#開源
共 50 篇相關文章
-
Microsoft MarkItDown 完整教學：Word、PDF、Excel 一鍵轉 Markdown 大幅降低 AI Token 消耗
Microsoft 官方開源工具 MarkItDown 能將 Word、PDF、PowerPoint、Excel 轉為 Markdown，讓 ChatGPT、Claude 等大型語言模型更高效解析文件，同時大幅降低 Token 消耗、減少幻覺，是 RAG 與 AI 文件前處理流程的實用利器。
-
Kimi K3 開放權重釋出：2.8 兆參數、百萬 Token，但本機部署需 64 顆 GPU 以上
月之暗面旗下 Kimi K3 完整模型權重公開釋出，採 MoE 架構、總參數 2.8 兆、原生支援 100 萬 Token 上下文，程式碼與 Agentic 能力突出，然而 1.56 TB 檔案大小與 64 顆加速器以上的部署需求，讓一般開發者難以本機執行。
-
月之暗面開源 Kimi K3 全部模型權重：2.8 兆參數免費下載，效能緊追 Claude Fable 5
月之暗面（Moonshot AI）釋出 2.8 兆參數 Kimi K3 模型完整權重至 Hugging Face（1.56TB），基準測試優於前幾代 Claude 與 GPT，推理成本比閉源競品低 2-3 倍，吸引企業混合部署。
-
NVIDIA 聯手微軟、SpaceX 推出開源 AI 安全工具聯盟，應對封閉模型在防禦場景失靈問題
繼 Hugging Face 遭 OpenAI 模型攻擊事件後，NVIDIA、微軟、SpaceX 等數十家企業聯合推出以開源模型為核心的 AI 安全新倡議，共同開發可供防禦方自主控制的開源 AI 安全工具生態，解決封閉模型安全護欄限制防禦端的根本困境。
-
月之暗面開放 Kimi K3 下載：2.8 兆參數、百萬 Token 上下文，登頂全球最大開源權重模型
中國 AI 新創月之暗面正式開放 Kimi K3 下載，2.8 兆參數規模成為全球最大開源權重模型，搭配 100 萬 token 超長上下文，針對長文程式設計與推理任務優化，對開發者社群開放完整權重。
-
月之暗面開源模型 Kimi K3 伯克利盲測擊敗 Claude 與 GPT，17 歲研究員成第一作者
月之暗面推出開源大模型 Kimi K3，在伯克利盲測中超越 Claude 與 GPT 登頂全球第一，引發馬斯克驚嘆。第一作者竟是深圳 17 歲高中生陳廣宇，僅一年前對大模型一無所知。
-
Codex 驅動 GPT Image 配圖 Skill 開源：一鍵生成統一 3D 材質文章插圖
藏師傅釋出文章配圖 Skill 開源版，以 Codex 整合 GPT Image 2.0 自動產出 3D 材質風格插圖，支援工作彙報、數據圖表等四大場景，附自動審核與中文標籤功能。
-
微軟開源工具 MarkItDown 將 PDF／PPT／HTML 轉 Markdown，讓 AI Token 用量降低 70%
直接將 PDF 丟給 Claude 或 Codex，每頁消耗高達 3,000 個 Token，微軟開源工具 MarkItDown 能自動將 PDF、PPT、HTML 等格式轉為 Markdown，使 Token 用量降低約 70%，同時因 AI 模型原生熟悉 Markdown 而提升回答精準度。
-
ComfyUI 整合 GLIGEN 開源模型：標注畫面區域精確控制 AI 生圖，從隨機走向導演式可控
ComfyUI 整合了 GLIGEN 開源模型，讓用戶能在畫面指定區域進行標注式圖像生成，以邊界框告訴模型「在哪個位置生成什麼」，搭配 ComfyUI 節點工作流直觀操作，代表 AI 繪圖從隨機生成邁向精準空間可控的新階段，相關代碼已於 GitHub 開源。
-
MDR Radio 0.1.5 開源發布：Agent 驅動六階段流水線將 Markdown 文稿自動轉為中文解說影片
MDR Radio 是為 AI Agent 設計的開源影片製作工作流，0.1.5 版本首次打通從文稿撰寫到 Bilibili 發布的完整自動化流水線。用戶提供 Markdown 文稿後，Agent 依序執行投影片生成、TTS 配音、影片合成、封面繪製、Bilibili 上傳六個階段，每階段均設有人工審核節點。
