speech-to-speech-dotnet 一周改造:模型自动下载校验,一条命令开聊
张善友用一周时间改造自己的开源项目 speech-to-speech-dotnet,用一份固定 commit 的模型清单(45 个文件、约 7.1 GB)和跨平台下载脚本实现模型自动下载、哈希校验与断点续传,local 命令在监听前先核对所需模型并只拉缺失文件。
张善友用一周时间改造自己的开源项目 speech-to-speech-dotnet,用一份固定 commit 的模型清单(45 个文件、约 7.1 GB)和跨平台下载脚本实现模型自动下载、哈希校验与断点续传,local 命令在监听前先核对所需模型并只拉缺失文件。
GitHub 在 GitHub Universe 大会上发布 Octoverse 2026 报告,EVP Jay Parikh 重点公布了其中数字。2026 年合并 pull request 不到一年增至三倍,达到每月 220 million;commit 增至三倍以上,达到每月 7.38 billion;新建仓库速率翻倍至每月 30.3 million。
推荐理由:原文用合并 PR、commit 和新建仓库的三组同比数字,量化了智能体工程对 GitHub 平台活动的影响,可作为判断行业趋势的依据。
摩尔线程宣布开源大模型训练基础设施项目 Megatron-MUSA-Titan,面向万卡级集群的万亿参数 MoE 模型训练需求,覆盖预训练与强化学习两大场景。该项目已在摩尔线程万卡级集群的万亿参数 MoE 模型预训练中持续应用,实现高 MFU 与长稳训练,支持与 slime、miles 强化学习框架协同。
疯狂学习GIS 整理并开源了科研论文图片学习库 sci-figure-gallery,收录近 400 篇 Nature、Science、PNAS 正刊及高水平子刊论文中的近 1600 张符合版权要求的图片。
ego-lite 是 Citro Labs 出品的开源 Chromium 浏览器,人和 AI Agent 共用同一浏览器,Agent 在隔离的 Space 工作区执行网页任务,直接继承 Chrome 的登录态、Cookie 与扩展,互不抢占标签页,可随时查看进度并接管验证码等人工校验。
SoMark 团队正式开源文档解析模型 OXR,主模型仅 1.3B 参数,在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准上均位列第一,同条件完整解析速度快于 PaddleOCR-VL-1.6 与 MinerU2.5-Pro。
Hi3D正式开源基于Sparc3D的3D生成模型V1.0,代码与权重已在GitHub和Hugging Face上线,可免费体验。V1.0基于约200万个筛选3D资产训练,多视图保真度0.75、细节丰富度0.841,切片成功率90%。同题对比中Hi3D Agent及V3.0在轮廓和细节上优于GPT-6 Astra,团队称V3.0为业界首个可商用2048³超高精度国产自研AI 3D模型。
百度发布并开源文心 Unlimited OCR 2,可连续解析 3600+ 页《哈利·波特》全集等超长文档。技术报告显示,其峰值 KV 缓存从 47GB 降至 1.77GB,减少约 96%;16 路并发下端到端吞吐量提升至标准解码的 3.65 倍。模型引入 SR-SWA 注意力机制与无限解码机制,已在 Hugging Face 和 GitHub 开源。
推荐理由:原文给出峰值KV缓存从47GB降至1.77GB的对比数据,可据此判断长文档OCR的部署成本变化。
作者开发了 api-scenario-modeler 与 api-scenario-runner 两个 Skill,把注册、登录、搜索、加购、下单、支付、查单等真实业务链路作为完整测试对象,串起原本孤立的单接口用例。
对 webframe 的评估发现,这款 Jeff Lindsay 开发的轻量级浏览器 JavaScript 运行工具适合网页抓取,性能与 shot-scraper 相当,但存在 CSP 失败、0×0 视口、加载挂起、缺少 HTTP 元数据和浏览器控制受限等缺陷。
OpenAI 宣布在数学、计算机科学和物理领域取得三项新发现,并将模型输出与 Lean 证明公开发布到 GitHub,同时引入外部专家指导核查。
