Magika 是 Google 出的 AI 文件类型检测工具：用一个高度优化的小型深度学习模型（仅几 MB）在毫秒级、单 CPU 上也能精确识别文件内容类型。它在约 1 亿样本、200+ 内容类型（二进制 + 文本）上训练评测，测试集平均约 99% 准确率，尤其在文本类型上明显优于传统方法（如 libmagic/file 命令）。它已在 Google 内部大规模用于把 Gmail、Drive、Safe Browsing 的文件路由到正确的安全与内容策略扫描器，每周处理上千亿样本，并集成进 VirusTotal、abuse.ch。CLI 用 Rust，另有 Python API 与 Rust/JS/Go 绑定。Apache-2.0，研究论文发表于 ICSE 2025。
来源：README 顶部/Highlights；GitHub desc，license Apache-2.0 查看 GitHub 仓库 →约 1.7 万星、自 2023 年就存在并持续维护。热度来自它精准解决了一个老问题：传统 file/libmagic 靠魔数和规则、对文本和混淆文件常出错，而 Magika 用小而快的深度模型把『判断这是什么文件』做到 99% 准确、毫秒级、单 CPU 可跑，还有 Google 的大规模生产验证和 ICSE 论文背书，安全/取证/数据管线领域都用得上。
来源：GitHub 17,035 stars / 1,044 forks，created 2023-08-22；README 顶部自定义深度模型仅几 MB，模型加载后每文件推理约 5ms，单 CPU 即可；推理时间近乎与文件大小无关——只用文件内容的有限子集，可同时处理上千文件、支持 -r 递归扫目录。
来源：README Highlights（小模型/5ms/near-constant）在约 1 亿文件、200+ 内容类型（二进制与文本）上训练评测，测试集平均约 99% precision/recall，尤其在文本内容类型上超越现有方法。
来源：README 顶部/Highlights采用每内容类型的阈值系统决定是否『信任』模型预测，否则返回 Generic text document / Unknown binary data 等通用标签；可用 high-confidence / medium-confidence / best-guess 不同预测模式控制对错误的容忍度。
来源：README Highlights（threshold/prediction modes）CLI 用 Rust 写，提供 Python API，以及 Rust、JavaScript/TypeScript（实验性 npm，驱动浏览器内本地运行的 web demo）和 GoLang（WIP）绑定，可嵌入各类工具链。
来源：README Highlights/Installation；tree（rust/python/js/go）在 Google 内部把 Gmail/Drive/Safe Browsing 文件路由到正确的安全与内容策略扫描器（每周上千亿样本），并已集成进 VirusTotal 与 abuse.ch，是经过大规模实战验证的安全基础组件。
来源：README 顶部（used at scale/VirusTotal/abuse.ch）多语言 monorepo，围绕一个共享的小型深度学习模型构建：assets/models 下是训练好的标准模型（standard_v3_3 等，含 200+ 内容类型定义）。各语言实现把同一模型跑起来——rust/（CLI 主体，性能最佳）、python/（Python API + 包）、js/（TypeScript 实现 magika.ts/magika-node.ts/magika-cli.ts，experimental npm，并驱动浏览器内本地推理的 web demo）、go/（用 onnx 跑模型，WIP）。模型推理只取文件内容的有限子集做特征、近常数时间，配合每类型阈值与置信度模式输出标签或通用回退。tests_data/ 是测试样本，website/website-ng/ 是站点与 demo。整体是『一个共享小模型 + 多语言客户端/绑定 + 阈值/置信度后处理』的设计，强调小、快、可嵌入、可在客户端/浏览器本地运行（隐私友好）。
来源：README Highlights/Installation；tree（rust/python/js/go、assets/models、tests_data）中心为项目本体，内环 = 核心功能模块，外环 = 关键技术依赖；按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成
自研小型 DL 模型（几 MB）ONNX Runtime（go/rust 推理）PyPI magika / npm magika200+ 内容类型模型（standard_v3_x）适合：①安全/取证/反滥用场景，需要可靠判断上传文件真实类型（不被扩展名/伪装欺骗）再路由到对应扫描器；②数据管线、内容平台、防病毒/沙箱前置的文件分类；③需要在客户端/浏览器本地、低延迟、单 CPU 跑文件类型识别且注重隐私的场景；④想把准确的 file-type 检测嵌进 Rust/Python/JS/Go 工具链的人。不适合：只需粗略按扩展名判断的轻量场景（无需上模型）；以及对极少见/自定义私有格式的识别（不在 200+ 类型内可能回退为通用标签）。
来源：README 顶部/Highlights，结合定位推断按语言分别发布：CLI v1.1.0（2026-04-24，Rust）、python-v1.0.2（2026-02-27）等，模型为 standard_v3_3；仓库自 2023-08 持续维护（最近 push 2026-05-20），是成熟且仍活跃迭代的项目。
来源：GitHub Releases cli/v1.1.0、python-v1.0.2；pushed_at 2026-05-20Magika 是『用小 AI 模型把一件老工具做对』的范例：传统 file/libmagic 在文本和伪装文件上常翻车，而它用几 MB 的模型在单 CPU 毫秒级做到 200+ 类型约 99% 准确，还能在浏览器本地跑、隐私友好，背后有 Google 的千亿级生产验证和 ICSE 论文，1.7 万星实至名归。它的边界也清楚：只判断『是什么类型』、不判恶意性，识别范围限于训练覆盖的类型、罕见格式会回退通用标签，且仍是概率判断。对做安全、取证、内容平台或数据管线、需要可靠 file-type 检测的人，它基本是当前最好的开源选择，直接嵌进 Rust/Python/JS/Go 工具链即可。
来源：综合 README 定位/能力、tree 多语言结构、局限与发布状态的事实判断