茉莉花新闻网

中華青年思想與行動的聚合地

2026-08-05 08:41:16

🤡

OpenAI 发文「苹果,这件事是你做错了」,公开邮件逐条反驳商业秘密指控

📱

微信回应「临时好友」呼声:传文件、转账和建群都可不加好友

💬

鸿蒙智行回应「竹知了」事件

🚗

大众汽车启动史上最大规模重组,计划削减四分之一产能

🚙

我国发布 L3、L4 自动驾驶系统强制性国家标准,2027 年 7 月起实施

☁️

腾讯混元 Hy3 模型限时免费体验延长至 8 月 31 日

🚗

多名车主称特斯拉 FSD v14 Lite 出现过热,部分 HW3 电脑需更换

📱

苹果拟为欧盟 iPhone 与 Windows 加入跨设备剪贴板

🛑

Telegram 短暂下架 App Store 后重新上架

💰

AMD 第二财季营收增长 50%,数据中心业务收入翻倍

📋

世界杯广告拉动 Snap 收入增长,北美日活继续下降

💰

Palantir 季度收入增长 93%,再次上调全年指引

💡

Hugging Face 联创:AI 最大风险之一是权力过度集中

📱

影石 X6 全景相机定档 8 月 12 日发布,支持 8K 30fps 录制

💰

5499 元,索尼 FE 100-400mm F5.6-8 OSS 镜头发布

💻

Windows 任务管理器之父推出 macOS 监控工具 TMOG

🎬

Vidu 一键 MV 升级:一张图和一首歌可生成唱演、舞蹈或剧情视频

🔧

SK 海力士与闪迪发布首个 HBF 标准规范

🎮

索尼推出 TYLOO 联名版 INZONE H9 II 电竞耳机,售价 1839 元

👔

吉考斯推出《女神异闻录 5 皇家版》联名服饰

OpenAI 发文「苹果,这件事是你做错了」,公开邮件逐条反驳商业秘密指控

629cbdd2 0d09 4700 b0d1 e6242e52305d

苹果上月起诉 OpenAI 及两名已离职加入 OpenAI 的前员工 Chang Liu 和 Tang Tan,指控其挪用商业秘密,协助 OpenAI 进军消费硬件领域,并申请禁止上述人员访问或使用苹果机密信息。

针对苹果昨日提起的初步禁令申请,OpenAI 当天在官网发文直接点名回击,标题为「苹果,这件事是你做错了」(Apple is getting this wrong)。

OpenAI 在文中逐条反驳,并公开邮件与聊天记录。其一,苹果外部律师在联络时混淆亚裔姓氏发错邮件,事后承认从未与 OpenAI 法务总顾问通话,此后五个月未再跟进,直接提起诉讼。

其二,苹果指控 Chang Liu 擅自访问机密,但聊天记录显示是苹果在职员工主动联系他寻求技术协助;所谓「残留访问权限」,源于苹果自身离职管理机制的缺失。

OpenAI 称苹果的禁令申请「基于错误信息且完全没有必要」,公司「没有、也不想要」苹果的任何商业秘密。

🔗 相关阅读:OpenAI:苹果,这件事是你做错了

da gong si

微信回应「临时好友」呼声:传文件、转账和建群都可不加好友

微信官方回应近期关于「临时好友」功能的讨论,称一些临时沟通需求不一定要占用好友位,现有功能已经可以完成「用完即走」的操作。

在线下传照片或文件时,用户可打开「扫一扫 – 我的二维码 – 面对面收照片和文件」,让对方直接扫码传输;临时转账可以使用「面对面收红包」,或通过「收付款」向银行卡、手机号转账;需要临时组群时,可在「添加好友 – 面对面建群」中设定 4 位数字密码,沟通结束后解散群聊。

鸿蒙智行回应「竹知了」事件:维权属日常工作,否认大规模封杀

ff7b3303 e3c1 48c1 9426 09f1fce9be61

鸿蒙智行昨日晚间就近期「竹知了」相关网络讨论发布官方声明,澄清此前外界关于「全网下架」「禁止销售」等说法与事实不符。

声明显示,网络上长期存在恶意剪辑高管言论、仿冒声音、利用 AI 丑化肖像、侮辱诽谤等侵权内容,鸿蒙智行一直依法开展日常取证和投诉,本次维权是日常工作的一部分,针对的是具体侵权内容,并非「竹知了」玩具本身。

针对电商平台方面的传言,声明明确表示,鸿蒙智行未向任何电商平台投诉「竹知了」商品,也从未要求任何电商平台下架或停售该商品。

「竹知了」是一种传统竹制玩具,因其发出的声响被网友联系到余承东在问界 M9 发布会上的发言节奏,由此引发大量二创视频和相关讨论。此后,部分创作者反映自己的相关视频遭到投诉下架,话题进一步发酵,「全网禁售」的说法随之在网络上广泛流传。

鸿蒙智行在声明结尾表示,将持续尊重正常的网络表达和善意批评,同时依法维护企业和个人的合法权益。目前官方未披露后续是否会就侵权内容进一步采取法律行动。

SpaceX 携手英伟达开发算力卫星,搭载 Rubin GPU 目标构建百万颗轨道 AI 网络

62474468 e12b 4d42 8bd2 ddf7c57be4b5

SpaceX 今天宣布与英伟达合作,共同开发名为 Starmind AI1 的算力卫星载荷。根据 SpaceX 官方披露,每颗 Starmind 卫星将搭载英伟达 Rubin GPU 与 Vera CPU,目标是在轨道上实现数据中心级别的 AI 算力。

SpaceX 设想构建一个最终规模达 100 万颗卫星的轨道网络,在太空打造分布式 AI 超级计算机。该项目计划通过激光链路在卫星间以极高速度传输数据,从而大幅扩展地球数据中心以外的计算能力。

DeepSeek V4 Flash 单周调用量达 7.22 万亿 token,登顶 OpenRouter 榜首

fd8e3572 ba09 4a15 a359 af78ec613886

在全球最大 AI 大模型 API 聚合平台 OpenRouter 昨日公布的最新周报中,DeepSeek V4 Flash 以 7.22 万亿 token 的周调用量位居平台第一,统计周期为 7 月 27 日至 8 月 2 日,较前一周增长 13%。

据 OpenRouter 数据,两个版本的 DeepSeek V4 Flash 合计处理了 6700 亿 token,平台当周总处理量为 3.29 万亿 token,周处理速度达 61.3 万亿 token。

前十名中,DeepSeek、MiMo-V2.5、Hy3 和 GLM-5.2 等中国模型占据多席,且多数免费或接近免费。OpenAI 的 GPT-5.6 Luna 排名第 8,是前十中唯一的 OpenAI 模型,其调用量虽环比增长 465%,但仍不及 DeepSeek V4 Flash 的三分之一。

开源项目团队 OpenCode 另行披露,其平台上 DeepSeek V4 Flash 的单日处理量已达 8 万亿 token,其中 5 万亿来自免费试用额度消耗,3 万亿为开发者付费使用。

大众汽车启动史上最大规模重组,计划削减四分之一产能

大众汽车集团公布包含 12 项措施的「2030 目标图景」,把这轮调整称为集团史上规模最大的综合性改革。到 2030 年,集团计划把全球年产能从约 1200 万辆降至 900 万辆,车型数量最多减少 50%,零部件种类最多减少 75%,并削减约 5 万个间接岗位。

改革目标还包括把销售、管理等费用占收入的比例从约 16% 降至 12%,并把营业销售回报率提高到 8% 至 10%。在中国,大众将继续关闭或缩减部分工厂,同时把更多研发与产品决策移交给合肥的大众汽车(中国)科技有限公司;中国市场的软件和电子电气架构将更多采用与小鹏、地平线等本地伙伴合作的方案。

调整背后是销量和利润的同步承压。大众上半年收入为 1581 亿欧元,基本持平;营业利润为 59.3 亿欧元,同比下降 11.6%,营业利润率为 3.8%。同期全球交付量下降 6.3% 至 412.6 万辆,其中中国市场下降 25.9% 至 97.3 万辆。集团还把全年收入增速预期从增长 0% 至 3% 下调为下降 3% 至持平。

我国发布 L3、L4 自动驾驶系统强制性国家标准,2027 年 7 月起实施

工业和信息化部组织制定的《智能网联汽车 自动驾驶系统安全要求》(GB 44721—2026)已由国家市场监督管理总局、国家标准化管理委员会批准发布,将于 2027 年 7 月 1 日起实施。标准适用于搭载 L3 级、L4 级自动驾驶系统的 M 类和 N 类车辆,不适用于自动泊车系统。

标准要求车企建立覆盖设计开发、生产制造和部署后的全生命周期安全保障机制,并通过仿真、场地和道路试验进行研发验证。系统还要满足动态驾驶任务的安全要求,明确最小风险策略的触发和执行,以及就绪、激活、退出等状态提示;L3 系统必须具备驾驶人接管能力监测功能。

在检验检测方面,标准建立企业保障能力检验、安全档案检验和确认性试验组成的体系,第三方可综合采用场地、道路和仿真试验评估系统能力。

腾讯混元 Hy3 模型限时免费体验延长至 8 月 31 日

腾讯 WorkBuddy 官方宣布,混元 Hy3 模型的限时免费体验延长至 2026 年 8 月 31 日。Hy3 是 WorkBuddy 中提供的混元思考模型,目前仅支持文本推理,适用于日常办公、代码开发、文档处理和数据分析等任务。

调用 Hy3 执行视频、图像等生成任务时,WorkBuddy 会切换到对应的多模态模型并按正常规则消耗积分。由于免费体验参与人数较多,每日免费额度会根据资源情况分配,繁忙时可能需要排队;官方建议在每天 23:00 至次日 8:00 错峰使用。

多名车主称特斯拉 FSD v14 Lite 出现过热,部分 HW3 电脑需更换

5fd8bb6d 7de7 4eab b329 60e58c80c452

特斯拉向搭载 HW3 硬件的车辆推送 FSD v14 Lite 后,多名车主报告 Autopilot 计算机出现过热警告,部分车辆甚至需要更换整套计算机。该版本从 HW4 平台的 v14 模型压缩而来,面向只有 8GB 内存、内存带宽约为 HW4 八分之一的 HW3 计算机。

目前已有 4 名车主向 Electrek 反映类似问题。部分车辆的维修模式显示 APP_w141_ECU_Thermal_Issue,该代码对应主板温度超过 90 摄氏度;车主测得的温度最高达到 96 摄氏度。故障可能表现为红色双手警告、FSD 被强制退出,或进入 selfDrivingUnavailable 状态。

IT之家同时指出,HW3 的过热故障此前就可能由冷却液不足、八通阀存有空气或散热器堵塞引起,特斯拉尚未确认软件更新会导致硬件损坏。但已公开案例大多出现在安装 v14 Lite 后,车主还报告了幽灵刹车、犹豫和刹车抖动等问题。

苹果拟为欧盟 iPhone 与 Windows 加入跨设备剪贴板

259a0b0f 810b 436c b0d6 90e56f9ee5c2

据 MacRumors 报道,苹果正在评估让 iPhone 与 Windows 电脑持续同步剪贴板的互操作项目。该项目来自微软通过欧盟《数字市场法》渠道提出的请求,目标是在用户完成一次授权后,让配对电脑可在后台同步复制和粘贴内容。

苹果于 3 月开始审查请求,并在 6 月 26 日提出项目计划。方案预计使用 AccessorySetupKit 完成设备配对和权限确认,工程开发目标指向 2027 年秋季,随后先提供开发者测试版;面向普通用户的版本可能要到 2028 年初。

目前项目仍处于规划阶段,发布时间和支持范围都可能变化。由于请求基于欧盟互操作规则,这项能力是否会在欧盟以外地区开放尚未确定。

Telegram 短暂下架 App Store 后重新上架

Telegram 昨日表示,该应用已在苹果 App Store 重新上架并恢复下载。此前,Telegram 曾被 App Store 短暂下架,下架的具体原因不明。

Telegram 创始人兼 CEO 帕维尔 · 杜罗夫(Pavel Durov)随后在社交平台发文证实了这一消息。

杜罗夫提到,苹果在收到 Telegram 对相关问题的处理反馈后,已经恢复了该应用的下载权限。

作为全球主流的加密通讯工具之一,Telegram 此前多次因内容审核标准与应用商店规则的冲突而引发关注。

AMD 第二财季营收增长 50%,数据中心业务收入翻倍

AMD 发布 2026 财年第二财季业绩:营收为 115.36 亿美元,同比增长 50%;GAAP 净利润为 22.97 亿美元,同比增长 163%,毛利率为 54%。

数据中心业务收入为 67.18 亿美元,同比增长 107%;客户端与游戏业务收入为 38.41 亿美元,同比增长 6%;嵌入式业务收入为 9.77 亿美元,同比增长 19%。

公司预计第三财季营收将在 127 亿至 133 亿美元之间,非 GAAP 毛利率约为 56%。

世界杯广告拉动 Snap 收入增长,北美日活继续下降

Snap 第二季度收入为 16 亿美元,同比增长 19%,高于市场预期的 15.4 亿美元。公司称,世界杯相关广告和大型广告主支出推动了增长,并预计第三季度收入为 17 亿至 17.4 亿美元,调整后 EBITDA 为 3 亿至 3.5 亿美元。

Snapchat 全球日活跃用户达到 4.93 亿,同比增长 5%;但北美日活下降约 7%,欧洲下降 2%。成熟市场用户回落,说明公司仍需依靠广告工具改进和新市场用户增长来扩大收入。

Snap 还计划于 9 月 16 日在洛杉矶活动中公布新一代 Specs 眼镜的更多信息。这款消费级眼镜此前公布的价格为 2195 美元,公司试图借此把增强现实业务从开发者实验推向更广泛的付费用户。

Palantir 季度收入增长 93%,再次上调全年指引

Palantir 第二季度收入达到 19.4 亿美元,同比增长 93%,调整后每股收益为 0.41 美元,均高于市场预期。美国政府业务收入增长 90% 至 8.09 亿美元,继续成为主要增长来源;公司盘后股价一度上涨约 14%。