推荐理由:相比不到一个月前直接发布数百份手稿,这次 OpenAI 引入外部专家引导核查并公开 Lean 证明,读者可看到 AI 生成科研成果的验证流程正在变化。
岩山科技旗下岩芯矩阵联合港科大、CMU等高校发布并开源EdgeRock-4B,256K上下文下KV Cache固定为72MiB,较源模型Qwen3.5-4B减少99.1%。
Meowcute(pixelforge)项目调研了「单图角色拆部件」的开源实现,现阶段选择「本地模型生成图 → 图生视频 → 抽帧转序列帧 → 简单游戏 Demo」的生产路线,主动暂停骨骼/网格动画路线。
这篇教程系统讲清 Git 与 GitHub 的关系与基础工作流:Git 是本地版本管理软件,GitHub 是云端托管与多人协作平台。文章先建立工作区、暂存区、提交历史三个区域的心智模型,再串起 git add → git commit → git push 的最小操作循环,并给出 checkout、reset 等回滚命令与常见报错解法。
小米技术委创新产品团队孵化的开源 AI 硬件 HachimoDock 在 2026 观猹大会亮相,硬件自制成本约 150 元,软件源码已在 GitHub 公开,同时提供硬件物料清单、结构件模型及装配教程。
微软发布历时近两年拍摄、长达 98 分钟的 VS Code 官方纪录片《The Story of VS Code》,中文社区已制作完整中文字幕版。片子回顾了 VS Code 从浏览器实验 Monaco 到基于 Electron 搬回桌面的转折,以及 Extension Host 进程隔离与 LSP 协议如何奠定远程开发能力。
本文系统解读了 Nano World Models(NanoWM,arXiv:2605.23993)论文,这是一个基于扩散强迫的极简开源世界模型代码库。
AWS 提供可复用的 CDK construct,用 CloudFormation 自定义资源在 SageMaker AI 端点更新前后自动注销并注册自动扩缩容,单次部署即可同时更新端点配置与扩缩容参数,无需人工干预。
作者开源发布 Agent YOLO,一个跨 IntelliJ、Visual Studio、VS Code 三端的 AI Agent 扩展器:面板列出 PATH 上探测到的 Claude Code、Codex 等命令行工具,一次点击即在 IDE 内真实可交互终端里拉起,输出中的文件路径、堆栈帧、类型名、URL 均可点击跳转到代码。
OpenAI 与 PerturbAI、Scripps Research 合作部署数千个 AI 智能体,在 GPT-Rosalind 上分析小鼠全脑 CRISPR 图谱,32 分钟完成团队估计人工需数月至一年的工作。
推荐理由:原文给出智能体集群与人工分析的耗时对比和盲评结果,读者可据此评估 AI 智能体在科研数据分析中的实际作用。
中国电信人工智能科技有限公司星辰通用人工智能实验室发布并开源意图理解专用模型 Xing4.0-29B-Intent,同步开放275.3万条训练语料、模型权重与推理镜像。
Visual Studio 内置的 GitHub 工具支持在同一环境内查看、评审并合并拉取请求:通过 Git → GitHub → View Pull Requests 加载并分组 PR,在差异视图对代码行添加行内批注(可暂存后统一提交),再点击 Approve 或选择自动合并。
荣耀在杭州发布 WIN2、WIN RT2、WIN Turbo2 三款游戏手机及 WIN 平板、WIN 耳机等新品,WIN2 与 WIN RT2 发布即首销,国补到手价 4999 元起和 3149 元起。
作者搭建了一套轻量的 CODESYS 单元测试方法,把 xunit 的 suite / test / assert / fixture 映射到 ST 语言,测试代码与应用一起编译下载,断言与被测逻辑同周期执行,PLC 侧零依赖。
欧洲工业巨头正将 NVIDIA CUDA-X、Omniverse 库及 Cosmos、Nemotron 开源模型引入工程与制造全生命周期。NVIDIA Factory Operations Blueprint(FOX)现已在 GitHub 开放早期访问,用于构建实时监控工厂运营、协调机器与产线的工业智能体。
作者让 Codex 在局域网内接管极米 Z7X 投影仪,实现开关机、方向键、音量等遥控操作,并让 Agent 读取投影仪实时画面、逐步决策下一步点击。他还做了 Mac 语音应用小 C,喊名字唤醒后把指令转成文字发给 Codex 的固定会话,任务完成后自动朗读播报。