-
開源 AI Agent OpenHuman 突破萬顆星：連接 118 個服務、每 20 分鐘自動更新記憶樹
OpenHuman 是近期在 GitHub 迅速走紅的開源 AI Agent 記憶管理框架，短短數天內突破一萬顆星。它可一鍵接入 118 個第三方服務，每 20 分鐘自動抓取用戶數據並生成可編輯的記憶樹，搭配 Token Juice 機制節省 80% 消耗，徹底解決 AI 助理冷啟動難題。
-
美團開源 LongCat 2.0：1.6 兆參數 MOE 大模型全程以 5 萬張國產芯片完成預訓練
美團發布開源大模型 LongCat 2.0，具備 1.6 兆參數 MOE 架構，SWE-Bench Pro 代碼基準超越 GPT-5.5，更關鍵的是全程使用 5 萬餘張國產芯片穩定訓練超一個月、吃下 35 兆 Token，為國產算力訓練萬億模型提供有力實證。
-
LTX Desktop 免費開源發布：本地 AI 非線性剪輯搭載 LTX 2.3 視頻生成模型
LTX 推出完全免費、全開源的本地 AI 非線性剪輯軟體 LTX Desktop，內建 LTX 2.3 視頻生成模型，可在剪輯軌道上直接 AI 重生成鏡頭或補過渡，開源社群已將顯存需求從 32GB 破解至 24GB。
-
AI 全自動短影音剪輯工作流：Whisper + Auto Editor + FFmpeg + Cursor 串接實戰
以 Whisper 語音轉文字、Auto Editor 去除停頓、FFmpeg 燒字幕與配樂，搭配 Cursor 或 Codex 作為指揮大腦，打造零手動 AI 影片剪輯自動化生產線，全程未開啟任何剪輯軟體、成本低於一杯咖啡。
-
GitHub 193K 星標開源設定：透過 CLAUDE.md 讓 Claude 與 Cursor 告別過度設計
源自 Andrej Karpathy 吐槽的開源設定檔，在 GitHub 獲得 193K 星標。透過「先思考再動手、簡單優先、精準修改、目標驅動」四大原則，只需複製 CLAUDE.md 至專案根目錄，有效防止 AI 過度設計與擅自引入依賴。
-
開源專案 Agent Collator：用 ESP32-S3 RGB 燈光即時視覺化 AI 推理運行狀態
獨立開發者開源 Agent Collator，以 ESP32-S3 晶片搭配 RGB 環形燈，將 AI 推理、報錯、Token 耗盡等各種運行狀態對應不同燈光色彩，支援自訂燈光模型並可結合 3D 列印打造外觀。
-
ChatGPT 企業版聊天記錄無法匯出，開源工具 scrapemychats 登上 GitHub 讓用戶自救
ChatGPT Business 與 Enterprise 工作區不支援官方聊天記錄匯出，開發者在 GitHub 釋出免費開源工具 scrapemychats，透過瀏覽器 session 抓取對話備份，但可能觸犯 OpenAI 服務條款。
-
Claude Code 實戰：Bun 用 11 天花 16.5 萬美元把 100 萬行 Zig 改寫成 Rust
Bun 團隊分享以 Claude Code 驅動大規模程式碼遷移的完整過程，11 天將超過 100 萬行 Zig 程式碼改寫為 Rust，花費約 16.5 萬美元，展示 AI coding agent 在工業級任務的可行性與潛在風險。
-
《深入理解 AI Agent》中文開源書上線 GitHub，設計原理與工程實踐全書免費閱覽
前微軟亞洲研究院研究員李博杰將新書《深入理解 AI Agent：設計原理與工程實踐》完整開源，GitHub repo 含全書正文、可編譯 PDF 與每章配套程式碼，是目前市面上最系統化的中文 AI Agent 工程書籍之一。
-
月之暗面 Kimi K3 發布 48 小時後算力告急，全球最大開源模型暫停新用戶訂閱
中國 AI 新創月之暗面發布 Kimi K3 僅 48 小時後，因請求量超出算力極限即日起暫停 C 端新訂閱。Kimi K3 擁有 2.8 兆參數、100 萬 Token 上下文，為目前全球最大開源模型。
