10语言全覆盖、97ms流式延迟、3秒声音克隆，中文TTS天花板，Apache 2.0商用免费

百度出品，基于DeepSeek-OCR改进，支持一次性解析超长文档、多页PDF，单图640切片+多页1024两种模式，SGLang部署兼容OpenAI API

苹果官方出品：把HuggingFace开源模型导成Core AI格式跑进Mac和iPhone，还教AI助手按苹果规则干活

开源文档解析引擎,OpenDataLab 出品 78k Star。PDF/Word/PPT/Excel/图片一键转 LLM 友好的 Markdown/JSON,公式转 LaTeX、表格转 HTML、跨页表格合并、109 语言 OCR;Pipeline 后端纯 CPU 可跑,VLM 后端精度 95+,另有 mineru.net 在线服务免部署

字节开源视觉UI自动化框架15k stars：AndroidWorld跑分93.1%，一句话让AI点美团订酒店，60个任务模型成本仅0.59美元

支持 CLI 与 VS Code 插件双端，安全存储 OAuth 凭证，带额度追踪，Python 编写，跨平台可用。

Kimi 推出的本地 AI 助手一键部署方案，具备长期记忆与个性化能力

Claude Code 官方推出 Channels 功能，让你通过手机 Telegram、Discord 或 iMessage 直接向本地运行的 Claude Code 发指令改代码。

AI Agent 持续霸榜：Anthropic 金融方案、DeepSeek 终端代理、隐身浏览器、全自动AI交易系统等 9 个热门项目一览

Nous Research 开源 AI Agent 框架，一行命令安装，6种执行后端，内置自学习循环。本文覆盖安装、配置、飞书接入全流程。

Meta出品纯视觉自监督ViT，无需标注数据开箱即用，300M参数86.3% ImageNet线性分类，月下载290万+

突破反爬封锁、人类无缝接管、多账号并行隔离，专为LLM推理设计的浏览器操控工具

用Claude Code/Codex/Hermes等AI代理剪辑视频，扔素材进文件夹聊天就能拿到成片，自动去填充词调色加字幕，15.8k Stars

DeepSeek 官方开源 Agent Harness，两天 9 万星，0.2元/任务，兼容近40家模型，对标 Claude Code

使用 Unsloth 微调 Qwen3.8-27B 的完整教程：SFT、视觉微调、强化学习、导出

从0.8B到397B全覆盖，编程/视觉/推理/端侧一张表选对模型

阿里Qwen团队出品，中文WER开源最低，配套ForcedAligner毫秒级时间戳，视频配音翻译链路的基础设施

Qwen3-ASR 效率碾压、VibeVoice 长音频分人无敌、Whisper 生态覆盖最广——三大 ASR 各守一象限，谁该装谁

Windows 版 Codex 通过桌面图标切换 OpenAI、DeepSeek、本地 Qwen，并为不同上下文窗口设置独立自动压缩阈值。

2K/5秒视频47秒生成，RTX3060可跑，Mac MLX原生支持，多镜头+立体声，免费商用（年入<0M）