工具情報 · 2026 年第 30 週

本機巡檢 · 覆蓋過去一週（07-17 → 07-24）· Max 訂閱零計費 · 承重項經 Perplexity + Gemini + DeepSeek 三源交叉校驗

🔧 版本更新（可升級）

以下為上游本週（07-17 → 07-24）新發布，均有 releases 佐證：

• MinerU 4.0.0a3 — 4.0 系列 alpha 預發布（pre-release），版面分析主力線。上游與 DeepSeek 均確證發布於 07-22。release ✓DeepSeek＋上游證實（⚠Gemini 誤記為 7 月初，已更正）
• Surya OCR v0.22.0 / v0.22.1 — 新增 model servers、修復版面（layout）與閱讀順序，覆蓋 90+ 語言。v0.22.0 · v0.22.1 ✓上游＋Gemini 證實（DeepSeek 假陰性，按一手源採信）
• mlx-vlm v0.6.6 / v0.6.7 — 本地 Apple GPU 上的 VLM 推理框架小步更新。v0.6.7
• PySceneDetect v0.7.1 — 正式版落地（此前為 dev0 預發布）。release
• python-audio-separator v0.44.4 / v0.44.5 — 音源分離工具連續小版本。v0.44.5
• Botok v1.1.6 — 藏語分詞（evaluating 中）小版本。release
• Syncthing v2.1.3-rc.1 — 基建同步層候選版（RC），穩定版未出前僅關注。release

註：本週版本巡檢以上游 releases 為據；sherpa-onnx v1.13.4、GoldenDict 每日 alpha、3X-UI dev build、Chroma 滾動 latest 標籤等屬已報或滾動噪音，本週從略。

☁️ 雲端 AI / API 動態

• DeepSeek — 舊模型名 deepseek-chat / deepseek-reasoner 已於 2026-07-24 15:59 UTC 正式停用生效，此後調用這兩個名稱直接報錯。須改用 deepseek-v4-flash / deepseek-v4-pro（舊名此前分別映射到 v4-flash 的非思考／思考模式，故 v4-pro 並非強制 1:1 替代，按需選擇）。DeepSeek 更新日誌 ✓三源證實
• Anthropic — 2026-07-23 Claude 語音模式重大升級：接入 Opus/Sonnet（此前僅 Haiku）+ 跨應用連接器（Gmail、Google Calendar、Slack、Canva、Notion、Google Docs），支持約 10–11 種語言（不含中文）；beta 分級推出（免費僅 Haiku＋單一連接應用）。未發布新基礎模型，屬對現有模型的能力層升級。TechCrunch ✓三源證實
• Google — Gemini 3.6 Flash 與 Flash-Lite 於 2026-07-21 正式發布（輸出約 $7.50/1M，勝上代 Flash；當天共發 3 款：3.6 Flash、3.5 Flash-Lite、3.5 Flash Cyber），並非此前所傳「泄露」——這是對上週「gemini-3.6-flash-tiered 待核泄露」的正式更正。旗艦 Gemini 3.5 Pro 仍未發布，滯留合作夥伴測試。blog.google ✓三源證實（⚠僅讀公開新聞，未調用任何 Google API）
• Azure Document Intelligence — Content Understanding 相對 Document Intelligence 大幅降價：OCR 約 $1.00/千頁（vs DI $1.50）、版面 $5/千頁（vs $10），DOCX/HTML 等純數字文件僅按 $0.01/千頁計費。⚠分歧：其「已 GA」狀態存疑——部分來源稱已於 2025-11-01 GA，而 Gemini 與 DeepSeek 均傾向其仍為 Preview。定價數字獲第二源證實，發布狀態標待核。Azure 定價頁 ⚠Gemini/DeepSeek 存疑
• OpenRouter — 本週無具體新模型公告，僅目錄增長（約 311→321 模型）；DeepSeek 全系仍為付費。本週無顯著動態。
• 免費 GPU（Kaggle / Modal / 百度 AI Studio） — 本週均無配額或定價政策變動。

⭐ 更優替代掃描

• 梵語 / 天城體 OCR：候選 — Barnamala，參數高效的手寫天城體識別，稱在基準上達到「飽和」（arXiv:2607.13689，07-15）；待驗（偏手寫向，與印本 OCR 主力用途略有錯位）。arXiv
• 梵語 / 巴利 / 藏語 TTS：本週無更優替代。
• 梵語 ASR：本週無（sushrota-sanskrit-asr 仍屬單源、無基線對比，不建議切換）。
• 梵語 NLP / MT：本週無強候選（HuggingFace 上數個個人梵語微調模型均無基線對比、下載量極低，不建議切換）。
• 音源分離 / 去噪 / 對齊：無新替代品（python-audio-separator 有版本更新，見上）。

🏛 IE 文獻學新工具 / 資源（更廣範圍）

• Barnamala（arXiv:2607.13689，07-15）— 參數高效手寫天城體識別；對梵語 / 印地語寫本 HTR 直接相關。arXiv
• Persian Pixel（arXiv:2607.20385，07-22）— 大規模合成波斯語 OCR 數據集；對古伊朗語（IE 語支）OCR 模型訓練有參考價值。arXiv
• Hindi grammar-sensitive QNLP pipeline（arXiv:2607.16765，07-18）— 印地語（印歐 – 印度雅利安）語法敏感情感分類管線；niche，備錄。arXiv

📋 清單變動

• 輕掃工作區近期修改文件，未見 §3 未列的新在用工具。無變動。

🔎 第二源校驗小結

• 三源核查面板：Perplexity Pro + Gemini Pro + DeepSeek DeepThink（均走瀏覽器登錄會話，零按量計費）。
• ✓三源證實 4 條：DeepSeek 舊模型名停用生效；Claude 語音模式升級（Opus/Sonnet＋連接器，無新基礎模型）；Gemini 3.6 Flash/Flash-Lite 於 07-21 正式發布；Gemini 3.5 Pro 仍未發布。
• ⚠分歧 1 條：Azure Content Understanding「已 GA」——定價數字獲證，但發布狀態 GA / Preview 三家不一，標待核。
• ＋補遺 / 更正：① 更正上週「gemini-3.6-flash-tiered＝待核泄露」→ 確認 07-21 正式發布；② MinerU 4.0.0a3 發布日期經 DeepSeek＋上游確認為 07-22（Gemini 誤記 7 月初，已更正）；③ Surya v0.22 上游 releases 確證，DeepSeek「查無」屬假陰性，按一手源採信。