-
阿里巴巴在 WAIC 發布 Qwen3.8-Max 預覽版：2.4 兆參數多模態旗艦，開放權重即將釋出
阿里巴巴在上海 WAIC 大會亮相 Qwen3.8-Max-Preview，擁有 2.4 兆參數，是 Qwen 系列首款超兆參多模態模型，可處理圖像、影像與文件；團隊聲稱性能僅次於 Claude Fable 5，開放權重即將釋出。
-
ownscribe 開源 CLI 工具：本地優先、免雲端的 AI 會議逐字稿與摘要
開發者 nczz 釋出 ownscribe，一款本地優先的 AI 會議逐字稿與摘要 CLI 工具，語音辨識與摘要均在本機完成，資料不上傳雲端，適合重視資料隱私的開發者與企業。
-
平頭哥開源 T-Head SAIL 五層 AI 算力推疊，正面挑戰 NVIDIA CUDA 生態系
平頭哥半導體在 WAIC 2026 宣布開源真武 AI 晶片軟體推疊 T-Head SAIL，提供五層完整技術架構，與華為昇騰同步推廣開放 AI 算力生態，定位為 NVIDIA CUDA 的替代方案。
-
Kimi K3 開放權重模型正式發布：百萬 token 長脈絡、KDA 新架構強攻程式設計與 Agent 任務
月之暗面（Moonshot AI）發布開放權重模型 Kimi K3，採百萬 token 超長脈絡視窗、自研 KDA 混合線性注意力架構，及 WideEP 分散式 MoE 技術，在程式設計與 AI Agent 基準測試展現強勁表現。
-
月之暗面發布 Kimi K3：2.8 兆參數全球最大開源模型，48 小時自主完成半導體晶片設計
中國新創月之暗面（Moonshot AI）發布 Kimi K3，2.8 兆參數居全球開源 LLM 之冠，能在 48 小時內不借助商業 EDA 軟體，自主完成半導體晶片設計，展示大型語言模型在工程設計的突破潛力。
-
月之暗面 Kimi K3 正式發布：2.8 兆參數全球首款 3T 開源大模型，百萬 Token 原生支援視覺
月之暗面（Moonshot AI）推出 Kimi K3，號稱全球首款 3T 等級開源模型，具備 2.8 兆參數與 100 萬 token 超長脈絡，原生支援視覺輸入，架構升級使算力擴展效率較 Kimi K2 提升約 2.5 倍，主打長流程 coding 與 agent 任務。
-
Roblox 推手機版 AI 遊戲創作工具「Build」：輸入文字提示即可生成完整遊戲場景與機制
Roblox 推出行動版 AI 創作功能「Build」，使用者只需以文字描述遊戲概念，AI 即可自動生成遊戲機制、場景、角色、視覺風格與音效，結合 Roblox 自家模型與開源模型，大幅降低遊戲製作門檻。
-
Linus Torvalds 力挺 AI 程式碼審查工具 Sashiko，Linux 核心拒走「反 AI」路線
Linux 之父 Torvalds 在核心郵件列表強硬表態：Linux 不走反 AI 路線，不接受 AI 工具的開發者可以 fork 或離開。爭議焦點是 opt-in 多階段 AI 審查工具 Sashiko，標誌 AI coding 工具正式進入頂級開源維護流程。
-
開源 AI 衣櫥 Wardrobe：結合 GPT-5.6 Sol 從生活照辨識服裝，gpt-image 生成個人穿搭照
Wardrobe 是一款開源 AI 專案，利用 GPT-5.6 Sol 視覺模型從手機生活照辨識衣物並建立數位衣櫥，再透過 gpt-image 生成個人穿搭建議圖，支援本機部署以保護隱私。
-
Thinking Machines Lab 發表首款開放權重模型 Inkling，MoE 架構總參數達 9750 億
由 OpenAI 前技術長 Mira Murati 共同創辦的 Thinking Machines Lab 於 7 月 15 日發表首款開放權重模型 Inkling，採混合專家（MoE）架構、支援多模態輸入，開發者可自由下載微調。
-
Mira Murati 新創 Thinking Machines 發布首款開放權重多模態模型 Inkling
