工具情報 · 2026 年第 35 週

本機巡檢 · 覆蓋 08-21 ~ 08-28 · ⚠ 本週三源自動校驗僅一源可用（OpenRouter 額度耗盡，GPT 與 DeepSeek 兩路同時失效），承重項改以「一手源直取 + Gemini 單源覆核」處理 · Perplexity 未執行

🔧 版本更新（可升級）

• mlx-vlm v0.6.16 · v0.6.17（08-24／08-26）— 本機視覺語言模型推理層兩週連發四版，本機落後幅度已相當大，建議升級。release ✓雙證一致（releases.atom ＋ 本機 pip 均確認落後）
• MLX v0.32.2（08-25）— Apple Silicon 機器學習框架本體，有新版，本機落後一個修訂號。release ✓雙證一致
• Surya OCR（無本週新發布）— 本機版本落後主線多個次版本號，屬歷史積壓而非本週新事；因與 OCR 生產線直接相關，單列提醒。release ✓雙證一致（PyPI 版本表 ＋ 本機 pip）
• MinerU（無本週新發布）— 本機仍落後穩定線一個修訂號（上週已報，本週未再發版）。release
• python-audio-separator v0.45.0 · v0.46.0 · v0.47.0（08-26／08-27 三連發）— 音源分離工具，本機未安裝，僅記錄動態。release
• 3x-ui v3.7.0（08-24）— 代理面板，基建側次要版本。release
• 已是最新、無須動作：Tesseract、pandoc、yt-dlp、Ollama（本機已在 0.33.1 GA 線上，0.33.2 目前僅有 rc 預發布）。
• 次要／不建議跟進：Syncthing v2.1.4-rc.2（rc（release candidate，發布候選））、goldendict-ng 每日構建兩則、chroma 滾動 Latest 標籤、llama.cpp b10656–b10665（每日構建批次）、sherpa-onnx tauri 資產標籤（非版本發布）。
• 本週無新發布：Tesseract、Whisper、CosyVoice、Matcha-TTS、Parler-TTS、Vāgdhenu、Demucs、DeepFilterNet、silero-vad、pyannote.audio、ctc-forced-aligner、EasyOCR、PaddleOCR、dots.ocr、Qwen3-VL、Botok、DPD、CDSL、Aksharamukha、ByT5-Sanskrit、Heritage、DCS、SanskritShala、PySceneDetect、Caddy、fail2ban、esbuild、pinyin-pro、tshet-uinh-js、pyglossary、llama-cpp-python、mlx-audio、mlx-examples 等 44 項。