公司把全年收入预期从 76.50 亿至 76.62 亿美元上调至 81.50 亿至 81.58 亿美元,并预计美国商业业务全年收入至少达到 34.24 亿美元。第三季度收入指引为 21.60 亿至 21.64 亿美元,高于分析师约 20 亿美元的平均预期。

Palantir 表示,企业和政府客户正在把生成式 AI 从试验项目转向生产系统。公司第二季度利润约为 11 亿美元,后续合同的兑现速度将成为衡量其高估值的重要指标。

💡 Hugging Face 联创:AI 最大风险之一是权力过度集中

Hugging Face 联合创始人兼 CEO Clément Delangue 在接受彭博电视和 CNBC 采访时表示,AI 行业面临的最大风险之一,是模型、算力和分发渠道集中在少数企业手中。

他认为,开放模型能够让研究人员、创业公司和各行业开发者检查、修改并部署技术,从而降低对单一平台的依赖。

Delangue 同时指出,中国团队正在开放模型竞争中取得更强位置。他以持续发布的开放权重模型为例,称开发者可以在不同基础设施上部署和二次开发,竞争因而不再只由闭源模型的榜单表现决定。

在他提出的框架中,模型权重、数据与部署工具应由更多参与者共同掌握,企业也应保留切换模型和本地部署的能力。这样既能让研究者检查模型,也能避免一家公司的产品决策影响整个开发生态。

Delangue 强调,开放并不等于没有安全风险。他主张把透明度、开发者选择权和分散的技术供给纳入 AI 治理,同时为高风险用途建立测试和责任边界。Hugging Face 的业务建立在开放模型托管、协作和部署之上,这构成了他反对权力集中的具体行业背景。

hao chan pin

影石 X6 全景相机定档 8 月 12 日发布,支持 8K 30fps 录制

2c162e49 5665 4a68 8991 30b740e6085c

影石宣布「十年之作」X6 全景相机将于 8 月 12 日 20:00 发布。根据官方公布及此前信息,这款相机录制 8K 30fps 全景视频时最长续航可达 140 分钟,支持 PureVideo 低光视频模式和升级版可换镜头方案。

X6 配备 2600mAh 电池,包装内含隐形自拍杆、镜头保护盖和充电管家等配件。

5499 元,索尼 FE 100-400mm F5.6-8 OSS 镜头发布

19cb03f6 f328 4466 9cf3 2fb246379443

索尼正式发布 FE 100-400mm F5.6-8 OSS(SEL100400)全画幅超远摄变焦镜头,重量约 654 克、镜身长约 16.4 厘米,焦段覆盖 100-400mm。镜头采用 2 片 ED 镜片和 2 片非球面镜片,支持最高约 120 张/秒的 AF-C 连拍,并可配合增距镜扩展至 800mm。

产品内置光学防抖,最近对焦距离约 0.86 米,最大放大倍率约 0.41 倍;预计 2026 年 8 月中旬上市,建议零售价 5499 元。

Windows 任务管理器之父推出 macOS 监控工具 TMOG

3e369cb8 29d5 48cd aef4 fc1b54717c4d

微软退休工程师、Windows 任务管理器的开发者戴夫・普拉默发布了 macOS 任务管理器 Task Manager OG(TMOG)测试版。他认为 macOS 自带的 Activity Monitor 无法满足自己的使用需求,因此开发了这款替代工具。

TMOG 可展示 CPU、GPU 的使用方式,以及处理器频率、温度、资源分配、每个逻辑核心状态和进程分支情况。macOS 版本使用 Swift 和 AppKit 开发,普拉默还表示 Windows 纯 Win32 版本和 Linux 客户端正在开发中。

Vidu 一键 MV 升级:一张图和一首歌可生成唱演、舞蹈或剧情视频

80537995 abe0 4ff4 a35a 95b76d3d5ace

生数科技升级 Vidu 一键 MV,提供对口型唱、演唱穿插、舞蹈演绎和剧情演绎四条生成链路。用户选择模式后上传一张图片和一首音乐,系统会处理口型、动作、表情、节拍、镜头与剧情,真人、卡通角色、萌宠和玩偶都可作为画面主体。

对口型唱最多支持两名角色,系统可识别不同演唱段落并生成合唱;演唱穿插模式会在对口型和剧情表演之间切换,舞蹈模式支持 K-pop、嘻哈、爵士和机械舞等类型,剧情模式则根据歌曲节奏与情绪组织人物动作和镜头。升级后支持 720P 生成,对口型唱、演唱穿插和舞蹈模式每秒 0.75 元,剧情演绎每秒 0.65 元,并提供国内外网页入口与 API。

SK 海力士与闪迪发布首个 HBF 标准规范

SK 海力士与闪迪在 FMS 2026 上发布首个高带宽闪存 HBF 标准规范。方案把 8 层或 16 层 NAND 堆叠在计算芯片附近,单个模块容量最高可达 512GB,并通过 UCIe 与 GPU 或 CPU 连接,用更大容量补充 HBM 的高速内存空间。

规范划分三个性能等级,带宽覆盖 0.4TB/s 至 3.0TB/s。两家公司希望把接口和封装要求交给开放计算项目 OCP 推进为开放标准,Google、Tenstorrent 等企业已参与相关生态。

SK 海力士还展示了第十代 375 层 4D NAND,宣称单位功耗性能达到上一代的 2.5 倍,并计划在明年初用于企业级 SSD。HBF 仍处于标准和样品推进阶段,何时进入大规模 AI 服务器取决于控制器、封装和主机平台的共同支持。

pin pai

索尼推出 TYLOO 联名版 INZONE H9 II 电竞耳机,售价 1839 元

d89fc5be 982f 4e30 9d04 aff244744a1f

索尼为 INZONE 英纵 H9 II 旗舰降噪电竞耳机推出 TYLOO 电子竞技俱乐部联名套装,包含联名耳机饰品和耳带,售价 1839 元。

耳机搭载与 WH-1000XM6 同款的 30mm 碳纤维驱动单元,配备双噪声传感器双麦克风主动降噪、360° 游戏空间音效和可拆卸心形指向麦克风,支持三种连接方式,重量约 260g。

中国高端美妆增速超过皮具,消费者转向负担得起的高端品类

ebad58c4 b891 4816 b3cc 0c71ac1386b8

路透社援引品牌财报和咨询机构调查称,中国消费者的高端支出正从入门级奢侈皮具转向高端护肤、彩妆和香水。Oliver Wyman 与 Tax Free World Association 的调查显示,未来一年计划增加高端美妆支出的富裕中国消费者占 37%,计划增加皮具支出的比例只有 4%。

欧莱雅 CEO Nicolas Hieronimus 表示,中国高端美妆和功效护肤品牌整体增长约 7%,兰蔻、赫莲娜等高端品牌表现更快;欧莱雅中国高档化妆品业务上一季度增长 10%。雅诗兰黛预计,中国高端美妆市场在 2027 财年可实现中个位数增长。

相比之下,LVMH 称上半年中国消费者支出基本持平,爱马仕认为中国市场只是稳定、尚未复苏。咨询机构认为,护肤品单价较低、需要反复购买,也更容易被解释为自我护理和投资;皮具金额高、可延后购买,因此在信心不足时更容易被削减。

吉考斯推出《女神异闻录 5 皇家版》联名服饰

59363620 6e93 470e a05b 6f587470a2b5

吉考斯工业正式发售《女神异闻录 5 皇家版》联名系列,把游戏的红黑视觉、怪盗团成员和塔罗牌系统放进日常服饰。首批产品包括可拆卸真两件长袖 T 恤、天鹅绒房间主题短袖衬衫、竹节棉短袖 T 恤、塔罗牌印花衬衫和怪盗团贴布绣短裤。

不同单品使用丝网印花、银色粉浆、金属烫钻、定位数码印花、贴布和刺绣等工艺。例如「HERO」长袖 T 恤可拆成短袖穿着;「VELVET ROOM」衬衫使用泡泡纱和天鹅绒蓝;怪盗团短裤采用 340g 灰黑色卫衣布。品牌表示,秋冬系列还会加入其他角色。

hao kan de

Dave Bautista 洽谈出演《战神》真人剧奎托斯

24aa1115 6862 458b b65d 4fd23791168d

据 Deadline 报道,Dave Bautista 正与 Amazon MGM 和索尼电视洽谈,在《战神》真人剧中出演主角奎托斯。该角色原由 Ryan Hurst 出演,但他在拍摄约 4 个月后因伤退出,制作方随后重新寻找演员。

这部 Prime Video 剧集改编自索尼圣莫尼卡工作室的同名互动娱乐系列,故事将围绕奎托斯和儿子阿特柔斯展开。Bautista 过去在《银河护卫队》《沙丘》等作品中出演动作角色,也曾表达对相关改编项目的兴趣。

目前双方仍处于商谈阶段,片方尚未正式宣布选角结果。更换主演可能影响现有拍摄安排,具体复工和上线时间也未公布。

两只发光巨熊成为纽约 Gowanus 运河永久公共艺术

1ed660b7 e6f2 42af 9aea b64c6017ce44

据 Design Milk 报道,艺术家 Jen Lewin 的装置作品 The Ursas 于 8 月 1 日在纽约布鲁克林 Gowanus 运河畔的 Nevins Landing 永久开放。作品由一大一小两只熊形装置组成,以大熊座和小熊座为灵感,把星座导航、环境变化和公共空间体验联系起来。

较大的 Ursa Major 接近 30 英尺高,使用 Lewin 2022 年作品 The Last Ocean 回收的海洋塑料制作,内部设有无限镜空间,并呈现依据 IUCN 资料绘制的灭绝或疑似灭绝物种。13 英尺高的 Ursa Minor 则结合无限镜和可编程 LED 灯光。

The Ursas 曾以不同形式亮相 2023 年 Burning Man,此次版本成为面向公众长期开放的城市装置。观众可以走近并进入部分结构,灯光和镜面会随观看位置改变视觉层次。

2026-08-04 19:01:01

过去几天,DeepSeek 和 Qwen 对大模型行业带来了前所未有的颠覆效果。

Hermes Agent 背后的公司 Nous Research 宣布,刚刚正式推出的 DeepSeek V4 Flash 模型在其平台上启动一折促销,持续 7 天。

这是一个荒诞却又务实的价格,Nous 原话说 DSV4 Flash 的调用成本比 Fable 5 便宜千倍以上。即便回归正价,其性价比依然维持着百倍左右的碾压优势,打不打折都便宜到离谱。

更别提它还是开源的,理论上只需数百 GB 显存/统一内存即可部署量化版本,内存稍多一些甚至可以部署无损版本。比如一台(目前尚无新机可售的) 256/512GB RAM 版本 Mac Studio,或者两台英伟达 DGX Spark 堆叠起来。事实上,DeepSeek 一直是开源模型当中对准消费级硬件本地部署最友好的,参见我们的 Mac Studio 部署体验。

img 6a71c495af52b

 

如果这对你来说还是太极端,那么云端充个几十块钱 API 也足够用很久了。由于 DSV4 Flash 性价比实在太高,甚至有三方平台免费提供:

OpenCode 透露仅在 8 月 1 日这天,DSV4 Flash 就消耗掉了 8 万亿 token,其中包括 5 万亿免费、3 万亿付费额度。OpenCode CEO 发推表示:我觉得大家根本没意识到正在发生什么。

是啊,我们并未清楚地看到什么发生了,却有足够强的感受:一夜之间,好像一切都变了。

img 6a71c49ee9cad

 

1942 年,科学家爱德华·泰勒提出了一种极其微小但并非是 0 的可能性,让全力开动的曼哈顿计划陷入恐惧:核裂变产生的瞬时高温,有可能点燃空气中的氮原子,进而引发一场不可逆的链式反应,摧毁整个地球。

好在,后续的论文和实测打消了这一顾虑,但一直以来对政治颇有兴趣的奥本海默,有着更深层的担忧:

链式反应确实发生了,只是不在大气层里,而是经由 Trinity 试验的成功开启了一个新的核时代,并彻底重塑了人类社会的政治、地缘、工业与文明形态。

此时此刻,恰如彼时彼刻。未来的科技行业又将怎样彻底改写?

价格战的连锁反应

本周正式发布的 Qwen-3.8-Max,展现出与 DeepSeek V4 Flash 类似的「新方向」。

无论是模型创业公司还是互联网巨头,过去发布模型时无一例外将特定任务上的绝对性能摆在最醒目的位置。这一次略有不同:Qwen-3.8-Max 拥有强悍的底座,其宣发叙事却向「性价比」全面倾斜,与 DeepSeek 遥相呼应。

img 6a71c4b8dfd3d

 

爱范儿认为,这并非偶然的营销巧合,而是越来越多的模型团队,在同一种行业演进逻辑下不期而遇。

我们采访过许多模型公司/团队负责人,询问开源时代何时终结。每个人都有不同答法,但结论无一不指向即将到来的价格战。

过去的价格战,例如打车、共享单车、外卖等,大多是资本充沛者通过亏本补贴来强行清场的戏码。但这次模型价格战的底色不同——表面上看起来是价格战,底层是一场由算法架构代差,由基础研究和创新能力所驱动的非对称效率战。

DeepSeek 等一众国模敢于将价格砸穿,底层依托的是稀疏激活、注意力机制重构等基础研究和工程层面的创新。中国模型公司和团队们在底层上找到了极度残忍的算力解法,能够用相对更小的参数激活量,榨取出比肩硅谷天量级参数量稠密模型的推理质量。

这种技术路径的突破,不仅在其他模型厂商的脖子上架上一条「斩杀线」,更彻底改写 AI 创业公司与互联网巨头大厂的对战规则。

img 6a71c4e14a778

传统移动互联网时代,大厂拥有近乎无限的资金池与云计算基础设施,创业公司难以在价格战中与之抗衡,不陷进泥潭被耗尽现金流。

但是到了 AI 时代,你会发现情况发生了巧妙的逆转:以 DeepSeek、月之暗面等为代表的硬核创业公司,反而获得了极其惊人的爆发力,丝毫不怵价格战(有的甚至逆势涨价)。

这些创业公司的研发组织相对扁平,创新能力更强,内部也极有可能沉淀着并未公开的技术优势。甚至有人开玩笑,DeepSeek 梁文锋肯定还藏着几手,随便使出来就足以让 Fable 和 GPT 更加颜面扫地——只是出于维持中美之间半年到一年差距这一「战略性落后」,绝活不轻易亮出来。