前 OpenAI 技術長 Mira Murati 創辦的 Thinking Machines 推出首款 AI 模型 Inkling，採 975B 參數 MoE 架構，支援文字、圖片與音訊多模態，完整開放模型權重供企業微調與私有部署。
-
GIGABYTE AI TOP + vLLM + Hermes Agent 打造 24 小時自主 AI 工作團隊地端部署攻略
AI郵報詳解如何以 GIGABYTE AI TOP 工作站搭配 vLLM 推論框架與 Hermes Agent，在本地端部署多模態開源模型，組成不需雲端 API 即可全天候自主運作的 AI Agent 工作流，同時保有資料主權。
-
PrismML 發表 Bonsai 27B：首個可在 iPhone 原生執行的 270 億參數大型語言模型
AI 新創 PrismML 推出 Bonsai 27B，宣稱是首個可在 iPhone、iPad、Mac 上原生執行的 27B 大型模型，以低位元壓縮技術縮小體積至可在行動裝置執行，以 Apache 2.0 授權開源，傳蘋果正評估採用可能。
-
開發者推出 CLI 工具 Atrophy 對抗 AI 依賴，五大模組追蹤程式技能退化狀況
印度開發者 Ashutosh Rath 打造命令列工具 Atrophy，當 AI 輔助開發大行其道，協助工程師透過語法記憶、演算法、除錯等五大技能模組自我評估，避免長期依賴 AI 後獨立開發能力悄悄退化。
-
開源 Skill「說人話」：抓出 38 種 AI 寫作痕跡，自動校正繁體中文用法，支援 Claude Code / Codex / Cursor
GitHub 開源工具 speak-human-tw 推出「說人話」skill，可識別 38 種常見 AI 寫作痕跡並自動改寫，同步校正中國用語與半形標點，適用於 Claude Code、Codex、Cursor 等主流 AI 開發工具。
-
mattpocock/skills 開源：TypeScript 大師打造 AI 工程化工作流，從需求訪談到架構審查完整示範
TypeScript 社群知名開發者 Matt Pocock 開源 mattpocock/skills，提供涵蓋需求訪談、PRD、TDD、除錯與架構審查的完整 AI 工程化流程，強調「real engineering, not vibe coding」，為 AI 輔助開發提供可複製的嚴謹框架。
-
法國 AI 新創 ZML 推出跨晶片 LLM 推論框架 LLMD，支援 Nvidia、AMD、TPU 與 Apple Metal
法國 AI 新創 ZML 發布免費開源 LLM 推論伺服器 LLMD，讓各種開源大語言模型可在 Nvidia、AMD、Google TPU、Apple Metal 及 Intel Arc 等多種晶片上執行，開發者無需改寫程式碼即可跨平台部署，打破硬體供應商鎖定困境。
-
Palantir 整合 NVIDIA Nemotron 開放 LLM，在隔離安全環境為美國政府機構部署 AI Agent 平台
NVIDIA 與 Palantir 宣布擴大合作，將 Nemotron 開放模型整合進 Palantir AIP、Foundry 等企業平台，讓政府機關能在完全隔離的安全環境中自主訓練與部署 AI Agent，同時保有資料及模型權重的完整主權。
-
DeepSeek 與北大聯合推出 DSpark，LLM 推理速度最高提升 85%
DeepSeek 攜手北京大學發布推理加速框架 DSpark，採半自回歸生成架構與置信度調度驗證機制，解決大型語言模型在高併發場景下的效率瓶頸，推理速度最高提升 85%，並同步開源模型權重。
-
開源 video-autopilot-kit 整合 CapCut JSON 與 ffmpeg，打造 YouTube 短影音批次自動化工作流
GitHub 開發者 Hao0321 發布 video-autopilot-kit，提供填入自訂資料即可運作的短影音自動化框架，整合 CapCut JSON 格式與 ffmpeg 工具鏈，適合 YouTube 及短影音創作者建立可複製的影音生產流程，框架本身不含任何私人資料。