☁️ 雲端 AI / API 動態

• DeepSeek 發布 deepseek-v4-flash-vision-exp（08-21）— 實驗性多模態模型，純文本能力與 V4-Flash 持平，視覺推理（OCR、圖表分析、截圖解析）大幅提升。已同步上架 OpenRouter，1M 上下文，$0.44/$1.32（每百萬 token 輸入／輸出），約為 V4-Pro 的三分之一價。⭐ 對 OCR 管線有直接評估價値：這是繼 DeepSeek-OCR-2 之後該廠首個「通用多模態 + 廉價」的組合，但尚未經任何天城體／藏文實測，按准入基準應先過 ocr-bench 才談進管線。官方更新日誌｜OpenRouter 目錄 ✓兩源證實（官方一手 ＋ OpenRouter API 一手 ＋ Gemini 覆核一致）
• Gemini 3.5 Transcribe 轉正式版（GA）（08-26）— gemini-3.5-transcribe 高精度語音轉文字轉 GA，支持 85+ 語言、說話人分離（speaker diarization）、詞級時間戳，另有串流版 gemini-3.5-transcribe-live。⭐ 與 260827 的梵語 ASR 初測直接相關：那次測試用的是預覽版，現已轉正式版，先前「模型隨時可能變動」的顧慮解除，若要正式評估換用主引擎，時機比上週成熟。changelog ✓兩源證實
• Gemini Omni 1.1 Flash 轉 GA（08-27）— 視頻生成／編輯模型，新增視頻續寫（extension）、首尾幀插值（interpolation）、4K 輸出。⚠ 版本號原記為「1.7」係錯誤，正確為 1.1——這是本週唯一一處由覆核糾正的實質錯誤，來源是官方 changelog 頁的摘要環節出錯，經 Gemini 指出後回一手核實確認。與現有工作線關係不大，僅記錄。Google 官方博客 ✓已更正
• 🔴 OpenRouter GPT 三檔位「雙價位」之謎本週結案：另一個價位是 Batch API 端點，不是促銷折扣。 一手 models API 顯示每個檔位各有兩個 id：標準檔與 :batch 檔，後者恰為前者半價。標準價現為 terra $2/$12、sol $2/$10、luna $0.20/$1.20；:batch 檔各為其一半。連續兩週被誤讀為「降價促銷」的 terra $1/$6，即 openai/gpt-5.6-terra:batch。⚠ 另注意 sol 標準價本週讀到 $2/$10，與上週記錄的 $2.5/$15 不符——兩次皆為一手 API 直取，屬眞實差異或上週誤記，方向是下調，暫按本週一手値為準。models API 一手 ⚠分歧已由一手解決：Gemini 回報「本週大幅降價至 terra $1/$6、sol $2/$10、luna $0.10/$0.60」，其中 sol 與一手吻合，terra/luna 兩項係讀到 batch 端點誤判為促銷。
• 🔴 OpenRouter key_crossverify 額度已耗盡（HTTP 402 Payment Required）——本週 GPT 與 DeepSeek 兩路交叉核査因此同時無法執行（兩路共用這一把金鑰，屬單點故障）。金鑰查詢端點顯示週限 $10、已用 $9.24。⚠ 這是本週最需要處理的運維事項：不補額度的話，下週三源校驗仍只剩 Gemini 一路。
• Modal Shared API 分層傳聞：連續第二週未獲一手證實。 官方定價頁本週再次一手核査，全文未出現 "Shared API" 字樣，更無方案分層描述；頁面僅確認 Starter $30/月、Team $100/月免費額度（免費額度未變）。⚠ Gemini 本週判此條「屬實（已證實）」並引官方定價頁為據，但該頁實際並無此內容——引用與內容不符，不採信。原説法仍溯及聚合式二手摘要。官方定價頁一手 ⚠分歧，一手證否
• Azure Document Intelligence：官方頁面本週無任何新動態，且退役日期須更正。 官方 what's-new 頁最新條目仍停在 2026 年 3 月。退役日期以官方頁為準：REST API v2.1 於 2027-09-15 終止支持、v3.0 於 2029-03-30 終止支持。⚠ 廣為流傳的「v2.0 API 與 v2.1 容器 2026-08-31 退役」一説不見於官方 what's-new 頁，容器側日期僅有二手來源支撐，本週不作為已證實事實記錄。此項對本工作線影響有限（Azure 已於 260825 全面退出 OCR 管線，僅存於既有成書的 provenance）。Microsoft Learn 一手 ⚠分歧，一手裁定（Gemini 此條正確）
• Kaggle 免費 GPU 配額：本週未見變動公告。⚠ 沿用上週的誠實標註：「本週無變動」屬難以用公開資料證明的否定命題，只能記為「未見公告」。
• Anthropic：本週無新模型發布（最近一次主要模型發布為 07-24 的 Opus 5）；產品側動態為 Claude in Chrome 轉正式開放、MCP 2026-07-28 規範支持擴展，對模型路由無影響。

