标签
NVIDIA 发布 Metatron v1，这是一种统一的宇树 G1 人形机器人控制策略，将行走、场景交互与恢复整合到单一的 MaskedMimic 风格 Transformer 学生模型中，并提供原生 PyTorch 检查点与面向浏览器的 ONNX 导出。
作者在博客中演示了如何完全在浏览器端运行 RAG：用静态嵌入检索段落，再通过 transformers.js 在 WebGPU/WASM 上运行小型模型（如 Qwen3-0.6B、SmolLM2-360M）生成两句话摘要，全程数据不出本地。文章还评估了这些小模型的忠实度局限。
Datalab 发布了 Indra OCR——一个仅约 1M 参数的轻量 OCR 模型，在 CPU 上每秒最多可处理 49 页，速度比 Tesseract 和 PaddleOCR 快 11-24 倍，可将 PDF 和图片转换为 Markdown、纯文本或带框的 JSON。
一个从 FLUX.2 klein 蒸馏而来的 140 万参数 U-Net 学生模型，在 GTX 1650 入门级显卡上的 Minecraft Fabric mod 中，实现实时 30-40 FPS 的神经网络天气风格迁移（雪景、湿润、夜晚），通过 PatchGAN 微调修复了纯像素损失导致的输出泛白问题。
Neuphonic 以 Apache 2.0 协议开源 NeuDecide，这是一个 43 MB 的音频到工具调用模型，跳过转录步骤，在 SLURP 数据集上达到 72.4% 的工具准确率，仅需单 CPU 线程即可运行，并提供浏览器 WASM 演示。
一个 Chrome 扩展，使用在设备端运行的小型 ONNX 决策模型（opendecider-nano）过滤 YouTube 信息流，通过 WebGPU/WASM 运行，无需服务器或 API 调用。在 400 个视频上，针对“隐藏音乐”或“只看新闻”等规则，达到 0.934 的平衡准确率，还能对选中文本检测提示词注入。
Sopro V2 Turbo 是一款拥有 1.2 亿参数的开源 TTS 模型，支持零样本语音克隆，在笔记本 CPU 上即可实现约 300 毫秒的首音输出流式延迟，并可通过 ONNX 在浏览器中运行；尽管规模很小，其清晰度仍达到了 SOTA 级别。
BeeNara 是一个332MB的ONNX交叉编码器模型，用于文档分类，它使用分割保形预测来为不确定的分类提供校准的'无匹配'响应。
一个轻量级的TTS实现，通过2000小时数据复现Audio8的训练，在H200上不到10小时训练就达到了0.72的SIM指标。
Netron 是一个开源的可视化工具，用于查看神经网络、深度学习和机器学习模型文件，支持 ONNX、PyTorch、TensorFlow 等多种格式，可通过浏览器、桌面端或 Python 使用。
本教程介绍如何使用 ROS 2 和 YOLOv11 构建用于机器人技术的实时目标检测与跟踪管道，涵盖线程推理、ByteTrack 集成、置信度验证以及用于边缘部署的 ONNX 导出。
Ultralight Digital Human 是一个开源 Python 项目，支持从 3-5 分钟的视频中训练一个面向特定人物的音频驱动数字人，并支持 HuBERT/WeNet 音频特征、ONNX 导出和流式推理。
他们发布了一个统一的多头安全分类器（mmBERT-small编码器，七个头），使用掩码损失处理缺失任务标签，在七个任务上取得了高F1分数，同时还发布了量化的ONNX INT8变体。权重和指标已公开。
介绍了qZACH-ViT，这是ZACH-ViT的量化感知扩展，具有递归内在解释，以及用于稳定归因梯度的递归归因稳定优化（RASO）。在INT8转换后的MedMNIST数据集上实现了高预测一致性和加速。
探讨了在没有GPU的情况下，在CPU上使用Qwen3-ASR和Kokoro-TTS ONNX模型运行语音助手的性能，测量响应时间。
Manticore Search 27.1.5 引入了一个新的 ONNX Runtime 后端用于嵌入，其性能比之前的 SentenceTransformers/Candle 路径提升约14倍，吞吐量从每秒5-11个文档提高到每秒70-230个文档，并且无需更改API。
Simon Willison借助Claude Code，将Moebius 0.2B图像修复模型移植到浏览器中运行，使用了WebGPU和ONNX Runtime。最终的演示允许用户上传图片并通过修复移除物体。
archex是一个本地优先、确定性的工具，用于为AI代理构建具有令牌预算的代码上下文包。它使用完整的检索管道（BM25F、本地嵌入、交叉编码器重排序器、依赖图扩展），在您的硬件上运行，无需API密钥或遥测，在召回率和效率方面优于替代方案。
OpenCV 5 是计算机视觉库的重大版本更新，包含全新的 DNN 引擎、改进的 ONNX 支持、硬件加速以及更简洁的架构。对于从事经典视觉、深度学习及边缘部署的开发者而言，这标志着一次重要的现代化升级。