对于这些模型创业公司而言,价格战绝非自残,反而成为了一众高效的增长杠杆。

我们认为逻辑大概是这样的:技术创新降本,砸穿全球底价;Token 调用爆发,ARR 曲线拉升;资本市场追捧,完成更多融资。

说白了,这些模型创业公司越卷价格,用户粘性越高,资金回笼与技术迭代的闭环反而越坚实,飞轮转的越快。

大厂呢?相比之下,他们有更强的路径依赖,也需要贯彻集团的协调意志。面对价格战,大厂惯于依靠自有现金流、云计算业务来硬扛补贴,用庞大的固定资产来组成壁垒。但当创业公司将单位 Token 成本压到史低水平,巨头的补贴思路却更容易让云计算业务乃至集团整体的财报承压。

价格战里,创业公司越卷越舒服,大厂却可能被拖垮业绩。

巨头的围墙内部撕裂也正在悄然发生。表面上看,无论是阿里还是腾讯,都已经明确将大模型以及相关产品定为公司新一号位。组织架构多次调整,财力、人力、算力资源向模型与模型产品部门倾斜,声势浩大。各团队纷纷「赛马」推出竞争产品,僧多肉少。

但在表面之下,这种一号位的资源灌注,大刀阔斧的调整,以及再次热闹起来的「赛马」文化,却让僧多肉少的形势进一步加剧,容易引发剧烈的自我吞噬与组织紊乱。

云计算部门是大厂最核心的现金流支柱,今天最关键的优质客户,恰恰也是风头正劲的 AI 创企。

而当价格战开打,大厂集团层面面临着难以调和的商业悖论:云计算当然希望 DeepSeek、Kimi、智谱们过的越来越好,创业公司用量越大,采购需求就越强;但与此同时,大厂自研模型和模型产品部门,在 C 端和 B 端也在与这些创业公司进行着市场份额的激烈争夺。补贴自家模型和模型产品,代价就是暂时性让财务报表承压。

答案是明确的:一位大厂 CEO 曾表示,当前的任务是以超过行业平均的速度获取市场份额,「利润率是我们的第二目标。」

对于云计算部门,客户是内部还是外部本来没什么关系。但现在他们面临的尴尬处境是,给自研模型和模型产品部门输血,集团层面势必对云计算的商业决策产生干预。

倒不是说云计算行业过去对于公有云的商业与生态中立原则(不与客户争利)有多么看重,至少更务实来讲,云部门与模型部门的共谋行为难免引发外部客户不信任,倒逼创业公司自建云,进而影响大厂云部门的收入。

类似的尴尬,在亚马逊与 Netflix,与沃尔玛、Target 等零售巨头之间都曾发生过。

——当然,以上都只是基于合理推断的可能性,并未完全真实发生。但当价格战真正开打,在大厂内部,作为现金牛的云计算部门和作为新一号位的模型与模型产品部门,难免陷入互为毒药的僵局。

img 6a71c4f931e91

信息图中资料截止时间:2026 年 5 月底

 

在现实中,大厂通过投资创业公司完成战略上的对冲。本质上,这种做法让钱从战投的左兜出、云计算的右兜进,云部门赚取了账面收入,战投获得了股权,集团扩展了自己的疆域,画出新的山头。

这难免让自研模型部门暗自不爽,因为他们会发现市场上最猛烈的低价子弹,其实是用自家的钱购买、从自家服务器的枪口里射出来的。

更深层的问题是,在移动互联网时代,巨头投资创业公司能够将其锁进自己的流量布局中,间接享受创新与竞争的红利;但在 AI 时代,大厂是管不住这些创业公司的,创新的「主权」与大厂的资本布局是解耦的。

这些头部模型创业公司的核心资产是算法效率和工程优化能力,而这些能力源自优秀的人才、前卫的组织架构,跟大厂的钱没什么关系。甚至你会看到像 DeepSeek 这样的公司,仅仅依靠实现 AGI 的理想就能够笼络人心,开出远超市价的工资,甚至原则上不需要外部融资。

更何况资本市场对 AI 创业公司已经形成一套新的评价和供应体系:模型和模型产品公司冲出惊人的 Token 调用量/ARR,就能轻松地在国内乃至全球拿到下一轮高估值融资,不再需要对大厂俯首称臣。

长期来看,大厂的战略对冲投出去的钱,反而可能变成瓦解自己的催化剂。

更多链式反应

商业世界的藩篱坍塌只是第一块倒下的多米诺骨牌。

旗舰级模型的推理智力部署在桌面上,这件事今天已经开了头。随着模型性价比进一步提高,智力和算力的民主化终将彻底改变软件形态、流量机制、人才传承,乃至全球硬件格局的深层肌理——颇似核裂变的成功对后世产生不可估量的深远影响。

这里我们再举两个例子:

流量机制

现代互联网的繁荣,建立在「人类眼球」的流量逻辑上:

从搜索引擎优化到社交媒体推荐算法,底下是一个隐秘而庞大的数字广告帝国。但其运行的前提是人类打开浏览器或 app、点击网页、接受广告信息的洗礼,要么产生消费行为,要么观看、停留、点击的数据被保存和处理,用于下一次更加精准的推荐。

长久以来,人类的注意力和时间是支持互联网运转的唯一「硬通货」。但我们认为,模型性价比的提升和算力的普及,让人人都可以运行自己的 Agent,而互联网主干流量的来源,也将从人变成 Agent。传统互联网的运行机制将不复存在,新的规则亟待建立。

试想这样一个场景:你希望预定一整套跨国出游的行程,包括机票、酒店、地接导游、当地交通工具等。过去你需要打开多个 App 在密密麻麻的 UI 中比价、查看评价、填写信息。

但在「A 联网」的时代,由强大模型所驱动,全权代表我们的 Agent,可以与航空公司、酒店、地接旅行社的 Agent 直接发起握手:它们在人看不到的数据暗流中,以结构化的数据包传递信息、匹配条件、议价和确认支付,整个过程只消耗了几秒钟,没有人类眼球扫过图形界面,甚至不需要点击。

人类不再需要亲自使用 App、逛网页,广告在 Agent 高效的通讯协议面前暂时没有找到落脚点。传统商业模式也就失去了基础。

——甚至有可能,未来的社交网络上不再有真正的人,全都是我们的 Agents 在上面交互,我们刷社交网路的方式也会从不断的划动,变成了听取 Agent 的汇报。

网络依旧繁忙着,但人类抽离其中,只剩下 Agent。

img 6a71c5de64753

人口老龄化

在降本增效的滔天巨浪下,人类专业知识的传承遭遇前所未有的危机。

无论是软件工程、法律服务、医学诊断或是金融分析,几乎所有的现代专门职业,其运作与传承都高度依赖金字塔结构的人才矩阵。初级人员从撰写基础代码、翻阅资料、整理数据这些枯燥的一线工作干起,在大量的重复性实践中锤炼直觉,得到成长,最终进化为独当一面的资深人员。

但是今天,一些开源模型展现出惊人的能力,以近乎于零的边际成本,能够完美替代大量初级岗位的智力劳动。

只需要几毛钱的 Token,抑或端侧部署的电费,就能快速输出几近无瑕的基础代码和法律文书,所用的时间甚至连一个新人的入职手续都办不完——企业和研究机构又何必花费昂贵的薪酬与时间成本,冒着不确定性去培养一个人类新手?在绝对理性的财务驱动下,组织会毫不犹豫地砍掉初级人员的预算。

img 6a71c5f3f25fb

短期来看,企业会享受到更高的 ROI 和极致的财务瘦身。但从长远推演,这种理性何尝不是一种饮鸩止渴。当从初级走向资深,学徒成为大师的梯子被抽走,人类专业知识体系传递链条也断裂了。

当几年之后,现有的资深专家陆续退休或淡出一线,行业将惊恐地发现,由于过去数年里不再有人类新手经历过基础劳动的淬炼,人才梯队变成了「倒三角形」。底下是严重短缺的生力军,顶部是大量的退休人员——金字塔彻底倒置,摇摇欲坠。

届时的人类,可能不得不将决策与解释权更进一步的让渡给那些自己已经无法完全理解和掌控的 AI 系统。我们的社会将陷入一种新的,由技术过度繁荣所带来的老龄化危机。

延伸阅读:AI 正在毁掉下一个 Hinton

AI 的「奥本海默时刻」

我们还是需要承认,开源模型能力的进化,和大模型的价格战,在今天是一件好事。少数巨头(特别是境外闭源玩家)对高阶智力的绝对垄断被粉碎,人人都能以极低的成本获得「外脑」与「代理」,增幅自己的智力与执行能力。

听上去这确实是工业革命级别的伟大时代的开始。然而站在历史的十字路口,如果我们重新审视奥本海默的隐喻,会发现危机四伏。

物理学家们证明了核爆不会摧毁地球,却未能在当时预知核时代将把人类文明带往何方。

他们无法预知随之而来的冷战格局、军备竞赛、长达半个多世纪以来悬在全人类头顶的达摩克利斯之剑。核技术没有毁掉地球,却彻底重塑了整个 20 世纪的政治、地缘、工业与文明形态。

今日的开源模型何尝不是如此。它对另一种邪恶的霸权发起有效挑战,甚至有机会终结它,这令我们感到正义感爆棚。但冷静下来,我们是否能够及时地甄别它所引发的连锁效应,即将如何改变我们的世界,并及时中和那些负面效应,避免惨痛的代价?

普罗米修斯的火种已经被交到人类的手上,谁也不会再退回那个智力昂贵且匮乏的昨天。只是链式反应已经启动,没有人能无法判断它会何时在何处,以何种方式停下。

我们准备好了吗?

2026-08-04 17:56:35

OpenAI 的第一款 AI 浏览器,或许也是最后一款,下周就要正式停服了。

今年 7 月 9 日,OpenAI 在 ChatGPT 更新日志里悄悄写下一行字:「Atlas 将于 8 月 9 日停止运行。」没有发布会,没有告别视频,就像它当初上线时一样低调。

911c8462 68a2 4c93 b625 3973012a4c14

Atlas 去年 10 月才刚刚发布,是一款基于 Chromium 构建的 macOS 专属浏览器,把 ChatGPT 整合进地址栏和侧边栏。付费用户还能开启 AI 智能体模式,让它替你购物、订餐、处理邮件。

OpenAI 对它寄予厚望,想让浏览本身变成一场对话。结果,它没能活过自己的第一个生日。

e67b0682 54e1 4b4f a7cd 992e6e07b30a

图|ChatGPT Atlas

过去一年,AI 浏览器曾经是整个行业最热闹的新战场。Perplexity 推出 Comet,Opera 发布 Neon,The Browser Company 放弃已经积累了一批用户的 Arc,转向开发 AI 原生浏览器 Dia。大家相信同一件事:

如果浏览器是互联网时代的入口,那么 AI 时代的入口,应该是一个更聪明的浏览器。

但现实的发展速度,比想象中快得多。不到一年后,最早冲进赛道的玩家开始撤退,问题也随之出现:

AI 浏览器真的失败了吗?还是说,从一开始,人类就不需要一个「AI 浏览器」?

AI 需要进入浏览器,但不需要成为浏览器

过去一年,AI 浏览器开发商其实没少在「如何让用户更容易迁移」这个问题上动脑筋。

它们太清楚多年积累的数据和设置对用户来说意味着什么。因此从 Arc 到 Dia,从 Opera Neon 到 ChatGPT Atlas,这些产品都提供了不同程度的数据迁移能力。书签、历史记录、插件,乃至密码和 cookie 都能完整地迁移。

img 6a71b70b65200

但当「怎么换」不再是问题,新的问题反而变得更加明显——为什么要换?

对于大多数用户来说,浏览器已经是一个足够成熟的工具。Chrome、Safari、Edge 解决了打开网页、保存密码、同步账号、使用插件这些基本需求。用户并不是缺少一个新的浏览器,而是在等待一个值得改变现状的新理由。

过去几年,已经有不少产品尝试寻找这个理由。

161f5a7a 236a 46e0 85ac b30ba3e3f7a2

图|Arc

The Browser Company 的 Arc 曾经选择从交互方式入手。它重新设计了浏览器的布局,把标签页移动到侧边,引入 Spaces 管理不同场景,还加入 Boosts 让用户自定义网页体验。对于重度用户来说,这些变化确实带来了新鲜感。

而 Atlas 将 ChatGPT 整合进地址栏和侧边栏,让用户可以直接通过对话总结网页、整理信息,甚至调用 Agent 完成一些操作。

1e326bfe 1e8b 4749 8a8a 74580d7e940a

图|ChatGPT Atlas

但两者殊途同归——虽然都提升了浏览器的能力,却没有创造一个足够强的新需求。

Arc 解决的是「如何更舒服地使用浏览器」,AI 浏览器解决的是「如何让浏览器拥有 AI 能力」。但对于大多数用户来说,这些提升还不足以让他们放弃已经熟悉的 Chrome。

如果只是搜索、浏览网页,传统浏览器已经足够成熟;如果希望 AI 帮忙完成任务,直接打开 ChatGPT、Claude 等 AI 助手,路径反而更短。

所以,AI 进入浏览器并不是没有价值。它可以帮用户节省一些操作,减少一些重复劳动,让浏览体验变得更顺畅。但目前来看,它更像是锦上添花,而不是雪中送炭。

浏览器多了一个 AI 助手,确实会更聪明;但它还没有聪明到让用户觉得,自己需要换一个浏览器。

AI 正在绕过浏览器这个「中间商」

AI 浏览器出现的时候,其实有一个非常合理的想象:浏览器是互联网时代的入口,而 AI 是理解和执行任务的新能力,两者结合之后,浏览器似乎就能成为 AI 时代新的工作台。

这个逻辑在早期并没有问题。当 AI 主要负责搜索、总结、阅读网页时,浏览器确实是一个自然的载体。用户打开网页,AI 在旁边帮忙提炼信息、整理内容,这和过去浏览器插件的发展路径没有太大区别。

