依意思最接近的 19 筆
Show HN 上的 PDF TO MP3 提供 MCP 伺服器，讓 Codex、Claude 等 AI 訂閱承擔 PDF 的文件處理，把文件轉成有聲書。用法是新增該 MCP 伺服器地址並完成認證，在對話裡附上 PDF 並要求呼叫它，另需一把 OpenAI 或 Google 的語音 API key；文件處理算在已付費訂閱內，語音生成按用量由 OpenAI 或 Google 單獨計費。
僅 1.3B 引數的國產開源文件解析模型 OXR 在 OmniDocBench（97.18）、olmOCR-Bench（87.84）、DocParsingBench（87.76）三榜均列第一。它一次可解析表格、公式、程式碼塊、化學方程式等 13 類元素並輸出結構化 Markdown，單張 RTX PRO 6000 處理 100 頁文件僅需 101 秒。訓練引入 RSI 遞迴自我改進，不依賴新增人工標註；版面分析為獨立可插拔模組。程式碼與權重已開源，官方另提供免註冊免費 API，RTX 3060 即可本地執行。
PaperPilot v0.6 是一個用純 Rust 編寫的本地 PDF 工具：同一套引擎分別以 MCP 伺服器、CLI、瀏覽器 WASM、Tauri 桌面應用和執行在 localhost:7823 的本地 REST API 五種形態提供，檔案不離開本機，也不發起雲端呼叫。MCP 伺服器可以被 Claude Desktop、Cursor 等客戶端直接呼叫，用來合併、拆分、OCR 和壓縮 PDF。
開發者基於 Opus 5.5 做出 Skill「Papermorph」，能把 PDF 依次轉成書籍規劃、分鏡、旁白、動畫與測驗，最終生成可探索的動畫互動網頁書。目前僅依賴 Opus 5.5，未接入影像模型，直接輸入 PDF 效果已不錯；下一步將加入影像模型以支援繪本與人文紀錄片。專案已在 GitHub 以 MIT 協議開源，並提供線上書架。
1.3B 引數的開源文件解析模型 OXR 在 OmniDocBench、olmOCR-Bench、DocParsingBench 三項基準上分別取得 97.18、87.84、87.76 分，均列第一。它覆蓋文字、表格、公式、化學結構式等 13 類元素，輸出 Markdown / JSON 並保留版面座標，公式轉 LaTeX、表格轉 HTML。
arXiv 上《The Little Book of Generative AI Foundations》發布修訂版 v2，全書 195 頁，並補充了貫穿全書的圖解說明。該書以推導為主線，把 PCA、機率 PCA、變分自編碼器、擴散模型、normalising flows、自迴歸分解、GAN、Wasserstein GAN 與能量模型放進同一條數學脈絡。
一名軟體工程師用 Claude Code 搭建 AI 流水線，在一夜 12 小時內檢索 435 萬頁荷蘭東印度公司檔案與舊報紙，發現一份被遺忘的隕石記錄、三隻未記錄的犀牛和未定位的火山噴發。他把 570 萬段文字轉成語義向量檢索，再用每百萬詞僅幾美分的小型決策模型 Jev 初篩（讀 5.9 萬條大象記錄約 3 美元），由 Claude Haiku 精讀並核對原始掃描頁。靈感來自歷史學家 Benjamin Breen 用 Opus 5.5 找到的 1615 年渡渡鳥目擊記錄。
Sygal 上線，可在本機把 PDF、Word、Excel、圖片、掃描件、網頁乃至 YouTube 連結轉成 Markdown 與結構化 JSON，發布期一次性 25 歐元、無訂閱無帳號，另有 14 天免費試用，支援 macOS 12+ 與 Windows 10+。官方稱掃描件、截圖、掃描 PDF 與網頁轉成文字後 token 消耗約降 2 到 7 倍，單檔案轉換約 1.7 秒，共支援 29 種格式。
ChatGPT 移動端新增掃描功能，可連續拍攝多頁筆記或文件，自動合成為一份 PDF 並直接上傳到對話中。使用方式是開啟 ChatGPT 相機，點三點選單選擇 Scan；目前該功能正在 iOS 上逐步推出。
Pi 1.4.0 發布，Codemode 的 models.classify() 現在接受圖片輸入，覆蓋 TypeSafe 的 Jev 與 Cloudflare 的 Clef 模型，可在 typesafe、cloudflare-workers-ai 與 OpenRouter 使用。壓縮與分支摘要改用模型自身輸出上限，長推理不再因固定上限報錯，compaction.reserveTokens 只決定何時開始壓縮。