Cloudflare 开源 security-audit-skill(github.com/cloudflare/security-audit-skill),一套让支持工具调用的编码代理按侦察、狩猎、验证、输出、再验证、报告六阶段做代码安全审计的技能文件,仓库当前 34342 星、MIT 协议。
MinerU 是上海人工智能实验室 OpenDataLab 团队开源的一站式文档解析工具,把 PDF、图片、Office 等文档高质量转换成 LLM 就绪的 Markdown / JSON。
10 月 20 日,DeepSeek 以 Apache 2.0 协议在 GitHub 开源其支撑线上服务的推理框架 DeepInfer,当前仅支持 DeepSeek-V4.1-Flash,NVIDIA SM100 与华为昇腾 950 双栈适配。
DeepSeek 开源的高性能离线推理框架 DeepInfer 登顶本期 GitHub 日榜,24h Star 增量 +11,981。该框架针对 DeepSeek-V4.1-Flash 模型提供优化算子、并行调度与确定性采样,支持 NVIDIA SM100 GPU 与华为 Ascend 950 NPU,面向企业级大规模、低延迟推理部署。本期榜单共 20 个开源项目,增长前三合计 +21,344。
Hugging Face 宣布 TorchTPU 为 PyTorch 增加原生 TPU 后端,Transformers、Diffusers 和 Kernels 无需 torch_xla 或 Optimum TPU 即可在 TPU 上运行,加载 Hub 模型只需设置 device_map 为 tpu。
推荐理由:原文对比了 torch_xla 旧方案并给出 device_map=tpu 等迁移细节,读者可评估现有 PyTorch 代码上 TPU 的改造成本。
GitHub Blog 采访了三位拥有十余年经验的 Java Champion,请他们分享在生产环境和开源项目中使用 GitHub Copilot 的具体案例与实践。
本文主张规则文件(CLAUDE.md / AGENTS.md / .cursor/rules 等)是上下文而非配置,能用脚本判定真假的规则应交给 PreToolUse hook 与 CI 流水线强制执行。
作者在 leo-editor 中编写 Python 脚本,调用 pandoc 将 Markdown 内容转换为 AsciiDoc 格式,解决了公式转义与空行过多的问题。
作者开源 drone-camera 库,同一套飞行控制内核同时驱动 three.js 本地沙盒与 CesiumJS 真实地球,换后端只改一个参数,面板与航线编辑零改动。
DeepSeek 官宣将内部推理框架 DeepInfer 全面开源,并同步开源生产级 Token 编解码组件 deepseek-recipe。DeepInfer 集成高性能算子与深度优化的推理引擎,支持分布式推理、推测解码、SWA Bounded Replay、结构化输出,兼容英伟达与华为昇腾平台,已支撑 DeepSeek V4.1 Flash 高吞吐、低延迟的大规模推理服务。
HiRoute 是运行在本机的开源路由引擎,用 Jev 判断当前任务需要多强的能力并评价上一阶段完成质量,据此在 Agent 工作流中动态选择模型。
作者基于麦当劳中国本月开放的 MCP 接口(35 个工具)做了群内请客抽奖工具「麦从天降」,一个人请客、全群抽一人免单,页面没有任何付款入口。开奖采用 commit-reveal:发起时公布种子哈希,名单锁定时服务端生成 nonce,开奖用 sha256(seed:nonce:名单哈希) 计算中奖者,页面上可用 WebCrypto 验算,发起方和服务端都无法单方面改结果。
作者实测了鱼皮开源的 ai-promo-video-maker Skill,在 Cursor 里打开项目并说「给这个项目做一支宣传片」,经过两轮需求问答后即可在项目目录生成 4K 成片。
本文讲解 AI 应用如何用 A/B 实验确定性地比较提示词版本优劣,核心是写假设、定指标、算样本、跑实验、下结论五步法。作者要求离线评测与线上指标双维度都显著才采纳新版本,并给出实测:各 100 样本下 85% 对 78% 的 z=1.27、p=0.20,差异不显著。