🆕 新模型雷達（査證/深度研究 + 特別亮眼）

• Qwen3.8-Flash-Next（Qwen，08-24 建庫／08-26 上架）— 約 180B 總參數的 MoE（Mixture of Experts，混合專家）多模態模型，架構為 125B 骨幹 ＋ 51B N-gram 嵌入表，每 token 僅激活約 6B；1M 上下文，OpenRouter $0.15/$0.47。HF 熱度極高（3966 讚）。⚠ 本地不可行（180B 參數遠超 24GB 統一內存），僅為 API 側候選；其「極高稀疏度 MoE」架構方向値得留意。HF 一手核｜OpenRouter ✓兩源證實（HF API 參數量一手核 ＋ Gemini 架構描述）
• GLM-5.3-Flash（Z.ai，08-26 上架 OpenRouter）— 320B 總參數／18B 激活的 MoE，1.31M 上下文，$0.075/$0.25（目前掛 50% 折扣）。是本週上架模型中「長上下文 ÷ 單價」最極端的一個，對超長文檔通讀類任務有成本意義。⚠ 同樣不具本地部署可行性。OpenRouter 一手 ✓兩源證實
• Ornith-1.5-35B-A3B ／ Ornith-1.5-9B（ornith-ai，08-18 建庫）— MIT 授權，35B MoE 僅激活約 3B，262k 上下文，多模態，強制 <think> 推理輸出；9B 版為稠密模型。⭐ 本週唯一對 24GB 本機有實際可行性的新候選：A3B 架構意味着 4-bit 量化後顯存佔用約 20GB、但推理速度接近 3B 模型。⚠ 待驗，不建議直接採用：團隊背景不明（主打「端到端自我改進」，讓模型在強化學習中自行生成訓練任務），Gemini 指出社群實測認為其官方跑分「有過擬合或誇大之嫌」，脫離官方評測框架後表現落差明顯。HF 一手核 ⚠單源＋跑分存疑（HF API 證實規格屬實；「跑分誇大」僅 Gemini 一源轉述社群意見，未經獨立測評佐證）
• 不收錄：Wan 3.0 Prime、Meta Muse Image（視頻／圖像生成，與本工作線無關）；HF 熱榜上大量 Qwen3.8-27B 去限制／量化衍生版（非獨立新模型，且該族已於 260823 從本機清空）。

⭐ 更優替代掃描

• 🔴 梵語 OCR：本週有眞正相關的新成果——arXiv 2608.18696「Impact of Iterative Fine-Tuning on Transcription Accuracy in Complex Historical Sanskrit Manuscripts」（08-19）。提出可在版面層與外觀層迭代微調的傳統 OCR 管線：每處理若干頁就用該書自身的已校正結果回頭微調，使後續頁預測漸準，從而逐頁遞減人工標註量。同時開源三份複雜梵語歷史寫本的 PAGE-XML 格式版面級 ＋ Unicode 標註數據集。⭐ 這是本週最値得跟進的一條：其「人工標註成本隨頁數遞減」正對應 v4.1 管線裡「閂在 GT 不在模型（人工 18-25 小時）」那個眞實瓶頸，且該數據集可直接充實天城體 GT 語料。arXiv ✓一手證實（arXiv API 直取 ＋ Gemini 覆核一致）
• ⭐ 梵語 NLP：arXiv 2608.25038「Padamitra: Grounded Glossary Generation for Classical Sanskrit」（08-25，EMNLP 2026 Findings 接收）。把傳統的padapāṭha 註疏實踐形式化為可評測的 NLP 任務：給定「頌 + 翻譯」，要求模型還原有意義的梵語詞組並產出扎根於譯文的釋義。基準含 31,316 條「頌—翻譯—詞彙表」三元組（取自羅摩衍那與薄伽梵往世書），兩個指標（Jaccard 詞組還原率、Meaning Faithfulness 語義一致性）。結論：指令微調顯著優於提示工程，顯式切分帶來增益；主要失敗模式是 sandhi 與 samāsa 複合詞的過度切分，作者判定形態學建模才是瓶頸。arXiv ✓一手證實
• 🔴 意外收穫（跨所有梵／藏／泰語管線的方法級發現）：arXiv 2608.26449「Vowel Signs Are Not Letters: A Pre-tokenization Ceiling on Multilingual Tokenizer Fertility」（08-26）。指出 HuggingFace ByteLevel 預分詞器沿用 GPT-2 的詞正則 \p{L}+（一個或多個 Unicode 字母），而婆羅米系文字的元音以組合符號書寫，於是每個詞在每個元音符號處都被切開；由於 BPE 只在預分詞單元內合併，這些切分無論詞表多大、語料多少都無法消除。實測 26 語言中全部 17 種 abugida 受影響，token 膨脹從藏文 1.47 倍到泰文 9.02 倍，而拉丁、西里爾、諺文、漢字均為 1.00 倍。作者把尼泊爾語語料佔比從 5% 掃到 95%：壞分詞器只變動 1.7%，修好的變動 33.9%——證明這是結構性天花板而非數據不足。⭐ 對本工作線的直接含義：凡經 HF 標準分詞器處理的天城體／藏文／泰文文本，token 計數與 API 成本估算都被系統性放大（泰文近九倍），且這一項無法靠「換個更大的模型」解決。arXiv ✓一手證實 ｜ ⚠分歧，一手證否：Gemini 判定「該 arXiv 編號不存在、係幻覺」，但 arXiv API 以 id_list 直査返回唯一條目（第一作者 Sajal Regmi），abs 頁 HTTP 200——屬覆核者的假否定，一手直取勝出。
• 天城體 VLM ／ 藏文 OCR ／ 梵語 ASR ／ 梵語 TTS ／ 巴利 TTS ／ 音源分離 ／ 去噪 ／ 強制對齊：本週無更優替代。所監看的相關倉庫本週均無新提交或新發布。
• 假陽性排除記錄：HF 上 08-27 出現多個 PP-OCRv6_small/tiny 條目，初看像 PaddleOCR 新一代發布；回 PaddlePaddle 官方組織一手核対後確認 PP-OCRv6 實際首發於 2026 年 6 月，08-27 那批是第三方（Immich 相冊項目）的鏡像上傳。不計入本週發現——此即 HF lastModified／建庫日不能當首發日的又一實例。