IBM Research 發布 Palette：用 LoRA 微調一個 20B 開源權重模型，使其按指定設計語言製作整套幻燈片，並可部署在自有基礎設施上。模型分成“設計師”和“編碼者”兩個角色：前者輸出可讀、可編輯的 JSON 簡報，寫明配色、字號體系、每頁佈局與內容；後者按單頁規格編寫 pptxgenjs 程式碼；因此各頁可並行生成，編碼階段約快 6–7 倍。訓練資料由大模型合成，約 1000 份演示、近 1 萬頁，每例附帶反事實推理說明，並經渲染檢查修覆文字溢位與元素重疊；
OpenAI Devs 帳號介紹，Fatimah Hussain 與 Chloe Hughes 用 Codex 建置了 Finnie。該工具從學生的 PDF 中提取資訊，用來匹配適合的獎學金；原文未披露上線時間、價格與可用範圍。
百度發布並開源文心 Unlimited OCR 2，百頁級單序列峰值 KV 快取從 47GB 降到 1.77GB，減少約 96%。它靠稀疏參考滑動視窗注意力 SR-SWA 與分塊無限解碼，可連續解析 3600 頁以上文件，16 路併發吞吐從 360 提升到 1315 Token/秒。MarathonDocBench 得 77.06、MPDocBench 得 84.59，單步解碼速度分別為全注意力和上代 R-SWA 的 7.0 倍與 5.6 倍。
有使用者在 macOS 版 ChatGPT 桌面應用中遇到 PDF 附件訪問問題：同一份 PDF 用「On the computer」可讀，用「Run on the cloud」卻無法獲取；把對話移入專案後，通過上傳 ID 下載 PDF 報錯「file could not be authorized or resolved」，且所選專案與活動工作區目錄不一致。
Ai2 與賓夕法尼亞大學合作推出 LitPivot，把文獻檢索與批評嵌入研究想法的撰寫過程。系統把提案拆成問題、貢獻與評估計劃三部分，用 Asta Paper Finder 檢索論文，按正在編輯的部分分組並高亮相關文獻，再給出附原文摘錄的批評和可接受、編輯或拒絕的改寫建議。17 名研究者的實驗室研究中，兩名不知情的領域專家評定 LitPivot 產出的想法更紮實地依據文獻，參與者自評的新穎性與有用性提升也更大。論文將在 UIST 2026 報告。
Dharma-AI 發布 Field Extractor：一個 20 億引數模型，從任意型別文件抽取指定欄位並直接輸出 JSON。它支援無 schema 的開放式抽取，也支援按給定 schema 返回，欄位型別可為 string、number、boolean，文件中沒有的欄位返回 null，同一權重無需按文件型別微調。
Artificial Analysis 將模型智慧指數升級到 v5.0，評測集換成 9 項新基準。Knowledge Work、Coding、Science、General 四類各佔 25%，單項權重最高為 15%，分別是 AA-Briefcase v1.1、FrontierCode 2.0、Terminal-Bench-Science 0.1 和 AA-Omniscience v1.1；
GitHub 上新開源專案 Open Academic Paper Gen，用多智慧體工作流把論文初稿生成拆成九個階段，最大特點是在拿到文獻全文後定位相關段落，核驗正文引用是否真被原文支撐，有頁碼時還會標出對應 PDF 頁碼。它從 OpenAlex、Crossref、Semantic Scholar 和 arXiv 檢索文獻，生成證據表後分析趨勢、診斷創新性、列提綱寫作，再做引用核驗與模擬審稿，可匯出 Markdown、LaTeX 與 RIS、BibTeX。
DeepSeek 開源了生產推理棧 DeepInfer，它基於 vLLM 定製、採用 Apache 2.0 許可，支援最長 72 小時 prompt 快取、投機解碼與結構化輸出，相容 NVIDIA 與華為昇騰。官方稱單叢集日處理 155 萬億 token、輸入快取命中率 96%、首 token 延遲 400ms、生成速度 230 token/s，按非高峰電價折算單卡每小時收入 38 美元，毛利率超過 80%、回本週期 81 天。不過 KV 快取管理與負載均衡仍未開源；