工具情報 · 2026 年第 31 週

本機巡檢 · 覆蓋 2026-07-24 ～ 07-31 · Max 訂閱零計費 · 承重項經第二源校驗 本週特點：兩條「一手源推翻 AI 面板」的裁決，與一條足以推翻舊結論的本地 OCR 進展。

🔧 版本更新（可升級）

• MinerU 4.0.0a4 / 4.0.0a5 — 4.0 alpha 線本週連發兩版，穩定線最新仍是 3.4.4；本機版落後於穩定線，建議升級（暫不建議上 alpha）。a4 · a5 ✓雙證（release feed ＋ 本機包管理器）
• mlx-vlm v0.6.8（07-27）— 新增 PLaMo 2.1 VL、llm-jp-4-vl 支持與 FLUX.2 圖像編輯量化；本機落後一個小版本，建議升級。release ✓雙證
• Surya OCR — 本機版落後多個大版本，中間跨越了「Surya OCR 2」換代與兩輪版面模型重寫（Fast Layout Model / 版面修復）；建議排期評估升級。v0.22.1 ✓雙證
• Tesseract 5.5.3（07-24）— 維護版（錯字、缺失閉合標籤等修復）；本機已是最新，無需動作。release
• Ollama v0.32.4 / v0.32.5（07-25 / 07-27）— 加 Laguna 的 Apple GPU（MLX 引擎）支持；修 MLX Metal 上 NVFP4 模型輸出質量下降的 bug；修 Qwen3 MoE 在專家量化不一致時的解碼問題，並打包 gate/up 投影提速（官方稱 M5 Max 約 4–9%）。v0.32.5
• sherpa-onnx v1.13.4（07-30）— 導出 Parakeet CTC 模型、修 Dart iOS 包發布。release
• Syncthing v2.1.3-rc.2（07-28）— 2.1 線 rc。2.1 主要新增：GUI 可按 group 屬性分組設備與文件夾、支持帶 CONNECT 的 HTTP(S) 代理（此前只支持 SOCKS）、可按文件夾關閉塊索引（以庫體積換傳輸增量）、GUI 登錄會話時長可配置。release
• 3x-ui v3.6.0（07-30）— Overview 重做為「指揮台」式面板（四塊要害指標＋72 採樣點迷你圖、吞吐與連接數雙圖、側欄改自動收起圖標欄）；隨帶 xray-core v26.7.28，XMC finalmask 破壞性變更已端到端吸收（保存時即拒絕不完整掩碼並點名缺失字段，生成配置時只丟棄出問題那一行，一行壞配置不再拖垮全部 inbound）。release
• Digital Pāḷi Dictionary 2026-07-28 版 — 例行數據更新。release
• llama.cpp — 一週逾十個 build（b10186–b10199），屬常規高頻節奏，未見針對本機管線的單條顯著改動。releases
• Chroma dev 構建 1.5.10.dev235（07-29）。

本週無新版：Caddy、fail2ban、yt-dlp、PySceneDetect、esbuild、pinyin-pro、tshet-uinh-js、PyGlossary、goldendict-ng（僅日構建）、MLX 核心、transformers、faster-whisper、Whisper、CosyVoice、eSpeak-NG、Demucs、DeepFilterNet、Silero VAD、pyannote.audio、llama-cpp-python、Botok、python-audio-separator、ctc-forced-aligner、Indic-TTS、SC-Voice、PaddleOCR。

⚠ 監看盲區（建議修正）：本週有約十二個受監看倉庫的 releases.atom 返回空條目——IndicConformerASR、SanskritShala、DCS(OliverHellwig/sanskrit)、Qwen3-VL、pe-ocr-sanskrit、byt5-sanskrit-analyzers、parler-tts、mlx-examples、dots.ocr、csl-orig、aksharamukha-python、indic_transliteration_py。這些項目根本不打 GitHub release，靠 release feed 監看等於長期盲視，應改監看 commits 或 tags。

