
• ⚠分歧 2 條：① Gemini 3.5 Pro 是否已發布——Gemini 孤證稱「官方已確認」，經 DeepMind 官方頁（仍寫 coming soon）與其自家模型選單無此檔反證，判未發布；② Antigravity v2.3.0——三家日期各異（07-12／13／15）、Perplexity 稱查無、功能無人能證，主源 SPA 不可機讀，標待核。
• ＋補遺 2 條：彭博 07-17 報 Gemini 3.5 Pro 因編碼能力未達內部目標而延期；MonkeyOCRv2 基線名（dots.mocr）與論文日期（07-13）獲糾正。
• 1 條由主源裁決、推翻單家誤判：Perplexity 斷言 MinerU 4.0.0 alpha「查無公開證據、疑為臆測或誤記」，經 GitHub API 實證 4.0.0a1（07-14）／4.0.0a2（07-15）確實存在——誤判成因是 GitHub pre-release 不列為 Latest，只看 releases 頁易漏。Gemini 與 DeepSeek 均獨立證實存在。

方法坑（記錄備查）：DeepSeek Expert 模式不支持聯網搜索（界面明示「Search is unavailable in Expert Mode」），首次詢問時模型假裝調用 web_search 並自行假設結果，產出不可信。改用 Instant + DeepThink + Search 後方得真實檢索（檢索 75 頁／精讀 7 頁）。後續評審面板應固定 Instant + Search，勿用 Expert 跑需聯網核查的任務。