966e709b 3a9b 4830 b2c8 b96c2ed9e439

图|OpenAI

但尴尬的是,AI 浏览器还没来得及成为新的入口,AI Agent 已经开始改变人们使用电脑和互联网的方式。

过去,用户需要打开浏览器,通过网页获取信息,再通过网页完成操作。网页上的按钮、菜单和页面布局,都是围绕人类使用习惯设计的。

但 AI 并不需要完全按照人的方式使用互联网。对于它来说,网页只是获取信息的一种方式,而不是唯一方式。相比模拟人的点击和浏览,直接调用数据、服务和工具,往往更加高效。

 

b2a96d59 2380 4acd 8cb8 f6bcb907b229

这也是为什么 MCP、API 和各种 Agent 工具链开始受到关注。它们提供了一种不同于网页浏览的信息获取方式:AI 不需要先打开页面,再从页面中寻找答案,而是可以直接访问数据、调用能力,完成任务。

现在,用户已经可以把一个链接交给 ChatGPT 或 Claude,让模型读取内容并整理结果;未来更多工作,也会通过 Agent 直接调用各种软件和服务完成。

浏览器曾经是互联网的入口,但对于 AI 来说,它正在变成众多工具中的一个。

而随着 Agent 能力继续增强,AI 开始进一步从「理解网页」走向「操作环境」。Anthropic 的 Claude Computer Use、OpenAI 的电脑操作能力,都在尝试让 AI 直接控制用户的电脑:打开软件、填写表单、处理文件,而不是局限在某一个浏览器窗口里。

cb453665 6aee 4778 9bdb 494e25b3739a

图|ChatGPT Computer Use

从这个角度看,AI 浏览器更像是一个过渡阶段。

它想让 AI 住进浏览器,但 Agent 正在让 AI 进入整个电脑。

最后站着的,是那个做模型最拉的公司

如果回头看这一轮 AI 浏览器竞争,会发现一个有些讽刺的结果:最想成为下一代入口的公司,并不一定拥有真正的入口。

过去一年,OpenAI、Perplexity、The Browser Company 都试图重新定义浏览器。它们拥有更强的 AI 能力,或者更激进的产品理念,希望让浏览器从一个网页窗口,变成一个可以直接完成任务的智能入口。

但最后真正占据优势的,反而可能是那个早就拥有浏览器入口的公司——Google。

f1f17b77 2cd8 4f69 ad2b f137faa94ca3

图|Google

过去一年,Google 在 AI 模型竞争中的压力并没有减少。Gemini 3.5 Pro 原本被寄予厚望,被视为 Google 追赶 OpenAI、Anthropic 的关键一步,但这款旗舰模型迟迟没有正式推出。

据我们此前了解到的信息,Google 曾计划在 6 月推出 Gemini 3.5 Pro,但随后延期,原因之一是模型在代码能力等关键指标上没有达到内部预期。

但讽刺的是,当大家讨论 Google 的模型有没有追上时,它手里握着另一个 AI 巨头们梦寐以求的东西:Chrome。

OpenAI 可以做更强的模型,Perplexity 可以做更聪明的搜索,The Browser Company 可以重新设计浏览体验,但它们都需要先解决一个问题:为什么用户要离开 Chrome?

某种程度上,AI 浏览器厂商折腾了这么久,想重新创造一个 AI 时代的入口,最后可能还不如 Google 随手把 Gemini 放进 Chrome。

53f267e5 1e9e 4c98 9a62 ca4d8119d0e1

图|Google

至少在浏览器这件事上,Google 证明了一件很现实的事情:

在 AI 时代,模型能力很重要,但入口同样重要。

浏览器不会消失,AI 也不会离开浏览器。只是「AI 浏览器」这个独立品类,可能没有等到成为下一代入口的那一天。

它出现得很快,退潮得也很快。

享年约 1 岁。

2026-08-04 18:04:15

我们关注体育健儿的赛事服装,通常重点关注在赛场装备上,很少会注意到领奖装备,因为它和荣誉走得更近,但看起来和性能关系不大。

不过随着中国体育装备品牌的整体崛起,领奖装备的象征意义也不同以往,它现在需要在鲜明得体,舒适精神之外,再代表当下中国运动装备的技术水平,要和体育健儿的水平相得益彰。

8 月 3 日,中国奥委会与李宁品牌在国家奥林匹克体育中心,发布了第 20 届亚运会中国体育代表团领奖装备。中国国家射击队、跳水队、乒乓球队、击剑队和水球队的代表共同亮相。

LN 2

从设计上看,这套装备以「熠熠星辉」为主题,用蓝色构成主体,辅以青色、红色和中国传统色「品月蓝」,将星星图案、上扬线条与较为克制的东方审美结合起来。

设计意图比较好感知到,但技术细节,藏在面料纤维和鞋底结构等等地方。

2025 年,在国家航天局新闻宣传中心指导下,李宁公司与航空航天技术创新应用平台成立航天技术创新应用实验室,尝试推动航天科技向专业运动领域转化。本次应用的温控纤维,采用与嫦娥一号探测器同源的相变温控材料,通过熔融纺丝工艺制成纤维,再直接编织进服装面料。

相变材料的工作原理,可以理解为在纤维内部放入一个微型的「热量缓冲池」。

LN 6

当外部环境温度升高,或者人体运动后体表温度上升,纤维芯层中的相变材料会由固态向液态转化,并在这一过程中吸收多余热量;当温度下降,材料则重新恢复状态。它无法像空调一样制造低温,但可以减缓体表温度快速变化,让穿着者在冷热交替的环境中维持相对稳定的舒适感。

综合性体育赛事往往横跨多个场馆和时间段。运动员刚刚完成比赛时,身体仍处于高代谢、高热量状态,随后又要进入通道、候场区和空调环境,等待颁奖仪式。领奖服需要保持正式、挺括,通常也比比赛服覆盖面积更大,体感管理因此成为一个容易被忽视的问题。

航天温控纤维解决的是这种不够极限、却足够真实的使用场景。

LN 5

它也说明,今天的鞋服科技正在从单纯追求「更薄」「更轻」「更透气」,转向更主动的身体微环境管理。材料开始参与热量吸收、释放和传导。这类从航天、化工等领域迁移而来的材料技术,也可能成为下一阶段专业运动服装的重要参考。

LN 3

相比于运动服,运动鞋的技术含量往往更直观一些。

过去十年,中国体育装备品牌的运动鞋中底经历了一轮快速升级,竞争起点主要集中在材料性能:谁能够做到更轻、更软、更弹。随着高性能发泡材料逐渐普及,仅靠材料已经很难形成足够明显的差异,鞋底竞争因此逐渐进入「材料与结构协同」阶段。

本届亚运会中国体育代表团领奖鞋名为李宁金标超越 MAX SE,其名称延续自 1996 年亚特兰大奥运会期间的「超越」系列。鞋面使用䨻丝材料与定织工艺,兼顾轻量、透气、韧性和抗形变能力,同时通过贴合足部轮廓的设计,减少长期穿着后的塌陷和松垮。

LN 4

构成鞋底核心的是李宁多年迭代的䨻弧科技与碳核芯科技。

从展示结构来看,䨻弧并不是简单增加一块软质缓震材料,而是以高性能䨻材料为载体,在内部嵌入异构刚性支撑件,形成多节段贯通式镂空结构。柔性材料负责压缩、吸收冲击和回弹,刚性结构承担支撑与力的传递,两者共同协调缓震、回弹和稳定性。

这套结构有些像建筑中的梁柱系统。一栋建筑如果只有柔软的填充材料,能够吸收震动,却很难维持稳定形态;如果全部由刚性构件组成,又容易把冲击直接传递给人体。运动鞋底同样需要在形变与支撑之间寻找平衡。䨻弧科技的关键,在于利用镂空结构控制形变量,再通过刚性「龙骨」规定能量传递的方向。

根据李宁运动科学实验室提供的数据,超越 MAX SE 在叠加碳核芯科技后,相较行业均值,缓震性能提升 8.9%,回弹性能提升 6.6%。

领奖鞋不是跑鞋,也不是篮球鞋足球鞋,运动员穿着它时,大多已经结束比赛,需要在场馆内移动、候场和站立。对这类鞋而言,过于柔软容易造成疲劳,过于刚硬又会影响舒适性。它考验的是运动品牌能否针对一个细分场景,重新配置材料和结构。

LN 1

这次第 20 届亚运会中国体育代表团领奖装备发布还有一层特殊背景。

1990 年北京亚运会举办时,李宁品牌刚刚创立,并成为较早支持中国体育代表团的国产专业运动品牌。1992 年至 2004 年,李宁又连续四届担任中国奥委会官方体育服装合作伙伴。2025 年,李宁重新成为 2025—2028 年中国奥委会体育服装合作伙伴,将服务包括 2026 年亚运会和 2028 年洛杉矶奥运会在内的国际赛事。 中国奥委会也已于 2025 年正式确认这一合作周期。

三十多年前,国产体育装备首先需要解决的是「有没有」和「能不能稳定供应」;随后,竞争转向设计、品牌和文化表达。如今,当航天相变材料被织入领奖服,高性能发泡材料、刚性支撑件和镂空结构被组合进鞋底,中国运动品牌面对的问题已经进一步变化:能否建立属于自己的材料体系、结构平台和运动科学评价方法。

领奖台天然属于高光时刻,但支撑高光的技术,往往诞生在不那么耀眼的地方:一根纤维如何完成稳定纺丝,一块中底怎样控制形变,一件衣服经过多次洗涤后还能否维持温控效果……



https://feedx.site

2026-08-04 17:23:06

折腾了九个月之后,OpenAI 即将彻底关停浏览器产品 Altas, 这基本不让人意外,早在五月前 OpenAI 发布 Codex 的 Chrome 插件时,就已经有群众在评论区「预演」了 Atlas 的命运。

codex chrome

2025 年 10 月,OpenAI 发布 Atlas,浏览器是用户的工作、工具与上下文汇聚的地方,一款以 ChatGPT 为核心构建的浏览器,可以让 AI 更接近真正的「超级助手」。

当时 OpenAI 甚至不是走在前面的那一个,浏览器去年曾是热门赛道,不仅是创业公司的理想,还一度被捧成下一代互联网入口的正式争夺,是对 Chrome 浏览器霸主历史地位的挑战。

Atlans

距离那时,不过寥寥九个月。老实说以 AI 世界的变化速度来讲,浏览器还算是撑过了不短的时间,毕竟,它的想象建立在注定消散的梦上

明星产品的跌宕起伏

OpenAI 并没有放弃让浏览器拥有 AI 能力,更确切地说,他们不再执着于「AI 浏览必须以一款独立浏览器出现」的想象——这个想象,最早由 The Browser Company 端上来。

browser company

2022 年 The Browser Company 推出 Arc 浏览器,它以独特的设计哲学出圈,实际以产品来讲,垂直标签页、Spaces、分屏和随时收起的侧栏,这些都在重新安排用户如何面对几十个同时打开的网页,再塑了浏览体验。

arc

一年后,Arc 全量推送,一时间风头无两,在设计师、开发者和科技从业者中形成了一批非常忠诚的用户,也顺利成章地开始探索让 AI 加入自身。

我到现在仍然在用 Arc,每天用,我仍然觉得它是好用的,尽管它已经被战略放弃。但唯独,我没有用过它任何原生的 AI 功能——全都是用插件实现的,或者直接就用网页端。

Arc 想让用户搬进一套新的互联网生活,后来 The Browser Company 又把同样的野心交给了 AI 浏览器 Dia。经过一段时间的打磨,2025 年十月它在 macOS 上全量开放,续加入 Skills、Memory、Slack 和邮件连接、标签组、会议分组、主动任务建议等功能,并重新带回部分 Arc 时期受欢迎的设计。

Dia

不过,Dia 的底层理念,已经跟 Arc 发生了很大的变化,这也是为什么 Arc 会被战略放弃。Arc 试图证明浏览器本身值得被重新设计;Dia 则承认,大多数人不愿重新学习浏览器,于是把「重新设计」收缩为一套藏在熟悉界面里的 AI 能力。

浏览器也有基本法

AI 浏览器的逻辑一度显得无懈可击。现代人的大量工作和生活都发生在网页里,如果 AI 想理解用户正在做什么,并替用户完成跨页面任务,最理想的位置当然不是一个孤立的聊天框,而是浏览器本身。

问题是,浏览器并不只是一块显示网页的窗口。它保存着用户多年的书签、账号、浏览历史、扩展与快捷键,也保存着大量难以明确说出的使用习惯。换浏览器不是下载一个新 App,而是把一整套数字生活搬家。

Arc 已经替这个品类交过一次学费。The Browser Company 后来复盘称,公司其实早已从增长和留存数据中知道 Arc 难以成为大众产品,只是不愿承认。团队最喜欢的 Live Folders 只有 4.17%的用户使用,Calendar Preview on Hover 更只有 0.4%;Josh Miller 在公开信里直接写道:「Switching browsers is a big ask。」

newsletter

Arc 的问题不是没有好功能,而是这些功能带来的收益,不足以让大多数人重新学习一整套交互逻辑更不足以让他们离开已经保存全部习惯的 Chrome。

AI 原本被视为足以抵消迁移成本的动力,用户也许不会为了垂直标签页换浏览器,但会不会为了一个能读懂全部标签页、替自己完成任务的 Agent 搬家?Atlas、Dia 和 Comet,都曾把答案押在「会」上。

现在看来,用户的确需要这些能力,却未必需要为此更换浏览器——我用插件和网页端,也没什么问题啊。

御三家强势入住 Chrome

独立 AI 浏览器原本想同时占据两层价值:浏览器入口和 AI 助手。如今,这两层正在被模型厂商,通过插件形态,一分为二。

作为浏览器「基础建设」的Chrome,自身也是出生在大富大贵的 Google 生态里,Gemini 已经被直接放进 Chrome 侧边栏,可以理解当前网页、比较多个标签页,并连接 Gmail、Calendar、Maps 和 YouTube;Google 也在继续增加自动浏览能力。

gemini in tab

Anthropic 没有再造一款 Claude 浏览器。Claude for Chrome 以扩展形式待在侧边栏中,可以阅读、点击和导航用户正在浏览的网站。它目前仍是限制访问的研究预览,但产品形式已经很明确:不是要求用户搬进 Claude,而是让 Claude 搬进用户原来的浏览器。

claude chrome

▲只有这个图,因为主包号没了

OpenAI 则在关掉 Atlas 之后,把路线拆成了两部分:ChatGPT 保留内置浏览器,Codex 与 ChatGPT 的 Chrome 能力则直接利用用户原有的浏览环境。