☁️ 雲端 AI / API 動態

• Anthropic — Claude Opus 5 發布（07-24）：1M 上下文、128K 輸出。目錄價 $5/$25 每 M token，Fast 檔 $10/$50。OpenRouter 目錄 ✓一手源證實（模型目錄 API created=2026-07-24 與定價字段直接核）＋媒體報道
• Claude Code v2.1.219（07-24）：跟進把 Opus 5 設為默認 Opus 檔並接入 Fast 模式；新增沙箱網絡嚴格白名單開關（非白名單主機直接拒絕，不再逐次詢問）；子代理嵌套深度上限由 1 級擴到 3 級。官方 changelog （一手源，未另找第二源）
• OpenRouter 新上架（一手源＝模型目錄 API）：
  • LongCat-2.0（07-20）— 1.6T 參數 MoE / 48B 啓用，1M 上下文，$0.30/$1.20 每 M。link
  • Inkling（Thinking Machines，07-17）— 975B/41B 啓用，1M 上下文，原生文本＋圖像＋音頻，$1.00/$4.05。link
  • Poolside Laguna S 2.1（07-21）— 另有免費檔（262K 上下文）。link
  • 平台費率本窗口未變。
• DeepSeek — 峰谷分時計價截至 7 月底仍未生效：官方定價頁只有 cache hit / cache miss 兩檔；v4-pro 與 v4-flash 的目錄價本週亦無變動。官方定價 ✓三源一致（官方頁 ＋ 兩家面板 ＋ 第三方目錄價一手核）。此條已連續三週「已宣告未生效」，屬懸而未落而非取消。
• Google — Antigravity CLI 在 07-18 至 07-28 連發五版（v1.1.4 → v1.1.8），新增現場調推理力度、固定 model slug、以 Markdown＋YAML frontmatter 定義自定義 agent、--output-format json/stream-json 結構化輸出等。GitHub releases ⚠兩家面板説法互斥且均與一手源不符，本節按 GitHub API 一手記（詳見校驗小結）。
• Google — Gemini 3.5 Pro 仍未發布：7 月只出了 3.6 Flash / 3.5 Flash-Lite / 3.5 Flash Cyber 三款，與上週持平。
• Azure — Content Understanding 的 GA 分歧結案：正式 GA 實為 2025 年 11 月 Ignite（API 版本 2025-11-01），不是 2026 年；本月無新 OCR 模型或定價變動。官方 GA 公告 ✓兩源證實（前兩週標「待核」的 GA 狀態就此結案）
  • ＋補遺單源待核：有説法稱 2026-07-15 退役了兩個 preview API（2024-12-01 / 2025-05-01）並關閉 Foundry (Classic) 舊版體驗，依賴預覽版接口者須強制遷移。僅一家面板提及，官方頁未複核到。
• 免費 GPU 三家本月無政策變動：Kaggle 的 GPU 週配額、Modal 的免費額度結構、百度 AI Studio 的算力卡政策均未見公開變更。✓兩源一致

⭐ 更優替代掃描

• 天城體 / 多語 VLM OCR — 本週最有操作價値的一條：Unlimited-OCR 的 MLX 移植集中出現。 基座模型（權重約 6.8 GB，07-29 更新，下載量已達約 260 萬）本週被社群大量移植到 Apple MLX：4bit 約 2.6 GB、8bit 約 4.0 GB、bf16 約 6.7 GB，另有 mxfp8 與 GGUF 版本，全部輕鬆進得了 24 GB 統一內存。 為什麼値得回頭看：此前對該模型「暫不採用」的理由之一是需要 NVIDIA GPU——這條理由本週失效。建議重新評估它在天城體/密集文檔上的表現，與現行 VLM OCR 做一輪異源互校。 基座 · mxfp8 · bf16-mlx · 4bit ✓存在性、體積、日期均經模型倉庫 API 逐個一手核實
• 梵語 TTS — Vāgdhenu（IISc，2026-06-28 開源，Apache-2.0，435★）：梵語誦經（pārāyaṇa）TTS。骨幹為 IndicF5 / F5-TTS 的流匹配 DiT（約 337M 參數，無原生時長/音高頭），聲碼器為在 F5 vocos-mel 上微調的 BigVGAN-v2。模型卡自報專家 MOS 約 4.6、連字（含 ṣṭ、ḍḍh 等捲舌送氣連字）100% 正確渲染，並已用於產出 32 部《摩訶婆羅多義釋》影片與 16,017 節《薄伽梵往世書》音頻。 ⚠ 重要更正：模型卡明寫 「No Vedic svaras」——只做古典梵語誦經，不支持吠陀重音，切勿當作吠陀誦讀方案。 技術上還有一處値得記下：它把梵語繞道卡納達文字送入模型（走天城體會觸發印地語 schwa 刪除），這個取捨對任何做梵語 TTS 的人都有參考價値。 GitHub · 模型權重 ✓多源證實，「無吠陀重音」一節經模型卡一手證實
• 強制對齊（章節級 → 句級這個痛點）— 兩個候選，均無梵語驗證，標待驗：
  • MFA 3.0（arXiv:2606.18466，06-16）— Montreal Forced Aligner 自 2016 年以來最大改版，英/日/韓四個基準平均邊界誤差 <15 ms；未見南亞語言測試。arXiv
  • 任意 ASR 模型的梯度式對齊（arXiv:2607.06831，07-07）— 免訓練、不改模型結構，直接用可微分 ASR 模型的梯度算詞邊界，CTC/transducer/attention/speech-LLM 四種架構共 16 個模型上多數接近或優於模型自帶對齊。理論上可直接套在現用的梵語 whisper 微調模型上，不必等專門的梵語聲學模型；但測試語料只有英語 TIMIT/Buckeye。就「章節級→句級對齊」而言這條路線最貼合既有資產，値得小規模試跑再判斷。arXiv
• 梵語 OCR、梵語 ASR、梵語 NLP/MT、音源分離、去噪：本週無更優替代。 （梵語 NLP 側僅見 arXiv:2606.24172《A Pāṇinian Foundation for Indic Language Processing》，是提案性框架論文、無性能數字，只作留意，不構成候選。）