🖥 本機 AI 模型全景監看

• 層一·別落後：本週無變化。 所監看的模型倉庫（吠陀天城體 OCR、藏文 Tesseract 包、梵英翻譯底模 MITRA、梵語 TTS 兩候選、泰文 TrOCR、印地語 Parler-TTS、Qwen3-VL、PaddleOCR-VL）本週均無新提交，最近一次更新最早的停在 2024 年、最晚的停在 08-08（屬上一窗口）。所屬底模家族本週亦無面向這些專項的新版本。
• 層二·別停滯：本週開拓面有三處——
  • 稀疏 MoE 成為新常態，但方向對本機不利：本週三個新模型（Qwen3.8-Flash-Next 180B/6B 激活、GLM-5.3-Flash 320B/18B、Ornith-1.5-35B/3B）全部是極高稀疏度 MoE。這條路線優化的是「單位算力的吞吐」而非「單位顯存的能力」——總參數仍須全部載入顯存。對 24GB 統一內存而言，只有 35B 級以下的 A3B 型有意義（本週唯一符合者即 Ornith-1.5-35B-A3B），180B/320B 兩個再便宜也進不來。這是比單看模型名單更値得記住的判斷。
  • 推理框架側：MLX 本體與 mlx-vlm 本週均有更新，Ollama 走完 0.32→0.33 主線切換（0.33.1-rc0 明確標註「MLX: Qwen3.8 Flash Next support」，即 Ollama 的 MLX 後端已跟進本週新架構）。無斷層級進展。
  • 語音側：HF 熱榜出現兩個小體量 TTS 新條目——Audio8-TTS-Preview-0.1b（約 1.7 億參數，08-19 建庫）與 Breeze-TTS-2（約 34.7 億參數，08-25 建庫）。⚠ 待驗，僅記錄不推薦：兩者均無梵語／巴利語／藏語支持證據，與現用 Matcha-TTS 自訓梵語引擎不構成可比替代；Audio8 系列上月已有 0.6b 版進入候選清單，本週的 0.1b 是更小的預覽版。
• ⚠ 取源説明：arXiv API 本週可用（上週的 429 限流已恢復），但發現其查詢字段對大小寫敏感——all:Sanskrit 返回零結果、all:sanskrit 正常返回。上週「無梵語相關論文」的結論很可能受此影響而偏低，本週已改用小寫重掃，找回三篇直接相關論文。此為工具側坑，已記入狀態文件。