GPT chrome

三家的具体形态并不完全相同,但共同结论已经出现:AI 不必拥有一款浏览器,也可以进入用户的浏览过程。

对用户而言,这种方案几乎没有迁移成本。浏览器仍然是 Chrome,原有的账号和习惯还在原地,AI 只作为插件、侧边栏或桌面 Agent 进入。插件未必能获得独立浏览器最深的系统权限,体验也未必在所有任务上都一样完整,但只要能够覆盖多数高频需求,就足以大大打消用户换浏览器的念头

对独立 AI 浏览器而言,这是很糟糕的竞争位置。Google 守住浏览器入口,OpenAI 与 Anthropic 守住模型和用户关系;创业公司夹在中间,既要重新争夺默认浏览器,又要证明自己的 AI 能力长期优于御三家。

Atlas 的停运因此不只是一次普通的产品收缩。它相当于由最有能力挑战 Chrome 的 AI 公司亲自证明,与其重新建设一座浏览器大楼,不如直接在 Chrome 里租一套房。

还活着的 AI 浏览器,正在变成垂直产品

这并不意味着所有独立 AI 浏览器都会立刻消失,实际上,AI 浏览器们还是各有各的活法。

Perplexity 仍在更新 Comet,并把它推向企业市场。企业版强调统一部署、浏览器策略、Agent 权限与组织安全,而不只是「边上多了一个 AI 助手」。 ppl comet

Dia 也没有停止。The Browser Company 被 Atlassian 收购后,Dia 的定位从面向所有人的下一代浏览器,逐渐收窄成「知识工作者的浏览器」:围绕企业软件、工作记忆、AI 技能、安全与管理能力,把浏览器嵌进 Atlassian 原有的办公体系。

但这恰恰说明,AI 浏览器要活下来,可能必须先放弃成为「下一款 Chrome」它需要服务一个足够具体的群体,在组织数据、专业流程和安全管理上形成插件难以替代的产品壁垒。

于是,这个品类并没有完全死亡,正在尝试从一款面向所有人的消费级入口,退回到企业工作台、研究工具或特定 Agent 环境。

AI 浏览器不是未来,浏览器里的 AI 才是

如果要问,「AI 浏览器要完蛋了吗」,以现在的形势来讲,可以给出一个并不客气的答案:作为一种要求大众抛弃原有浏览器、重新搬家的独立通用品类,它的确已经气数将尽了。

走到头的不是 AI 阅读网页、跨标签页理解信息和替用户执行任务,恰恰相反,这些能力会越来越普遍,最终成为浏览器或 AI 产品的标准配置。

pic 1

走到头的是另一种产品逻辑:只在 Chromium 外面包上一套新界面,再接入一个强模型,就可以借 AI 浪潮重新争夺默认入口。这条错误路径上最好的证明不是别的,正是 OpenAI Altas。

某种程度上你可以把围绕浏览器的产品观念,简单地划分为两种。一种的世界里,用户必须为了 AI 离开原来的浏览器;另一种的世界里,AI 主动来到用户已经生活的地方。

pic 2

AI 浏览器曾经想成为互联网的新入口。现在,它更像是 AI 工具箱里一只负责打开网页的手。能力留下了,浏览器的外壳,或许就不必再独立存在。

没有天花板的 G 回来了。

7 月 24 日,奔驰在 G 级官方社交账号放出预告,一辆仍带着局部伪装的四门 G 级,在镜头前缓缓收起软顶,织物顶棚向车尾折叠,最终堆在后排座椅之后,前后两排乘员头顶都露出了开口。

预告车的直瀑式格栅、侧出排气和 AMG 车牌,都指向了 AMG G 63。奔驰暂未公布正式车型名称、动力、售价和发布时间,但目前能够确定的是,时隔多年之后,G-Class Cabriolet 即将完成回归。

新车保留当前 G 级的四门长轴车身,软顶开口似乎进一步延伸到前排上方,相比 2017 年的迈巴赫 G 650 Landaulet 只向后排乘客开放天空,这一次驾驶员也有机会分到一份蓝天。

没有天花板的 G 级

奔驰早在 2025 年 12 月便确认 G-Class Cabriolet 已经开始道路与测试场验证,之后还将前往瑞典接受冬季测试。当时公布的三张伪装图已经露出四门车身和织物软顶,最新视频又补上了顶棚打开的完整过程。

GC02

从画面看,这套顶棚可以自行收折,软顶沿着车顶两侧的框架向后移动,折叠后差不多与外挂备胎顶部齐平。过去的短轴 G-Class Cabriolet 需要手动解开前方锁扣,新车则没有这一流程。

敞篷结构也给这台方正的大车留下了一些难以被忽视的细节,宽大的前顶框和后部横梁始终出现在视线里,车尾部分经过重新设计后,第三刹车灯被移到备胎罩上。和过往的 G 级敞篷一样,折叠起来的顶棚外露在后侧,占据了车尾的一部分空间。很显然,这台 G-Class Cabriolet 的后备厢并不算太实用,不过买这台车的车主们,大概率不会太在意这个问题。

GC03

新车基本可以确定基于AMG G 63 打造,在动力方面,现款 AMG G 63 搭载 4\.0L 双涡轮增压 V8 发动机,配合 48V 电机,最大功率达到 430kW,0~100km/h 仅需 4\.4 秒。至于新的 G Cabriolet 在动力上是否继续调整,还要看奔驰后续的公布。

历代原厂 G-Class Cabriolet 几乎都采用短轴双门车身,四门敞篷只在限量版的 G 650 Landaulet 上短暂出现过。如今这台车第一次把常规四门 G 级与完整敞篷体验放在一起,也让 Cabriolet 从车系边缘的小众分支,重新回到 G 级最吸睛的位置。

G 级与敞篷的关系可以追溯到 1979 年。初代 G 级上市时,奔驰同时提供短轴 Cabriolet 也就是软顶敞篷版本、短轴 Station Wagon 版本和长轴 Station Wagon 版本以供选择。不过那时的 G 级仍然带着浓厚的工具属性,敞篷的意义更多在于「方便装货」。

GC04

1989 年推出的 W463 改变了 G 级的产品线的走向。随着木纹、皮革和更丰富的舒适配置陆续进入车内,G 级开始从专业越野工具走向豪华消费品,短轴 Cabriolet 在此时也跟着完成身份转换,逐渐由干粗活的工具成为一台有越野能力的昂贵玩具。

到了 1998 年,配备 V8 发动机的 G 500 成为车系新的旗舰,敞篷版本更进一步成为 G 级最昂贵的序列之一。奔驰最终在 2013 年推出 G 500 Cabriolet Final Edition 200,为延续三十多年的常规敞篷版本收尾。

GC05

短轴 G-Class Cabriolet 的离场,倒不完全是因为需求不足,更多的是因为 G 级的产品线收缩。奔驰在 2011 年前后停产了短轴三门的硬顶车型,敞篷版已经成为这副短轴底盘最后的民用车型,而当 G 级逐渐将目光聚焦在长轴五门版车型,单独维持一款低产量敞篷车的意义并不大,Final Edition 200 只生产 200 台,很快便售罄,为它留下了一个体面的结局。

不过在四年之后,奔驰又借着迈巴赫的名义,带来了限量 99 台的迈巴赫 G 650 Landaulet,把敞篷版拿出来再遛了一次。这台车将 G 65 的 V12 发动机、G 500 4×4² 的车桥和迈巴赫后排座舱装在同一辆车上,电动软顶覆盖后半部分,这也是第一台四门长轴版本的 G 级敞篷车。

GC06

同一块车顶,在 G 级的四十多年里不断更换用途,早期软顶服务于车身功能,W463 时代增加了休闲色彩,G 650 Landaulet 把露天体验完全和奢华挂钩。而新的 G-Class Cabriolet 大概率将会沿用 G 650 Landaulet 的理念,成为 G 级一个新的豪华标杆。

奔驰选择在此时重启 G-Class Cabriolet,也赶上了 G 级状态最好的阶段。2025 年,G 级全球交付 49,700 辆,同比增长 23%,创下历史纪录,康林松还表示,新敞篷版将进入奔驰覆盖的几乎所有市场。结合目前 AMG G 63 的情况,新的 G-Class Cabriolet 也有可能在中国市场上市,有意向的朋友们可以准备准备了。

「开扬感」是越野车共同的梦

越野车的功能总是把人往自然深处带。四驱、差速锁、通过性,让这些车型得以深入山野腹地,但越野的另一重意义就是和自然共处,从这个角度出发,如何追求某种意义上的融入环境,也是越野车的一大命题。

奔驰选择掀开 G 级的车顶,中国市场的大型 SUV 则选择了向上要空间。

小米澎程 N90 Max 露营版的申报名称为「插电式增程混合动力文化生活服务车」,自带升顶机构,展开以后提供车顶床板,车内还有侧柜、侧帐接口。车辆停下后,升降车顶为床板上方腾出坐卧空间,下层车厢则可以继续使用,一台 SUV 由此获得上下两层休息区域。

GC07

享界 G9 顶帐版也展示了相似的想法,享界 G9 的车顶可以从一侧抬起,并向另一侧展开成为帐篷。余承东在最新预告中将它称为与车身一体化设计的电动顶帐,展开后可以形成双层休憩赏景空间,车尾还集成了能够烹饪和准备热饮的尾门厨房。

GC08

G-Class Cabriolet、N90 Max 露营版和享界 G9 使用了完全不同的结构,但在场景上殊途同归,都是为了让车内的人能和户外共处。当然在这件事上,国内车企的想象更丰富一些,奔驰打开了车厢上方的一片天空,N90 Max 露营版和享界 G9 则更关注停泊之后的户外体验。

47 年前,第一辆 G-Class Cabriolet 采用软顶时,并没有料到日后这会成为一个关于生活方式和特殊标签的设计。到了今天,无论是奔驰、小米、享界,还是越来越多的将户外和「情绪价值」绑定的车型,正在给车赋予新的价值和体验,与自然的接触都成了车型可以明码标出的卖点。

没有天花板的 G,回来的正是时候。

2026-08-04 14:33:28

说起廉航,你可能做过捷蓝、春秋、九元航空等等,但如果出现一家 DoorDash Air,你敢坐吗?

不管你敢不敢,DoorDash Air 都不可能载人——事实上,DoorDash Air 是这家美国外卖送餐巨头最新成立的「自营无人机配送部门」:

1 doordash drone

图|Business Model Analyst

7 月 29 日,DoorDash 宣布自己成功获得了 FAA(美国联邦航空局)的 P135 航空承运人认证,将成立 DoorDash Air 部门负责无人送餐业务的全流程业务。

作为美国第八家获得 P135 认证的无人机运营商,DoorDash 将从「租机送货」进化到「自行设计飞行器、建设地面设施并经营配送业务」。

2 amazon drone station

亚马逊的配送无人机站点|Amazon News

在官方新闻中,DoorDash 声称距离不超过 5 英里(约 8 公里)的订单,使用自家无人机可以在 25 分钟内完成配送。

从亚马逊、美团到 DoorDash,许多外卖和物流企业都在把无人机、无人车和人类送货员编入同一张配送网,比的就是谁能把最后几十米送得更便宜、更安静、更可靠。

DoorDash 能飞?明天不行

需要泼一盆冷水的是,虽然 DoorDash 此举拿到了「低空经济」的入场券,但距离「DoorDash Air 能飞」还有一段距离。

FAA P135 本质上是美国企业用无人机有偿运输物品、进行超视距配送的必要文件,但 FAA 同时规定,运营商仍需针对具体机型、空域和运行方式获得相应授权或豁免。

3 manna drone delivery

MANNA 公司的物流无人机|Scientific American

换句话说—— DoorDash 拿到了进入空域的资格,但还得继续分区域申请「拉上外卖就开飞」的许可。

截至目前,DoorDash 尚未公布自研无人机的外形、载重、量产计划和首批商用地点,现有的达拉斯 – 沃思堡和夏洛特区域无人机配送业务仍需依靠 Wing、Flytrex 等合作伙伴:

4 drd drone wing

使用 Wing 无人机配送的 DoorDash|TheVerge

DoorDash 拿到 P135 真正的重点不是「外卖上天」——外卖早就可以上天了,而是 DoorDash 从运力采购者变成软硬件和运营规则的参与者。

这和 DoorDash 此前推出的 Dot 无人配送车以及 Autonomous Delivery Platform 是相同的逻辑。

在业务地区,系统根据成本、速度、位置等等因素,全自动决定把餐品交给骑手、无人机、道路机器人还是人行道小车。

5 doordash dasher

图|Restaurant Dive

从这种混合业务模式也能看出来,无人配送真正的竞争点不是「谁能飞」,而是「谁能把特点各异的配送工具合理分配」。

无人配送一定要无人

目前全世界的物流和配送公司其实都在加大对于无人配送技术的投入,其中最吸引眼球的路线当然是无人机。

毕竟无人机不堵车、在固定空域可以实现全自动的点到点飞行,适合药品、餐食、日用品等重量较轻、时效性较强的订单。

6 drone scene

图|Freight People

在美国,Wing 公司与沃尔玛已经完成超过 100 万次无人机商业配送,并计划在 2027 年建设超过 270 个无人机配送点,覆盖逾 4000 万美国居民。

亚马逊则选择高度整合——订单、仓储、飞机和配送网络都握在自己手里,最新的 MK30 送货无人机已经能够实现自主避障、在小雨中飞行,噪声较上一代降低近一半:

7 amazon mk30 proto

图|Amazon News

国内这边,美团则走出了一条更具「基建」色彩的路线:用无人机、自动接驳机场和云端调度系统共同组成一套固定的城市低空航网。

截至目前,美团无人机已经完成了超过 100 万单配送,覆盖深圳、北京、上海、广州、香港、迪拜等国内外城市的超过 65 条无人航线:

8 meituan drone hk

图|The Standard (HK)