🖥 本機 AI 模型全景監看

層一 · 別落後

• Ollama 的 gemma4 看不了圖：本週有實質進展，但還沒修好。 PR #17487「mlx: add Gemma4 vision support」於 2026-07-31 00:54 UTC 開出，狀態 open、未合併，PR 自述是「臨時的多模態接線方案」，待 MLX runner 管線與 KV cache 穩定後還要重寫；原始 issue #17065（07-07 開）仍 open。上游 mlx-vlm 側的 Gemma4 支持 issue 已於 07-23 關閉，但那是該庫自己的支持，不等於 Ollama 已接上。PR #17487 ✓GitHub API 一手核。繼續等，下週再看。
• 清單其餘模型本週均無官方更新：Qwen3-VL 官方系列、Gemma 4 e4b（07-20，窗口外一天）、Qwen2-Audio-7B、Qwen3.6、Whisper 全系與梵語/印地語微調款、PaddleOCR-VL（06-27）、PP-DocLayoutV3（07-08）、CosyVoice2（05-31）、MITRA。社群衍生版（解限版、GGUF 量化）持續有小動作，非官方權重更新。
• 路徑變更提醒：dots.ocr / dots.mocr 的模型倉庫組織已從 rednote-hilab 遷至 dots-studio，舊路徑靠 307 重定向暫時仍可用但不保證長期有效；下次重拉權重時改用新組織名。
• 兩個「老化」信號：MITRA 底模已近兩年未更新，Qwen2-Audio 停在 2025-01。若翻譯或音頻管線重度依賴這兩者，宜排期做一輪換代評估——不急，但別忘。

層二 · 別停滯

• Unlimited-OCR 的 MLX 生態（見「更優替代」節）——本週最實用的一條，也正是層二該抓的那種「清單上根本沒有這條路」的新可能性。
• 三元（ternary / BitNet）量化本週在兩頭同時冒頭：
  • microsoft/VibeVoice-ASR-BitNet（07-24 建庫）— 三元量化 ASR，GGUF 子文件小到 1 GB 量級、CPU 即可跑；但語言標籤只有 en/zh/fr/it/ko/pt/vi，不含梵語或印地語，暫時用不上。link
  • prism-ml/Ternary-Bonsai-27B-gguf（07-18）— 把 27B 做成 2-bit 三元量化，明確標榜支持 Apple Metal。link
  • 若這條線持續發展，可能成為 24 GB 機器塞下更大模型的新路徑；但推理框架對 ternary 的支持成熟度尚未細査，不建議急著上生產。
• ai4bharat/indic-parler-tts — 語言標籤明確包含梵語（sa），現有清單裏沒有這一項，本週重回 text-to-speech trending。本身不是新品，但既然帶梵語標籤，値得排一次試跑對比。link
• Thinking Machines Inkling-Small（07-27 建庫，權重約 532 GB，圖文音三模態 MoE）— 業界事件，遠超 24 GB 機器範圍，僅作視野記錄；mlx-vlm v0.6.7 已加入支持，説明社群已開始適配。link
• MLX 核心本週無新 release（最新仍是 07-07 的 v0.32.0）；mlx-vlm 則連發兩版，框架側活躍度很高。