🏛 IE 文獻學新工具/資源（更廣範圍）

• AraMS-28k（arXiv 2608.26921，08-27）— 迄今最大的公開行級歷史阿拉伯文寫本數據集，含頁邊註與插入文字標註。非印歐語，但「行級 + 頁邊註 + 插入文字」這套標註規範正對應梵語寫本（尤其帶註疏的貝葉／紙寫本）的同類難題，方法上可直接借鑑。arXiv
• RefLAM（arXiv 2608.25140，08-25）— 參照物錨定的行標註管線，同屬阿拉伯寫本方向，與上條為同一波成果。arXiv
• 「When Do VLMs Help Arabic Manuscript OCR? A Cross-Dataset Study」（arXiv 2608.22366，08-23）— 跨數據集研究 VLM 在寫本 OCR 上何時眞有幫助、何時不如傳統管線。⭐ 對 v4.1 八格矩陣的「按格准入」原則是同向的獨立證據：VLM 並非普遍更優，須逐格實測。arXiv
• 「Does a Modern-Handwriting Warm-Up Help Historical Arabic OCR?」（arXiv 2608.22316，08-23）— 算力對齊（compute-matched）的可複現評估，檢驗「先用現代手寫體預熱再轉歷史寫本」這一常見做法是否眞有效。方法論上是難得的「對照嚴謹的否證型研究」。arXiv
• Elamite 楔形文字識別（arXiv 2608.18544，08-19）— 零樣本 SAM2 分割 ＋ ViT 識別，處理殘損泥板影像。埃蘭語本身非印歐語系（孤立語言），但古波斯楔形文字與其共存於同批銘文，技術路徑對古伊朗語支材料有間接價値。arXiv
• TEMPLAR Wales（arXiv 2608.26970，08-27）— 威爾士聚落的地理參照環境與地名（toponymic）數據集。凱爾特語支材料，屬印歐比較語言學／地名學的可用開放資源。arXiv
• ⚠ 排除項：Gemini 補遺提出「IIT Madras 於 08-22 左右啓動原生梵語 LLM、數字化 11 萬份稀有寫本」——回一手核実，該項目實為 2026 年 1 月宣布，並非本週新事，係典型的舊聞被當作新動態轉述。項目本身眞實存在（與 Kuppuswami Sastri 研究所合作），但不計入本週。另一條「MITRA/PaliBench 174 萬對平行句庫」亦與已存檔的 MITRA arXiv:2601.06400 重複，不重複收錄。

📋 清單變動

• 🔴 本機 Ollama 模型庫已清空至僅剩一個模型：現只有 huihui_ai/qwen3.5-abliterated:9b（16 小時前更新）。規格中指定用於第 7b2 步「本地模型參考」的 gemma4:12b-mlx 已不在本機——該路離線觀察源本週因此無法執行。這與「Qwen3.5-9B 單一主力」的本機無審査模型棧定案方向一致，但規格書仍寫着 gemma4，兩者已不同步，建議下週修訂規格或確認是否改以 qwen3.5-abliterated 充當該角色。
• 🔴 OpenRouter key_crossverify 額度耗盡（見雲端節），導致三源校驗的兩源同時失效。建議補額度，或考慮把 GPT／DeepSeek 兩路拆到不同金鑰以消除單點故障。
• 工具清單本身本週無新增在用工具；工作區頂層與筆記庫相關目錄未見規格 §3 未列的新工具。

🔎 第二源校驗小結

• GPT／DeepSeek 兩路本週未執行：OpenRouter key_crossverify 返回 HTTP 402 Payment Required，兩路共用該金鑰故同時失效。按優雅降級原則未反覆重試。
• 校驗結果：證實 5 條、分歧 4 條、補遺 2 條（其中 1 條經核為舊聞，已排除）、一手更正 1 條。
• ⚠ 本週校驗的一個結構性教訓：四條分歧中，三條由「一手源直取」裁定，且其中兩條是覆核者錯而一手對——Gemini 誤判 arXiv 2608.26449「不存在」（假否定，與既有記錄的失效模式一致），並誤判 Modal 分層傳聞「已證實」且所引官方頁實際不含該內容（引用與內容不符）。僅一條（Azure v2.1 退役日期）是覆核者正確、我方原記錄有誤。在單源覆核的週次，一手直取的權重應高於覆核者的判斷，本週各條均按此處理。
• Perplexity：本週未執行（規格允許在承重項可由一手源直接裁定時從略；本週四條分歧已全部由一手源解決，無殘留待査項）。
• 🔬本地模型參考（離線·不計入共識）：未執行——規格指定的 gemma4:12b-mlx 已不在本機模型庫（見清單變動）。