如何“用图思考”？小红书与西安交大的多模态深度思考模型DeepEyes
DeepEyes项目通过强化学习实现’用图思考’能力，在视觉搜索、幻觉缓解和多模态推理等方面表现出色，有望应用于教育、医疗、交通等领域。
开源
一周1.2k星！兼具质量与效率的OCR模型MonkeyOCR，支持多样化的中英文PDF
MonkeyOCR采用结构-识别-关系（SRR）范式提升文档解析性能，相比MinerU和端到端模型，在九种文档上的表现均有提升。它支持快速开始安装、推理等步骤，并提供了多种示例文档展示效果。
Facebook广告库MCP服务器，Claude Code + Gemini AI 协作平台，DevSeeker：AI代码生成
五个AI工具介绍：Facebook Ads Library MCP Server、Claude Code + Gemini MCP Server、Fire Enrich、Devseeker和Chrome MCP Server。它们分别专注于广告分析、代码生成与改进、数据增强、浏览器自动化助手等领域，支持集成、模型上下文协议（MCP）服务器和自然语言处理等功能。
Sparse Transformers稀疏推理加速器
大模型推理加速器Sparse Transformers通过稀疏化技术提升1.6-1.8倍性能，支持LLaMA 3B模型，并实现内存占用减少和生成速度提升。
Mistral 发了个小模型—— Magistral-Small-2506 这是他们的首个推理模型
Mistral发布Magistral-Small-2506小模型，与Qwen3-4B类似大小且推理能力强，适合单卡32G运行，分数略高于Qwen3-4B。
告别天价API账单！开源Chatterbox语音服务器上线，隐私与效率双赢！
Chatterbox-TTS-Server 是一款基于Resemble AI的TTS模型的开源自托管语音合成服务器，提供Web UI、声音克隆、长文本处理等功能，并支持GPU加速和Docker部署。它适用于网站文章朗读、播客生成等场景。
RAG不香了！把百万文本片段编码为MP4视频文件，就能用AI实现亚秒级语义搜索。
Memvid是一个通过将文本数据编码为MP4视频文件的AI记忆管理开源项目，它实现了高效存储和快速语义搜索，节省了大量存储空间，检索速度达到亚秒级，并支持PDF处理、内置聊天界面和多LLM兼容。
多模态语音表征新突破！CoGenAV：高效、鲁棒、通用的语音识别“利器”
通义联合深圳技术大学推出的CoGenAV模型通过融合音频和视觉信息，显著提升了语音识别和处理性能。仅需223小时标记数据即可训练，展现出极高的数据效率，并在多种语音处理任务中表现出色。
完美替代ToDesk等付费软件！开源免费的远程桌面控制工具BilldDesk
BilldDesk 支持多设备远程控制及屏幕墙功能，画质限制最高1080p，30帧。ToDesk免费版月使用时长和控制次数有限制。