Hugging Face测试8款开源OCR模型:数字化百万页最低约65美元,18个月成本降五倍

Hugging Face 的 Daniel van Strien 在同一块 GPU 上对比了 8 款开源 OCR 模型,最新模型处理千页的成本从约 51 美分降到不足 10 美分,数字化一百万页的算力花费约在 65 至 130 美元之间。

Hugging Face 的 Daniel van Strien 在同一块 GPU 上对比了 8 款开源 OCR 模型,最新模型处理千页的成本从约 51 美分降到不足 10 美分,数字化一百万页的算力花费约在 65 至 130 美元之间。

Google DeepMind 在七周内发布第四款模型 Gemini 4 Neon,推理速度接近前代的两倍,基准测试分数更高,基础定价也低于 Gemini 4 Carbon,先不论能耗效率,单位成本已明显下降。

Canva 新增“关闭生成式 AI 功能”开关,并允许用户在素材库搜索中优先看到人工创作内容。这是对用户长期抱怨 AI 功能泛滥的一次直接回应,也反映出 AI 产品开始把“可退出”做成标配。

OpenAI 在 2026 年 11 月发布的第二份内部研究加速报告中披露,其研究员对 Codex、Dots 等编程代理的依赖已深到“宁愿裁掉四成团队或放弃三成算力,也不愿停用三个月”的程度,但同时承认这些工具在复杂工程任务上仍频繁产出“AI 废料”。

Superhuman(原Grammarly)把Go助手扩展到Docs、邮箱及第三方Agent生态,并称其活跃用户已超过100万。这不是单一功能更新,而是生产力工具从“写作辅助”转向“跨应用AI工作台”的又一次落子。

Anthropic以每股83美元完成813亿美元IPO,超越SpaceX成为史上最大规模IPO,但早期投资人Dustin Moskovitz公开批评其背离安全初衷,为AI行业狂热敲响警钟。

斯坦福大学今年秋季开设的 CS329Z《Engineering AI Agents》课程资料已在官网陆续公开,系统讲解 Agent Harness、RAG、工具调用与多 Agent 协作,为想动手搭 Agent 的开发者提供了一套可跟随的课程框架。

开发者 lemomo(@lemomo_ai)于 2026 年 11 月 18 日开源 lemo-animi,这是一个面向 Codex 与 Claude Code 的 agent skill,用户只需用一句话描述创意,就能让 agent 完成从剧本、生图、逐格动画到配乐和审片的定格动画短片流程。

开源桌面工具 AutoClip(zhouxiaoka/autoclip)在 GitHub Trending 获得关注,它能把播客、访谈、课程等长视频按平台规则自动剪成短视频,并生成字幕、封面和发布文案。它的定位是把“长内容改造成多平台分发素材”这条流程本地化、可配置化。

Hugging Face Papers 收录的论文提出 WaveView,把对源视图的扭曲结果注入预训练生成器初始噪声的相位中,在不改架构、几乎不增加推理开销的前提下提升新视角合成质量,并在 DL3DV 等基准上给出量化结果。