但无人机虽然适合被河流、山地和拥堵道路切割的城市空间,但也存在非常明显的局限——

无人机可以轻松飞过 5 公里的堵车,却不能直接降落到 25 层的窗户上,不能「送货上门」、用户还是得去特定外卖柜取货。

这种时候,道路无人配送车的优势就凸显了出来,不仅能装下更多订单、批量运输,也比无人机更能适应复杂天气和「最后一公里」难题:

9 delivery robo

图|Digital Purchase Order

同样根据美团的数据,截至 2024 年底,其自动配送车已完成近 500 万单配送,帮助人工骑手节省了超过 240 万公里的奔波:

10 meituan cart

图|美团

相比之下,DoorDash Dot 无人送货机器人则选择了比大型无人配送车更细枝末节的道路,利用较小的尺寸尝试解决「直接上门」的问题:

11 doordash dot 2

图|DoorDash

但是这类小型配送机器人也有自己的挑战——它比行人快、比汽车小,还能在机动车道和人行道上混合行驶,意味着识别算法和行驶算法成倍的复杂。

现实就是,不管是无人机还是无人车,没有哪条自动化技术路线能够通吃所有订单。

无人机适合轻、小、急订单;道路无人车适合批量运输;小型送货机器人适合短途低速;但真碰上复杂的现实世界突发状况,人类依然是那个最稳妥的兜底方案。

无人技术也要有人道考量

符合预期的是,在已经开通了无人机配送的区域,真实用户对无人配送并不排斥。

根据 AP News 的采访,经常使用 DoorDash 无人机配送的家庭,孩子会专门跑出去看飞机;报名无人机配送的餐厅经营者也评价无人机送餐稳定,甚至整体订单都能有所增长。

但同一篇报道里,也记录了很多完全相反的感受——

有些用户抱怨无人机噪音像是「巨型蚊子」,部分庭院和树木限制可投递范围,当然还有经典的「摄像头侵犯隐私」:

12 BF6 drone

图|Reddit

而在楼宇密集的国内,无人机配送的主要问题则变成了无人机无法「送货到门」、物业不合作,以及支持无人机配送的时段多集中在深夜等等。

13 meituan drone flyby

图|美团

要说 DoorDash Air 拿证的最大意义,在于一家拥有海量实时订单的平台,开始亲自下场生产和掌握飞行运力。

但严格来说,它最有价值的资产依然不是无人机或者无人小车,而是知道餐厅何时出餐、哪个路口堵车、以及这一单究竟应该由谁来送的综合配送算法。

未来,无人配送大概率不会出现一种设备取代所有骑手的整齐画面。

更现实的结果是,机器接管标准化程度高、重复或封闭环境的路段,分散在配送网末端的人类外卖员处理楼梯、物业、临时改址和那句「麻烦放门口,别按门铃」。

14 man n machine

图|The Wire China

从这个角度看,所谓无人配送系统,真正成熟的标志不是天空中飞满无人机,而是用户下单时根本不用关心来的是飞机、小车还是骑手。

技术从体验中消失,才是它最像基础设施的时候。

在广袤的异世界,曾经流传着这样一个笑话:

为什么出名的矮人学者比人类和精灵族学者多?因为他们更容易著作等身。

这是我看到三星 Galaxy Z Fold8 时第一个蹦出来的念头。

作为如今市场上唯二的「阔折叠」类型产品,把 Z Fold8 拿在手上的第一观感,无疑就是一个「宽」字。

这种宽感可以量化的——合拢 81.9mm、展开 161.4mm,让 Z Fold8 脱离了传统的手机范畴,从各方面讲都更像是一台小尺寸安卓平板

2 wide tablet

与此同时,Z Fold8 作为三星最高端的 Z 系列产品,又不像普通安卓平板那样因为「大」而忽略了工业设计和质感。

最突出的,就是它 201g 的裸机重量—— Z Fold8 不仅是迄今为止最轻的 Z Fold 机型,更是比过去半年里绝大多数直板旗舰都要轻出几十克:

3 light in pocket

再加上 Z Fold 系列一贯的硬朗直角机身与百搭的克制配色,与市面上其他折叠相比,Z Fold8 在精致程度上无疑是遥遥领先的。

甚至单从外观来说,我觉得这就是 2026 年最酷的折叠屏手机。

终极娱乐机器

作为折叠屏里的最新形态,我们不得不将 2019 年的那个问题,再拿出来问问 Z Fold8:

App 适配情况怎么样了?

毕竟严格来说,很多尸位素餐的头部 App 开发商至今都没有完成对大折叠的适配——

能提供平行视界已属罕见、专门设计宽屏 UI 的屈指可数,更不用说新的阔折叠了;如今绝大多数 App,就是用这样的暴力拉伸了事:

4 normal wide app

根据三星提供的数据,三星应用商店中 Top 200 常用应用有 94% 适配了 Z Fold8,有超过 100 个「关键级国民应用」拥有专属的宽屏 UI。

虽然数字看上去挺不错,但过去大折叠的经验告诉我们一件事:

「适配了」有时候只代表界面没有 bug、不等于 App 能够利用好折叠屏多出来的显示面积。

为此,我们测试了近 40 款国内外常用 App,总结出了这样一份软件适配表:

5 app adaptive rate

https://ifanr.feishu.cn/sheets/H4ZnspqB1hdJrftFJubccgBunQh

简单来说,那些不适配大折叠的 App 在 Z Fold8 上依然会水土不服,其中尤以美团系 App 为甚。

6 meituan shite

并且阔折叠受比例限制,支持平行视界的 App 在 Z Fold8 上面的体验也没有大折叠那么自然——横着不够高、竖着又太窄

7 parallels

这个问题我们在 Z Fold8 发布之前就预料到了,毕竟 Pura X Max 在开售之初也遇到了类似的情况。

考虑到下半年阔折叠市场的玩家正在以肉眼可见的速度增长,软件适配情况整体来说还是比较「未来可期」的。

8 back display

好在绝大多数 App 在 Z Fold8 的外屏上都没有任何问题。

虽然上下会被挤占不少内容,但至少没有影响功能的恶性 bug,满足日常使用是没有问题的:

9 outer display

而在理解 Z Fold8 的软件适配情况之后,我们就可以来看看这块宽屏真正擅长做什么了。

三星 Z Fold8 毋庸置疑是一台面向内容消费端的手机,从定形之初就将视频、阅读等等消遣场景作为核心,在此之外的所有用途都要往后稍稍。

10 outer video

先说视频。

虽然 4:3 如今只有 IMAX 等少数规格在坚持使用,但在播放 16:9、18.5:9 为主的流媒体内容时,Z Fold8 的黑边就是比正方形大折叠要少,在观感上给人一种「画面面积更大」的爽感:

11 watch

《扎克·施耐德版正义联盟》(2021)

同时 Z Fold8 很接近纸质书的「小 32 开」(正度 32 开)尺寸,在显示电子书以及漫画的时候,可以获得相当接近纸质书的体验:

12 paper comic

再加上 201g 的重量,Z Fold8 可以说是目前「单位重量下能够获得最大屏幕面积」的手机之一,天生就是用来阅读和消费的。

并且由于手机相机传感器的比例大多是 4:3,Z Fold8 还是为数不多拍照之后可以在屏幕上满屏预览的机器:

13 full view

这种特点让 Z Fold8 的两颗 5000 像素摄像头有了一定的用武之地。

虽然硬件素质相比 S 系列不怎么突出,但能一刀不裁就做壁纸的体验还是很吸引人的:

14 cam sample 1 14 cam sample 2 14 cam sample 3 14 cam sample 4

不过,Z Fold8 不像看起来那么适合刷短视频——

如果播放平台不做强制裁切的话,它看短视频的观感其实和大折叠差不多。

15 vertical shorts

另外难得的是,Z Fold8 还支持了三折叠 Galaxy Z TriFold 上提供的「三分屏」模式,不像大折叠那样只能 2+1 分屏:

16 tri window

只不过 Z Fold8 高度不如直板机,即使打开 Goodlock 的「多窗口屏幕缩放」,三分屏显示的内容也还是有点局促,只适合应急使用。

可惜虽然长宽比一样,或许是出于显示面积的考虑,Z Fold8 就不像 Z TriFold 那样支持本机 DeX 桌面模式了:

17 yee old trifold

Z TriFold 不需要外接显示器就可以用 DeX 桌面

当然 Z Fold8 除了内屏,还有至少 50% 的体验是依托外屏的——

毕竟很少有人买一台折叠屏每天只展开着用,这块「矮矮胖胖」的外屏同样重要,甚至更重要。

首先,受制于不足 130mm 的高度,Z Fold8 的外屏在面对几乎所有以竖向信息流为主的 App 时,感觉都是比较局促的。

而当你需要打字时,键盘界面甚至会占掉外屏接近一半的面积,只留下两三条聊天记录给你看:

18 messaging disaster

比起高度,更加难以忽视的是宽度。

虽然过去不是没有过 80mm 往上的「宽」手机,比如黑莓 Passport、LG Optimus Vu 等等,但那时的使用频率和现在完全不可同日而语。

那个让人可以静下心来、稳稳当当双手打字的时代已经不复存在了:

19 bb passport 1

图|Engadget

在这样的背景下,Z Fold8 的单手使用体验只能算差强人意。

但幸好三星有 One Hand Operation+ 这种杀手锏级工具,你可以在左右 12 个侧滑手势中选两个设置成虚拟触控板,实现真正的「一手掌控」:

20 OHO plus

不过 Z Fold8 的外屏更容易让人回想起 iPhone 4s 那个时代的屏幕比例。在这个以竖向信息流为主的时代,仍难免感觉到逼仄:

21 vertical social

另外也别忘了,今年国行 Z Fold8 系列全部都变成了单实体卡 + eSIM 的组合

而 eSIM 规定与 iPhone Air 如出一辙:写卡、换机、换卡,你都得亲自跑营业厅。

你应该选择阔折叠吗

坦白讲,我作为一个长期的大折叠用户,在真正使用了三星 Z Fold8 之后,当初对于新设备形态的期待没有之前那么强烈了。

22 cozy

归根结底,我觉得是「阔折叠」这个产品形态所擅长的领域,和我平时主要用折叠屏做的事情不是那么重叠。

阔折叠的优势当然客观存在,三星 Z Fold8 算是目前所有形态的手机中,最合适视频、图片和文字内容消费的那一个——

但在其他大多数场景里,阔折叠屏幕相比传统直板机与大折叠,除了「新鲜感」之外,其实没有带来什么明显的效率或者观感提升:

23 just a fold

但如今直板机和大折叠都在陷入明显的硬件同质化,三星 Z Fold8 这种新鲜感难道完全没有意义吗?显然也不是。

在某种程度上,Z Fold8 阔折叠的生态位和 Z Flip8 小折叠非常像——它卖的是一种与众不同

24 difference

因此如果你在了解过之后打算从直板机换到折叠屏,那 Z Fold8 无疑是现阶段最新鲜的选择——

史上最轻的 Z Fold、2026 年最热门的形态、看书看视频最大屏占比的公约数,拿手上的「满足感」是绝对满分的。

25 intense reading

但对于那些已经习惯了大折叠的用户来说,购买一台 Z Fold8 不等于立竿见影的体验或者效率提升。

如果你有看视频之外的高频需求,比如文件批注、随身写作,甚至仅仅是高强度水群,那阔折叠在褪去新鲜感之后,其实没有和大折叠拉开什么差距。

26 hesitant

目前三星 Z Fold8 国行官方售价为 12+256GB 12999 元,12+512GB 更到了 14599 元。

对于任何有意愿豪掷一万五购买手机的用户来说,厘清自己的主要需求究竟是内容消费还是大屏操作,是至关重要的。

2026-08-04 08:10:46

📉

曝三星收缩中国手机线下布局,月销不足 30 万元门店面临清退

🤖

阿里发布 Qwen3.8,接入「千问办公」

🏭

丰田季度利润或连续第五次下滑,日本地震又迫使多座工厂停产

💻

ChatGPT Atlas 将于 8 月 9 日停止服务,书签需手动导出

📋

Kimi 否认港股 IPO 传闻

🔐

比特币硬件钱包 Coldcard 存在漏洞,约 1.1 亿美元被盗

🌐

中国信通院:2025 年我国人工智能产业规模超过 1.2 万亿元

🎬

下一代视频编码标准 H.267 启动提案征集,计划 2029 年完成

🚗

广汽本田试点与埃安、传祺同店卖车,下沉县级市场

💰

蚂蚁灵波已启动首轮融资

🚲

Amflow 高端电助力自行车销量超过 3 万辆,营收突破 10 亿元

🎮

EA 收购获监管批准,550 亿美元交易预计今日完成

🦿

智元首次披露 9 人合伙人团队,首席科学家罗剑岚不在名单

📋

微信公众号收紧电话卡销售,非运营商主体需自查整改

💡

哈啰 Robotaxi CTO 于乾坤:从零入场的窗口已经关闭,下一道门槛是单城规模

🚙

31.98 万元起,腾势 Z9S 开启预售纯电续航 1100km

🧠

腾讯混元联合高校发布 E-Bench,前沿模型完成多步工具任务仍频繁出错

🤖

自变量开源 HOST 框架,机器人看 29 秒演示即可学习新技能

🔍

MiniMax H3 开放基础模型权重,英特尔给出 8 卡 GPU 部署方案

📱

京东外卖推出 AI 智能头盔,首批免费发给全职骑手

⚠️

江小白诉东方甄选案判决首次披露:直播贬损构成商业诋毁

🛍️

香奈儿 4 名前员工盗窃逾 700 件过季商品,分别获刑 4 至 7 年

曝三星收缩中国手机线下布局,月销不足 30 万元门店面临清退

af36b4e4 00c4 4fca 850c a2296bf2c285

据新浪科技报道,三星正在收缩中国手机线下销售网络,持续未达到每月 30 万元销售额的门店和店员将被逐步清退。近期关闭或调整的门店涉及深圳、福州、郑州、西安、昆明、合肥等城市;三星尚未回应门店调整和后续市场策略。

IDC 数据显示,三星今年第二季度在中国智能手机市场的份额约为 0.1%,去年同期为 0.4%,出货量同比下降 60.8%。同期中国智能手机市场出货量约为 6601 万台,同比下降 4.3%,已连续第五个季度同比下滑。