-
OpenMontage 開源 AI 影片製作系統爆紅 GitHub，支援完整 AI 影音創作工作流
OpenMontage 是一套全開源的 AI 影片製作系統，近日在 GitHub 上迅速走紅，提供從腳本構思、場景生成到剪輯輸出的完整 AI 驅動工作流，讓創作者無需付費即可使用完整 AI 影片製作能力。
-
開源專案 RuView：用普通 Wi-Fi 訊號實現即時空間感知與生命體徵監測，完全無攝影機
GitHub 開源專案 RuView 利用日常 WiFi 訊號，無需任何攝影機即可實現即時空間定位、生命體徵監測與人員到場偵測，為隱私優先的智慧環境感知提供新方案。
-
開源 AI 語音工作室 Voicebox：支援聲音克隆、語音輸入與影音創作一站完成
GitHub 開源專案 jamiepine/voicebox 是一款 AI 語音工作室，提供聲音克隆（Clone）、語音輸入（Dictate）與創作（Create）三大功能，讓開發者與創作者可自由部署本地或雲端語音 AI 流程。
-
開源 RAG 專案整合 Qdrant 混合搜尋與章節樹索引，大幅提升文件問答精準度
GitHub 開源專案 Hybride_pageindex_RAG 以 MiniU 解析 PDF 等文件，結合 Qdrant 混合搜尋與 Pageindex 章節樹索引，讓 RAG 系統能依文件層次精準定位段落，改善傳統 chunk 切割的上下文斷裂問題。
-
OpenBMB 開源 VoxCPM2：免 Tokenizer 多語言語音合成，支援創意聲紋設計與高擬真人聲克隆
OpenBMB 在 GitHub 開源 VoxCPM2，採用免 Tokenizer 架構實現多語言 TTS，不僅可生成自然語音，還支援創意聲音設計與高擬真人聲克隆，為語音 AI 應用開發者提供強大的開源底座。
-
開源 n8n 版 LLM Wiki：整合 Google Docs 與 Sheets 實作可下載 AI 知識庫
開發者 uncle6me-web 將 Andrej Karpathy 的 LLM Wiki 概念移植到 n8n 自動化平台，結合 Google Docs 與 Google Sheets，打造可直接匯入部署的開源 AI 知識管理工作流，大幅降低非工程師上手門檻。
-
開源工具 livecaption：macOS Apple Silicon 本地即時語音轉錄與英中翻譯，無需雲端
GitHub 開源專案 livecaption 為 macOS Apple Silicon 裝置提供即時串流語音識別、說話者分離與英中即時翻譯，完全本地執行於 Apple GPU/MLX，無 UI、純 CLI，適合重視隱私的開發者場景。
-
Understand-Anything 開源：將程式碼庫轉為互動知識圖譜，支援 Claude Code、Cursor、Codex 等 AI 工具
Egonex-AI 在 GitHub 開源 Understand-Anything，可將任何程式碼庫轉換為可探索、可搜尋、可提問的互動式知識圖譜，並原生支援 Claude Code、Codex、Cursor、Copilot、Gemini CLI 等主流 AI coding 工具，主打「教人的圖勝過讓人印象深刻的圖」。
-
開源框架 oh-my-hermes 釋出：為 Hermes Agent 應用提供標準化工作流程層
社群開發者 Salomondiei08 在 GitHub 開源 oh-my-hermes，這是一套專為 Hermes Agent 設計的固執型工作流程框架，涵蓋建置、部署到運維的完整生命週期，降低 Hermes Agent 應用落地的架構選擇負擔。
-
TurboVec 開源向量索引：Rust 實作 TurboQuant、附 Python 綁定，加速 AI 相似度搜索
RyanCodrai 在 GitHub 發布 turbovec，一個基於 TurboQuant 量化技術的向量索引，以 Rust 撰寫並提供 Python 綁定，可用於高效能近似最近鄰搜索（ANN）工作負載。