OXR 模型开源:1.3B 参数横扫全球三榜第一,版面分析可插拔
OXR 模型在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中均位列第一,支持解析表格、公式、化学式等 13 类文档元素,并提供版面坐标。模型采用 RSI 训练范式,支持版面分析可插拔,已开源并提供在线 Demo 和免费 API。
推荐理由:OXR 模型在文档解析领域取得显著成绩,开源后可能对相关领域产生重要影响。
OXR 模型在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中均位列第一,支持解析表格、公式、化学式等 13 类文档元素,并提供版面坐标。模型采用 RSI 训练范式,支持版面分析可插拔,已开源并提供在线 Demo 和免费 API。
推荐理由:OXR 模型在文档解析领域取得显著成绩,开源后可能对相关领域产生重要影响。
OpenAI发布GPT-6.1 Terra模型,具备解读图纸、编辑视频等功能,API价格比GPT-5.6 Terra和GPT-6.1 Sol低50%,可经济地自动化大批量工作。
Talkhawk是一款在Windows上运行的语音输入软件,支持将语音实时转换为文本,并可在任何应用程序中使用。它使用NVIDIA Parakeet语音模型,无需互联网连接即可在本地处理语音识别。Talkhawk提供免费和付费版本,付费版本提供更高级的功能,如文本润色、命令模式和翻译。
GitHub 上的一个项目利用 AI 助手转录《穆雷新英语词典》,截至 2026-10-27,已转录 117 页,其中 112 页为草稿,3 页为部分转录,2 页已完成。项目使用 CC0 1.0 许可,任何人都可以使用转录文本。
"一款结合希腊语和希伯来语原文的圣经学习应用,提供免费用户和付费订阅服务,支持语音交互,并可在网页上使用,未来将推出iOS和Android应用。"
Stranded 模型发布,支持ERC-20代币在无ETH余额钱包间的跨钱包转移,无需额外ETH支付手续费。
Chorgi是一个为Garmin手表用户提供的个性化健身计划AI教练,每周根据用户训练记录调整计划,并通过Garmin Connect发送至手表。该服务目前处于免费测试阶段,需要邀请码才能使用。
"用户可实时进入浏览器中的3D短片,自由探索。目前展示的4分钟短片名为《I'll Call You Later — Part 1》,讲述了一个关于工作、爱情和孤独的故事。短片暂停后可自由探索,随后继续播放。第二部分即将推出。"
Aqueous 是一个基于无损压缩的存档格式和存档工具,提供了对多种文件格式的压缩和解压缩功能,包括图像、音频、文档和数据等。
推荐理由:Aqueous 是一个基于无损压缩的存档格式和存档工具,提供了对多种文件格式的压缩和解压缩功能,读者可以了解其压缩效率和应用场景。
Discord 宣布将允许其公共服务器中的部分对话被搜索引擎检索,用户可手动关闭搜索权限。此功能旨在帮助用户发现更多有用信息,但引发隐私担忧。从11月16日起,每个可发现服务器将拥有独立网页,部分消息可能出现在搜索引擎结果中。
火狐Firefox浏览器新增AI表单自动填写和网站监控功能,支持从其他标签页提取上下文信息,并利用Qwen模型识别网页变化,目前仅面向美国和加拿大英语用户测试。
WeaveGrid 公司的软件旨在帮助组织高效部署能源,同时优化连接以降低公用事业客户的账单。Veir 公司推出的超导电力线可提高能源传输效率,减少空间需求。AI 基础设施投资推动创新,有助于数据中心成为更好的社区邻居和公民。
AI工具现在可以接受自然语言指令来设计蛋白质和基因组,标志着自然语言在生物信息学领域的应用迈出重要一步。
LangGraph 模型支持代理状态保存与加载,但开发者需自行编写检查点、恢复逻辑和解决幂等性问题。随着代理业务逻辑的扩展和多租户服务,这一问题愈发突出。目前尚无专门针对此问题的解决方案,存在创业机会。该工具应能自动适应代理业务逻辑的变化,且具备框架无关性。
Agent Skills 推出 51 个 SKILL.md 工作流程,旨在提升编码智能体和营销人员的效率;工作流程支持多种编程语言,并可通过 API 集成到现有系统中。
Gary,一位技术创始人,正在开发一款名为 Claude Code 的工作流编排应用,用于管理软件开发中的数百个会话。他正在为即将到来的产品发布做准备,希望与其他软件专业人士练习演讲和进行客户访谈,并愿意提供产品反馈。感兴趣者可通过评论或日历邀请与他联系。
HN 社区讨论了 AI 写作普及后,如何适应这一变化,认为未来使用 AI 写作将像戴眼镜阅读一样普遍。
Espresso AI SQL工具利用Rust语言实现,提供10倍速度和3倍价格优势的ETL解决方案,通过将SQL转换为高性能Rust二进制文件,确保数据仓库查询的高效执行。
TheGitAI 是一款用于终端的 AI 编码工具,通过 Chrome 扩展可以直接控制浏览器。无需额外浏览器或登录,支持云控制台、仪表板、管理面板等操作。扩展程序无需配置,连接自动完成。支持暂停下载、选择 Chrome 配置文件、控制权限等功能,保护用户隐私。
一项针对 macOS Dock 的 UI 实验提出了一种名为 Peek and Pop 的可逆手势功能,旨在提高桌面操作系统中手势的利用率。