三星 5 月已经停止在中国内地销售电视、显示器等家电,当时表示存储半导体、手机和医疗器械业务继续运营。目前三星中国官网仍提供手机产品销售和线下体验店小时达服务,本轮调整集中在低效线下门店。

da gong si

阿里发布 Qwen3.8,接入「千问办公」

7c629cc8 508d 4e74 9789 90ac40eaec3c

阿里巴巴昨日发布 Qwen3.8,并同步开启企业级 Agent 产品「千问办公」(QwenWork)公测。Qwen3.8 API 已上线千问 AI 平台,国内价格为每百万 Tokens 输入 12 元、输出 36 元,隐式缓存命中为 1.5 元;Qwen3.8-Max 与 27B 版本计划下周开放权重。

「千问办公」允许用户把完成任务的交互过程沉淀为组织级 Skill,向团队复用。公测期间新用户可获得 2000 积分,首周个人用户每日登录还可领取 500 至 2000 积分;独立 App 与国际版也在后续计划中。

🔗 相关阅读:实测千问办公:阿里这个 AI 专家,真的能帮你带货

丰田季度利润或连续第五次下滑,日本地震又迫使多座工厂停产

路透社援引 LSEG 调查称,分析师预计丰田 4 月至 6 月营业利润为 1.11 万亿日元,约合 70.4 亿美元,同比下降 5%。若预测成真,这将是丰田连续第五个季度利润下滑。

丰田和雷克萨斯当季全球销量仍超过 250 万辆,但中国市场下降 28%,中东下降约三分之一,大洋洲下降 16%。铝、石脑油等原材料涨价也继续压缩利润;公司全年营业利润指引为 3 万亿日元。

日本地震导致丰田九州 3 座工厂至少停产至周三,另有一座中部工厂停产至周五,其中两座为整车装配厂。零部件供应商爱信的一座受损工厂尚未确定复工日期,约 200 人正在参与恢复。

ChatGPT Atlas 将于 8 月 9 日停止服务,书签需手动导出

OpenAI 宣布停用 ChatGPT Atlas 浏览器,并把基于浏览器的 Agent 能力转移到 ChatGPT 和 Codex。Atlas 计划于 8 月 9 日停止工作,届时可能无法继续打开网页、浏览或运行浏览器自动化任务,也不再获得功能和安全更新。

Atlas 的书签、打开的标签页和浏览历史不会自动转入其他浏览器。用户需要在停止服务前把书签导出为 HTML 文件,再导入 Chrome 等浏览器;仍在使用的标签页则要逐一收藏或复制 URL。ChatGPT 对话历史与 Atlas 浏览数据相互独立,不受这次停服影响。

OpenAI 称,后续浏览器任务将转向新版 ChatGPT 桌面应用,以及可用地区的 Chrome 扩展或侧边栏。新版桌面端将继续提供多标签页、下载、改进后的导航和账号登录支持。

Kimi 否认港股 IPO 传闻

据财联社报道,Kimi 开发商月之暗面计划最早于本月内向港交所提交 IPO 申请,募资规模可能约为 30 亿美元。

随后,据界面新闻报道,月之暗面方面称该消息不实。

彭博社今年 3 月曾报道,月之暗面正在评估香港上市,并与潜在顾问讨论方案;当时公司尚未确定承销银行和时间表。本次消息把计划具体到「最早本月递交申请」及约 30 亿美元募资规模,月之暗面的否认同时覆盖了这组新增说法。

比特币硬件钱包 Coldcard 存在漏洞,约 1.1 亿美元被盗

据界面新闻报道,使用 Coldcard 硬件钱包生成助记词的用户近期遭遇集中盗币,累计损失已升至约 1.1 亿美元。Bitcoin Optech 在 7 月 31 日的安全通告中称,7 月 30 日有用户发现资金在前一天被异常转走;当时可确认的损失已经超过 1000 枚比特币,后续统计仍在上升。

问题来自 Coldcard 固件的助记词生成流程。Coinkite 表示,2021 年起的一次代码变更让设备在部分版本中使用可预测参数初始化软件伪随机数生成器,而没有按预期使用硬件随机数源。受影响的 Mk2、Mk3 助记词有效熵可能只有约 40 位;较新的 Mk4、Mk5 和 Q 也受到影响,但额外混入了安全元件提供的熵。

Coinkite 已为不同型号发布修复版本,但更新固件不能修复旧助记词。公司要求用户先安装修复固件,再生成新的助记词并迁移资金;使用受影响固件、又没有加入至少 50 次独立骰子随机数或强 BIP-39 口令的旧钱包应视为处于风险中。

中国信通院:2025 年我国人工智能产业规模超过 1.2 万亿元

中国信息通信研究院昨日公布测算数据:2025 年我国人工智能产业规模超过 1.2 万亿元,同比增长 40%;截至今年 6 月,人工智能企业数量超过 6600 家,占全球总数的 15%。

产业链中,应用层规模占比最高,达到 55%,同比增长 22%;基础层占比 38%,同比增长 59%;模型框架层占比 7%,但同比增速达到 189%。这组数据覆盖基础底座、模型框架和行业应用三个层面。

产业规模主要集中在北京、广东、上海、浙江和山东,五地合计占比超过 80%。信通院此次采用产业规模、企业数量和区域分布三组指标描述国内人工智能产业结构。

下一代视频编码标准 H.267 启动提案征集,计划 2029 年完成

中国信通院昨日宣布,下一代视频编码国际标准 H.267 已启动技术提案征集。正式注册期为 8 月 1 日至 9 月 1 日,入围提案将在 2027 年 1 月举行的 JVET 第 45 次会议上接受评估,新标准计划于 2029 年完成。

国际电联文件将这轮工作定义为「超越 VVC 的视频压缩能力」联合提案征集,由 ITU-T SG21 的 Q5/21、Q6/21 和 Q7/21 共同推进。国内企业、高校和科研院所需先研读编号为 T25-SG21-260706-TD-PLEN-0348 的征集文件,再按期注册并准备编码工具、测试验证与专利材料。

中国信通院称,国内产业界此前已参与 H.265、H.266 的研制,在传统编码工具和 AI 编码方向均有技术积累。ITU-T SG21 国内对口组将负责国内提案协调、测试验证和参会组织,提案准备周期从注册截止到正式评估约为 4 个月。

广汽本田试点与埃安、传祺同店卖车,下沉县级市场

据腾讯汽车报道,广汽本田开始接入广汽综合销售服务中心,获得授权的门店可以在同一展厅销售广汽本田、埃安、传祺和昊铂车型。试点主要面向三四线城市和县域市场,北京等经销网络密集的一线城市暂不采用这一模式。

广汽集团去年 10 月启动综合销售服务中心招商,采用多品牌授权的轻量化代理模式,计划今年在县级市场建立 1000 家中心。最迟从今年 2 月起,浙江乐清、广东博罗、福建漳浦、重庆荣昌等地已有门店销售本田 P7、雅阁和皓影等车型。

招商人员称,传祺、埃安和昊铂可由广汽直接授权,广汽本田则需要与主机厂及主店确认授权和车源,现阶段多采用二网合作。广汽本田仍然单独授权品牌,只让获授权经销商把不同品牌车型放在同一展厅销售。今年上半年,广汽本田累计销量为 68318 辆,同比下降 55.82%。

蚂蚁灵波已启动首轮融资

蚂蚁集团旗下具身智能公司蚂蚁灵波已启动首轮融资,拟募资 15 亿元,并计划在今年底完成第二轮融资。报道称,多家投资机构在项目启动前已主动接触团队,近期还有投资人在世界人工智能大会展台了解其技术和产品进展。

蚂蚁灵波随后回应称,公司确实正在与投资人接触。蚂蚁灵波将继续作为蚂蚁在具身智能领域的核心布局,聚焦通用机器人大脑,加大具身原生技术路线投入并推进产业落地;回应没有确认本轮融资金额和完成时间。

团队已经公开 Vision、Depth、Mapping、Video、World Model、VA 和 VLA 等模型与技术模块,覆盖机器人感知、空间理解、世界建模和动作生成。公司在 7 月发布的 LingBot 系列 2.0 包括视觉基模、深度感知模型、支持 20 多种机器人构型的 VLA 模型,以及支持实时交互的世界模型。

Amflow 高端电助力自行车销量超过 3 万辆,营收突破 10 亿元

0cd83c35 71ee 4b0d b93c 6c015e18ef1c

据 36 氪报道,从大疆拆分独立运营的电助力自行车品牌 Amflow 已售出超过 3 万辆整车,整体营收突破 10 亿元;同源的电助力系统品牌 Avinox 也已独立运营,今年客户数量超过 60 家。

Amflow 首款产品 PL 定位高端电助力山地车,两款车型定价 6499 欧元和 9999 欧元。团队称,供应链与行业人士最初预计产品生命周期销量为 3000 至 5000 辆,但上市一个月后便遭遇产能不足,公司随后用一年多时间提升产能。

Avinox 系统将最大扭矩提高到 120 牛·米,搭配 800Wh 电池,同时把整车重量控制在 20kg 以内;报道给出的行业常见组合为 85 牛·米、720Wh 和 22 至 25kg。团队还把快充、OLED 触屏和传感器融合算法引入这套电助力系统,并计划统一前两代系统的接口与挂点,让整车品牌升级助力系统时无需重做车架。

Amflow 近期又发布售价 3499 欧元的 TL Carbon 全地形电助力越野自行车,覆盖轻装越野和城市通勤。团队预计今年销量增长 4 倍,并继续推出价格更低的车型;Avinox 则计划把更多整车品牌接入 M2 系列,今年底争取按 OEM 客户数量进入行业第二。

EA 收购获监管批准,550 亿美元交易预计今日完成

b1fa9f07 ac63 407e b374 21243b199f6b

艺电(EA)已获得出售交易所需的全部监管批准,预计于今天完成交割。欧盟委员会近日依据《外国补贴条例》批准沙特阿拉伯公共投资基金(PIF)、银湖资本和 Affinity Partners 组成的财团收购 EA;公司在截至 7 月 30 日的监管文件中确认,相关审批条件已经满足。

这笔全现金交易对 EA 的企业估值约为 550 亿美元,现有股东将获得每股 210 美元现金,较交易消息公布前的股价溢价约 25%。交易资金包括财团提供的 360 亿美元现金,以及摩根大通承诺安排的约 200 亿美元债务融资。

交割后,PIF 预计持有约 93.7% 股份,银湖资本和 Affinity Partners 分别持有约 5.5% 和 1.1%,EA 将从纳斯达克退市并转为私人公司。EA 去年 9 月公布协议时表示,公司总部仍设在美国加州红木城,Andrew Wilson 将继续担任 CEO。

智元首次披露 9 人合伙人团队,首席科学家罗剑岚不在名单

据雷峰网报道,智元创新官网首次公开完整的合伙人和董事团队:管理层由 9 位合伙人及 3 位独立非执行董事组成,背景覆盖华为、Google、腾讯、大疆、寒武纪等企业。

9 位合伙人中至少 5 人具有华为经历。创始人、董事会主席兼 CEO 邓泰华曾任华为副总裁;联合创始人、CTO 彭志辉出自华为「天才少年」计划;中央研发部总裁熊彦、联席总裁兼 COO 姜青松、营销服体系总裁张修征和首席人力资源官钮嘉也有华为相关履历。具身业务体系总裁姚卯青曾参与 Waymo AI 算法研发并负责蔚来智能驾驶系统,合伙人王闯来自大疆激光雷达早期团队。

3 位独立董事分别具有投行、国际资本市场法律和财务法务经验。首席科学家罗剑岚不在本次公布的合伙人名单中;针对离职传闻,智元回应称他尚未离职,属于内部岗位调整。

微信公众号收紧电话卡销售,非运营商主体需自查整改

微信公众平台运营中心昨日发布互联网渠道售卡类服务规范。自 8 月 1 日起,用户通过互联网订购电话卡,只能在中国电信、中国移动、中国联通的官方 App、官方网站等渠道办理,第三方互联网渠道不再提供电话卡办理服务。

微信公众平台将不再支持非电信运营商主体从事电话卡办理、销售业务,并要求现有相关账号自查整改。新规则衔接三大运营商 7 月 31 日联合发布的互联网渠道售卡管理公告,治理重点包括经营主体准入、用户信息保护和现有账号内容清理。

这项调整影响公众号内的电话卡申请、销售和导流内容。平台将经营主体限定为电信运营商,并把第三方渠道从办理链路中移除,用户后续需转到运营商官方渠道完成实名与订购流程。

💡 哈啰 Robotaxi CTO 于乾坤:从零入场的窗口已经关闭,下一道门槛是单城规模

cf31ae1f 40fe 46e4 aee1 a581967c55e3

据雷峰网报道,哈啰 Robotaxi 联合创始人、CTO 于乾坤在接受采访时表示,2025 年可能是从零进入 Robotaxi 行业的最后一个合适窗口。

他指出,产业链、量产硬件和端到端技术路线已经开始收敛,今天再独立搭建自动驾驶技术、数据体系与运营能力,需要承担更高的数据、算力、测试和人才成本。

于乾坤认为,自动驾驶算法会随着新模型、开源生态和 AI Coding 扩散,长期差异更难只靠技术本身维持;

城市道路容量有限,Robotaxi 规模扩大后牌照可能变得稀缺,而危机处理、地勤运维、调度和车辆状态监测需要长期运营经验。

于乾坤说,哈啰不会把车辆平均分散到大量城市,而会优先在少数城市形成上千辆规模。公司计划今年下半年开始正式运营,并在 2026 至 2027 年拓展至 10 座以上城市;2027 年部署 1 万辆 Robotaxi 的目标依赖启辰的前装量产、跨城市复用的端到端模型,以及哈啰现有共享出行业务的网格化地勤体系。

hao chan pin

31.98 万元起,腾势 Z9S 开启预售纯电续航 1100km

b558a09a a612 4fc4 84c4 c16742883409

腾势 Z9S 昨晚开启预售,闪充尊荣型、闪充旗舰型和易三方闪充性能型预售价分别为 31.98 万元、34.98 万元和 38.98 万元。新车定位智能轿车,标配天神之眼 5.0 辅助驾驶系统与第二代刀片电池。