🏛 IE 文獻學新工具/資源（更廣範圍）

• Palaeographicum（2026-05-18）— 維爾茨堡大學＋美因茨科學文學院＋多特蒙德工業大學合作的 AI 輔助楔形文字書寫風格比對系統，收約 7 萬張照片、逾 500 萬個楔形符號，可識別個別書吏的筆跡特徵，把原本數天的人工比對縮到幾分鐘。對赫梯、阿卡德等楔形文獻學有直接意義。報道 待驗——機構背書可信，但報道未給量化準確率，也未見開源代碼或數據集入口。
• Paraphrasis 平台 ＋ TSDAE/CSE 無監督句向量法（arXiv:2607.24542，07-27）— 針對拉丁語/古希臘語教父文獻（奧古斯丁、耶柔米、亞他那修等）的聖經引用重用偵測與段落檢索。只需 4000–8000 句同領域生語料、筆記本 GPU 數十秒訓練即可勝過基線，且對 OCR 轉錄噪聲有遷移能力。對佛典/梵語文獻的「引文溯源」場景有直接方法論參考價値。arXiv 單源待驗（工具剛發布，未見第三方使用回饋）。
• 本輪未見新動靜：GRETIL / TITUS / DSAL / SARIT / Logeion / DCS 無新版或新功能公告；Leiden IEED 詞源辭典系列本期無新數據庫或 API。

📋 清單變動

• 建議補入監看：ai4bharat/indic-parler-tts（帶梵語標籤的 TTS）、Unlimited-OCR 基座及其 MLX 移植（天城體 VLM OCR 候選）、prathoshap/vagdhenu（梵語誦經 TTS）。
• 建議修正監看方式：約十二個倉庫從不打 GitHub release，releases.atom 監看形同盲視，應改監看 commits 或 tags（名單見「版本更新」節末）。
• 路徑變更：dots.ocr / dots.mocr 的模型倉庫組織 rednote-hilab → dots-studio。

🔎 第二源校驗小結

本週承重項 12 條。Perplexity 與 Gemini 兩家跑通；DeepSeek 會話已建立但頁面始終未渲染出回答，本週未取回，自動校驗按兩家計。另有多條改用一手 API 直接核實，未交面板表決。

• ✓兩源以上證實（4 條）：DeepSeek 無峰谷分時計價（含官方定價頁）；Azure Content Understanding 的 GA 為 2025-11 Ignite；免費 GPU 三家本月無政策變動；Vāgdhenu 的開發機構、架構與授權。
• ⚠分歧（均由一手源裁決）（2 條）：
  • Antigravity CLI 的版本節奏 — 一家稱「止於 v1.1.5（07-21）」，另一家稱「v1.1.4 到 07-29 才發」，兩家互斥且都與一手源不符。GitHub releases API 顯示：v1.1.4 (07-18)、v1.1.5 (07-21)、v1.1.6 (07-24)、v1.1.7 (07-26)、v1.1.8 (07-28)。教訓復現：AI 面板在「具體版本號與日期」上的可靠性依舊最差，凡能直接査 API 的，一律不交面板表決。
  • Claude Opus 5 的日期與定價 — 面板未覆蓋，改用模型目錄 API 一手核（created 2026-07-24；$5/$25，Fast $10/$50；1M 上下文）。
• ＋補遺（3 條）：
  • 兩家獨立指出 Vāgdhenu 不支持吠陀重音，經模型卡「No Vedic svaras」一手證實——直接修正了初稿把它寫成「吠陀誦經 TTS」的錯誤。這是本週校驗最有價値的一次攔截：一個聽起來完全合理、且與本圈需求高度契合的説法，恰恰是錯的。
  • Azure 於 2026-07-15 退役兩個 preview API 並關閉 Foundry (Classic) 舊版體驗——單源，待核。
  • 一家指向「Unlimited-OCR 的 Apple Silicon 移植」，方向正確但細節不可採信：其給出的具體倉庫名與作者名經模型倉庫 API 査證均不存在，實際情況是多個獨立移植同時出現。方向可用、名字要自己核——這正是「聯網模型讀錯具體格式/名稱」的既知失效模式。
• 🔬本地模型參考（Gemma，離線·不計入共識）：對五條承重項一律答「不確定」，並自述因事涉 2026 年而無法核實。本週未出現「憑常識一致否定眞事實」這一既知失效模式，屬理想的離線行為——拒答而非編造。累積口碑記一次正分。