"browsermd 是一款运行在浏览器中的无干扰 Markdown 编辑器,支持离线工作。编辑器提供实时预览、语法高亮、自定义样式等功能,并支持将文件夹附加到编辑器中浏览和编辑 Markdown 文件。项目使用 npm 进行开发,支持通过 GitHub Pages 部署。"
SkillScout推出AI工具排名系统,以用户工作方式而非流行度为标准,旨在为用户提供更精准的AI工具选择。
Open Habit 是一款免费、开源的 iOS 习惯追踪器,支持离线使用和本地数据同步,无需订阅或广告,数据隐私保护严格。用户可通过快捷方式快速记录习惯完成情况,并添加每日笔记,支持 HabitKit v2 数据导入。
Family Space 应用将数据存储在本地浏览器,视频和图片导出时也进行本地处理,源代码公开。
Jog 提供了比 GitHub 更便宜的 GitHub runners,每月节省 80% 的成本。Jog 的价格仅为 0.0012 美元每分钟,而 GitHub 的价格为 0.006 美元每分钟。Jog 还提供每月 5000 分钟的免费使用时间。
Clai是一款命令行人工智能工具,支持通过配置文件创建智能体,并具备工具、MCP服务器、技能和工作者等功能。Clai支持通过别名链式调用智能体,并能够将会话记录在clai.chat上,实现多厂商的转录同步。Clai支持多种模型,包括GPT-6.1-sol等,并能够与Claude Code、Codex、Cursor等工具集成。
StoreRouter CLI 允许用户通过终端搜索、筛选和查找产品,并获取相似产品信息。该 CLI 可直接在网页上运行,无需安装。它支持与 StoreRouter API 的交互,并生成可重定向的 JSON 输出,适用于智能体和软件工程师。
ArtCraft是一个集图像编辑、场景构图、视频时间轴和参考板于一体的浏览器工作空间。艺术家可以使用ArtCraft准备参考资料、构图、精炼和保存项目,支持多种图像和视频处理工作流程,包括2D图像合成、背景去除、图像编辑、文本到图像、图像到视频等。ArtCraft基于授权的上游创意工具构建,提供私有存储和生成集成。
Filmcraft 是一款免费在线视频编辑工具,提供导入、编辑和预览功能,无需注册即可使用。它集成了开源的 FilmCraft 编辑引擎和AI工具,支持用户在浏览器中直接进行视频编辑。用户可以上传自己的视频素材,进行剪辑、调整色彩和音频,并添加标题。保存项目或导出结果需要验证登录,但不会消耗生成信用。
Dola AI 提供视觉控制工具,支持艺术家进行图像、场景、视频编辑和创意构思。该平台集成了图像编辑、场景构图、视频时间轴和参考板等功能,并支持多种模型进行图像和视频生成。Dola AI 提供了12种视觉工作流程,包括2D图像合成、背景去除、画布图像编辑、文本到图像、图像到视频等,旨在帮助艺术家更高效地创作。
Tar-minefield 项目提供了一套全面的测试套件和文档,用于确保不同的 tar 文件提取实现以相同的方式进行。该项目旨在解决 tar 文件格式存在歧义的问题,可能导致不同实现提取特定文件的方式不同,从而引发安全问题。
Autosomal.ai 推出免费AI面部分析器,用户上传自拍照片,AI即可猜测年龄、性别和种族,无需注册,操作简单,支持JPG、PNG和WebP格式图片。
Show HN 推出提示市场,销售前对每个提示进行模型运行;旨在确保提示质量,提升用户体验。
HackerDome 是一个实时编程对战平台,允许玩家进行编程谜题对战,观众可以观看比赛,甚至玩家可以破坏对手的编辑器,增加游戏趣味性。
SlidePilot是一款为应用创始人设计的TikTok幻灯片生成工具,通过连接Codex、Claude Code、Antigravity或Cursor等AI智能体,自动生成TikTok幻灯片,支持图片搜索和幻灯片渲染。目前处于付费私有测试阶段,支持多种AI智能体连接,并允许用户自定义幻灯片内容和格式。
在 2026 年的 GitHub Universe 大会上,Gemini 与 Steve Francia 合作,在会议徽章上成功部署了 Game Boy 和 Game Boy Color 模拟器,用户可通过徽章上的触摸按钮玩游戏。
开源可能主导模型创新,促使 OpenAI 和 Anthropic 等公司未来将重点转向特定垂直领域;当前模型训练成本高昂,但长期创新有望降低成本。
用户发现公共主页缓存导致内容与登录后内容差异较大,可能存在内容过时问题。例如,在未登录状态下看到的内容与登录后不同。
作者讨论了在Google Reader关闭后,工程师和开发者减少使用RSS订阅的情况,并询问了如何在自然方式下增加技术博客的新读者。作者提到自己仍在使用RSS订阅,但Feedburner已关闭,无法追踪订阅者。此外,由于浏览器出于隐私原因不再跟踪完整的引用URL,作者无法了解人们是如何链接到自己的博客的。作者认为LinkedIn、X等社交网络可能有助于找到新读者,但效果有限。
DietPi v10.8 版本发布,新增 DietPi-Wireguard 工具管理 WireGuard 服务器和客户端,优化 HAProxy 安装,支持 ATAPI/SCSI 光驱,并针对 DietPi-Drive_Manager、DietPi-Cloudshell 等进行修复。