跳转至
Gavin 每日简报 东京版

AI 工具日报 · 2026-11-02

AI 工具日报2026年11月2日 星期一 · 约 2 分钟

结论：周末没有大的新发布。值得看的有两个：一是 Mika，开源的 Android 端侧 Agent，能在后台虚拟屏上替你操作 App；二是 NVIDIA Nemotron 3.5 Transcribe，开放权重的离线多语言转写模型，自带说话人分离。

正文

  • Mika（wangzan101/Mika，GitHub 开源，Apache-2.0）：Android 11+ 上的 AI 助手。说一句话，它就在隐藏的后台屏幕上操作 App 和网页，比如读微信群、加购物车，停在结账前。没有 Mika 服务器，用你自己的模型 API key，或者登录 ChatGPT、xAI、OpenRouter 账号。也支持 Ollama、LM Studio 和局域网内的自建模型。仓库 10-29 创建，现在约 3.8k star。
  • 为什么值得关注：手机版的 computer-use Agent 开源了，而且能接本地模型。可以拿来对比桌面端的 agent-desktop，也能当视频选题。

  • 来源：GitHub README

  • NVIDIA Nemotron 3.5 Transcribe 30B-A4B（10-28 发布，Hugging Face 开放权重）：离线语音模型，支持 40 种语言转写，单段录音最长 1 小时，激活参数约 4.3B。内置说话人分离和时间戳，有 BF16、FP8、NVFP4 三个版本。许可证是 OpenMDW-1.1，可商用。它不是实时流式 ASR。官方称用 NIM 在单张 RTX PRO 6000 上吞吐最高可达 2,238 倍实时，但这部分优化还没开源，开源的 vLLM 版本大约慢一倍。

  • 为什么值得关注：会议录音、视频字幕可以完全本地处理，中文和日文都支持。适合 homelab 上有 GPU 的场景。
  • 来源：Hugging Face 模型卡

给 Gavin 的推荐

  1. Nemotron 3.5 Transcribe：在 homelab 上给每天的 YouTube 视频和内部会议做本地字幕和转写，按说话人分段，数据不出内网。
  2. Mika：装到一台备用 Android 机上试一下，接本地或自选模型，看手机端 Agent 现在做到什么程度，也可以当视频素材。

去重说明：已读 news-top5、x-news、reported.md。按要求跳过 ChatGPT/Codex 共用额度、Cursor 扩展市场投毒的 Claude Code 扩展、Claude Code 2.1.316、HackerTube、MenuBarMijia、Canvas UI、unslop skill。DeepSeek dsh-superagent 在 11-01 已作为“DeepSeek 新 Agent 架构”跳过；Nanbeige4.3-33B、LFM3、Mistral Large 4、Pika H3 Flex、GPT-6.1 Terra 都已报过。其他未核实或只有二手来源的（Glif AI 模特、Vangrid 等）不收。