工信部申报信息显示,低功率版本驱动电机峰值功率为 320kW,高功率版本为 370kW,两者最高车速均为 250km/h。新车提供 7 种外观颜色和 3 种内饰颜色。

腾讯混元联合高校发布 E-Bench,前沿模型完成多步工具任务仍频繁出错

腾讯混元、清华大学智能产业研究院与东南大学发布 E-Bench,用于评测智能体在真实产品原型中检索隐藏信息、连续调用工具并修改系统状态的能力。基准包含 323 个任务,覆盖以《王者荣耀》社交关系、QQ 音乐和腾讯会议为原型的 3 个合成环境,共涉及 41 张数据库表、超过 7.6 万行数据。

E-Bench 先用图引导的数据库填充构建可复用产品环境,再让出题模型访问完整数据库和 SQL,生成被测模型必须通过受限业务工具才能完成的任务。每道题都绑定操作前后的数据库状态差异,只有最终状态精确匹配才算通过,不使用语义模型裁判,也不给部分分。

论文测试了 11 个前沿模型。基础版中,模型平均成功率为 54.56%,表现最好的模型平均成功率为 73.79%;把同一任务独立执行 3 次且全部成功作为可靠性指标时,最高结果仍低于 60%。允许智能体编写代码调用工具的 E-Bench-Code 提高了整体表现,但最高可靠性仍低于 70%。

自变量开源 HOST 框架,机器人看 29 秒演示即可学习新技能

572b93f2 30bf 464d 95cd dd69d06795b1

自变量机器人与北京理工大学、清华大学发布并开源 HOST 机器人学习框架。HOST 面向单样本技能获取:机器人只需观看一段平均 29 秒的人类演示视频,便可在不更新模型参数、也不采集新遥操作数据的情况下执行新任务。

研究团队在双臂机器人平台测试了放水果、堆碗、擦盘子、插笔、叠袜子等 50 项训练阶段未见过的任务。HOST 在主要测试任务中的平均成功率为 62%;与需要 50 条遥操作示范和约 4 小时训练的监督微调方案相比,示范数量降至五十分之一,技能获取时间缩短约 507 倍。

🔗 相关阅读:机器人刷一段「短视频」,就能学会新技能?自变量 HOST 技术「神器」来了

MiniMax H3 开放基础模型权重,英特尔给出 8 卡 GPU 部署方案

37173111 3957 4d8c b600 4f32e3d3ab89

MiniMax 昨日开放通用视频模型 H3 的基础模型权重。H3 可以统一接收文本、图像、视频和音频上下文,生成 4 至 15 秒、24 FPS、带 32kHz 立体声的视频;默认短边分辨率为 768 像素,稳定支持中文、英语、日语、韩语等 11 种对话语言。

英特尔随后为 H3 提供首发适配:编码器使用 8 卡张量并行,计算量最大的 DiT 使用 8 卡 Ulysses Sequence Parallel 与逐层卸载,VAE 也部署在 Arc Pro B70 上,使视频生成全流程均由 GPU 加速。

pin pai

京东外卖推出 AI 智能头盔,首批免费发给全职骑手

e3b5201f a0ca 42dd ab3e a4c9c0706d53

京东外卖昨日发布面向骑手的 AI 智能头盔,首批将免费发放给全职骑手,随后逐步向其他骑手开放。头盔把接单、联系用户、路线提示和订单备注提醒放进语音交互,骑手在雨天或双手被占用时可以减少操作手机。

其中,「单王路线」会把资深骑手在复杂小区积累的入口、楼栋和近道经验转成耳机提示;订单到达送达环节前,系统会解析「不要按门铃」等备注并提醒骑手。头盔还提供一键 SOS 和商户环境核验,骑手取餐时可辅助记录门店环境,异常情况由系统标记。

京东没有公布头盔的硬件参数、量产数量和全面开放时间,只表示设备将于近期陆续投入使用。此次产品首先服务京东全职骑手的配送流程,功能重点集中在恶劣天气操作、复杂小区导航、备注执行和门店核验。

江小白诉东方甄选案判决首次披露:直播贬损构成商业诋毁

最高人民法院昨日发布平台经营与消费者权益保护典型案例,首次披露两年前江小白起诉东方甄选一案的判决结果。案件起因是东方甄选主播天权在直播中质疑江小白产品工艺并作贬损性评价,江小白随后投诉并提起诉讼。

天权与东方甄选先后就直播言论道歉,江小白认为道歉没有完整回应直播中的贬损内容。法院最终认定某优选(北京)公司构成商业诋毁,判令其赔偿重庆某酒业公司经济损失及合理开支共计 30 万元。

一审宣判后,双方均未上诉,判决已经生效。该案把直播带货中的竞品评价纳入反不正当竞争审查:平台和主播在介绍商品时可以比较产品信息,但散布虚假或误导性内容、损害竞争对手商业信誉和商品声誉,需要承担相应责任。

香奈儿 4 名前员工盗窃逾 700 件过季商品,分别获刑 4 至 7 年

据财新报道,香港高等法院昨日对一宗香奈儿内部盗窃案作出判决。香奈儿香港分公司一名前货仓主管和 3 名仓库管理员因共同盗窃超过 700 件待销毁的过季商品,被裁定串谋偷窃等罪名成立,分别判处 4 年至 7 年监禁。

涉案货物按官方零售价计算约值 1900 万港元,生产成本约为 824 万港元。香奈儿香港分公司约每半年清理一次库存,每次销毁 1 万至 2 万件过季商品;待销毁货物需要从 23 楼仓库运到 5 楼绞碎机处理,涉案货仓主管掌握货梯钥匙与密码。

案件因两名仓库管理员频繁主动加班而引起注意。法院材料把员工权限、库存销毁流程和过季商品流转列为案件事实,4 名被告的刑期按照角色与参与程度分别确定。

hao kan de

AI 短剧女主「方桃子」接下首个广告,60 秒以上视频报价 25.8 万元

4555616e 04d9 4b2c 94ff dc2c6f07066e

据新浪科技报道,AI 短剧《被裁掉的女孩》女主角「方桃子」开始接广告商单。她在 7 月 31 日发布的视频中植入美瞳产品,并用角色口吻介绍产品;该账号上线约 30 天后粉丝数达到 40 万。

星图数据显示,「方桃子」账号 1 至 20 秒视频报价为 16.8 万元,21 至 60 秒为 20.8 万元,60 秒以上为 25.8 万元。蓝鲸新闻称,这一报价已超过多数真人百万粉丝博主及部分千万粉丝博主。

《被裁掉的女孩》于今年 6 月上线,累计播放量超过 2 亿。制作团队为剧中角色单独运营社交账号,通过日常短视频延续人物设定;此次植入显示 AI 角色已经从短剧播放流量进入品牌广告交易环节。

《蜘蛛侠:崭新之日》全球开画 9.27 亿美元,创影史第二高纪录

f6400af6 32af 4269 a5a2 d9ddd42f4fd2

据《综艺》报道,《蜘蛛侠:崭新之日》全球首周末票房达到 9.27 亿美元,仅次于《复仇者联盟 4:终局之战》的 12 亿美元,成为影史第二高全球开画成绩。其中北美贡献 3.55 亿美元,66 个海外市场合计 5.72 亿美元。

中国内地开画 1.21 亿美元,英国 4900 万美元,墨西哥 3830 万美元,韩国 2500 万美元;影片还在法国、印度、巴西和西班牙刷新市场纪录。由于 IMAX 银幕被《奥德赛》占用,它主要依靠普通厅、Dolby、4DX 与 ScreenX 放映。

影片由德斯汀·克里顿执导,故事承接《蜘蛛侠:英雄无归》结尾所有人忘记彼得·帕克的设定。烂番茄新鲜度为 90%,CinemaScore 观众评分为 A。

《冥界之歌:音乐剧》累计票房 1820 万美元,超过《汉密尔顿》官摄

580adcbe 050b 47de a070 8d995d18bed3

据 Deadline 报道,《冥界之歌:音乐剧》上映第二周在 1567 块银幕取得 200 万美元,北美累计票房达到 1820 万美元,超过《汉密尔顿》,成为北美票房最高的音乐剧现场捕捉电影。

影片记录的是西区制作版本,并集结原主要演员。它首周末在 1949 块银幕取得 970 万美元,在传统大片集中的档期中仍进入北美票房前列。

《汉密尔顿》现场捕捉版 2025 年为百老汇十周年重返影院,北美最终票房约 1700 万美元;不过该片早在 2020 年已经通过 Disney+ 上线,两部作品的发行路径并不完全相同。

2026-08-03 22:16:52

今天,阿里正式推出企业级 Agent 产品「千问办公」(QwenWork),并开启公测。

它由 QoderWork、MuleRun 和悟空三款产品整合而来,把本地电脑操作、云端长任务和企业协作收进同一个入口,直接在官网 qwenwork.cn 就可以下载尝鲜。

aef9a057 89d5 4446 976f 3d0439ce8094

和千问办公一起上线的,还有阿里新一代旗舰模型 Qwen3.8-Max。这次实测,我们从头到尾用的都是这个模型。

它的总参数量为 2.4 万亿,每次推理激活 950 亿参数,支持 100 万 Tokens 上下文和视觉理解,编程与专业办公是这次升级的重点。

我把一些麻烦、琐碎,还得连续折腾好几步的活一股脑交给它,任务一路加码,甚至让它帮我开了场发布会,看看千问办公到底经不经得住这轮「拷打」。

会读文件、会跑命令,也会偶尔闹乌龙

千问办公的界面并不陌生。左边是任务记录,以及「专家套件」「技能」「连接器」「定时任务」和「IM 频道」,其中,「IM 频道」除了支持阿里自家的钉钉外,还支持接入飞书、微信等主流通讯 App;

7a82fa5d 4aba 4286 aef1 b3434d1a1b1d

中间留给对话和工作台;右侧会展开任务步骤与产物。第一次打开,多少能看到一点 Codex、Claude Cowork 这类 Agent 工具的影子。

选好文件夹后,千问办公就能在里面读取资料、创建文件和执行命令。你给它一个目标,它会先拆步骤,再按需调用代码、浏览器和文档处理工具。任务跑起来以后,右侧清单会逐项打勾,生成的 HTML、图片和报告也会直接落进工作目录。

刚好我这台 Mac 的储存空间快满了,在储存空间寸土寸金的当下,自然是能省一点是一点。所以第一个任务,我先让它帮我分析下,空间都被什么东西占了。

fd437fc6 a987 405c b49f 4199c41116da

感觉现在系统剩余的空间越来越少了,帮我分析一下空间占用分布情况,用直观、美观的 HTML 呈现给我。

它从系统盘一路扫进用户目录和 ~/Library,最后交回一份可视化 HTML。报告开头先给结论:1 TB 硬盘已经使用 762 GiB,只剩 133 GiB;用户目录占了 587 GiB,其中 Samsung Smart Switch 备份、照片图库和微信数据是三个大头。

往下看,Containers、Caches 和 Application Support 又被继续拆开。哪些缓存可以直接清,哪些应用数据需要确认,哪些属于个人文件要自己取舍,它用三种标签分开标了出来。

接下来,我又交给它两个小任务:一个看页面,一个看交互。

d4912432 2c8a 403b aab9 8939f058e325

做一个虚构电商平台的数据看板,包含销售额、订单量、访客数、客单价、近 30 日销售趋势、品类销售占比、用户来源分布和商品销售榜 TOP 5。

我让它做了一个虚构的电商平台数据看板。它交付了一张带销售额、订单量、访客数、客单价、品类占比和渠道转化率的 HTML 页面,信息层级和图表选择都算规整,算是超越及格线的表现。

看完枯燥的数据,不如让它搓个小游戏,放松一下。

08176f8c 92f1 47dc 9d0d f999241d7f60

做一个飞行躲避小游戏。玩家操控一架飞机在屏幕中飞行,需要躲避迎面而来的障碍物。游戏要有开始界面、计分系统和结束画面。

千问办公做出了开始界面、计分和结束画面。飞机能跟着鼠标移动,可以吃金币,擦着障碍物掠过还有额外加分。不过,贴图还是略显粗糙,经不起细看。

从苹果财报,到一场不存在的发布会

接下来,我把苹果上周刚刚披露的季报交给千问办公,让它帮忙拆解一下。

54bf51f8 1f68 43f3 bd76 7767659d8cdf

把这份苹果季报拆解、分析,制作成一份可视化、直观、图文并茂的 HTML。

它先提取并核对报表数据,再把营收、利润、产品和地区表现做成一组清楚的图表,页面顶部先给结论,图表下面补一句「怎么看」。原始数据表也被留在底部,阅读和回查都很方便。

这里有一个小插曲:它在最后校验 HTML,需要执行一条带有 rm -f 的命令。系统弹出了红色的「高危操作」提示,把会永久删除哪个文件、-f 参数有什么效果、后续还会做什么列了出来,再让我选择允许或拒绝。

这种解释在目前市面上的 Agent 应用上并不多见,但对于刚接触它们的小白来说,却十分有必要:即便不懂命令行,你也能看出它准备删掉哪个文件,以及操作能不能撤销。

4178d0ac 988a 4ca9 851f 29988b32529a

不过,同样的解释到了前面的磁盘扫描里,就没那么管用了。它准备执行 kill 45499,提示会强制终止进程 45499,未保存的数据可能丢失。问题是,它没有告诉我这个进程属于哪个 App,也没有说明为什么非杀不可。因此,这个功能还是有些细节需要完善。

e3a3c5a0 709d 4f45 8922 316a952ba3af

做完这些有现成资料可依的任务,我还想试试它的「想象力」和审美:

只给一个模糊的产品点子,它能帮我开一场完整的发布会吗?

于是我临时编了一款产品。LUMA 是一盏智能桌面灯,能读取日程,用灯光提示专注、倒计时和休息,没有屏幕、摄像头与麦克风。售价 699 元,主张是「把时间调成光」。

9d5ca12c 5bf6 4b0b a5f9 c42ddf2be9ed

请从零为虚构产品「LUMA」制作一套 10—12 页的中文新品发布会 PPT。受众为科技媒体、设计师和首批用户。

LUMA 是一盏能读取日历安排的桌面灯。它没有屏幕、摄像头和麦克风,通过灯光变化提示专注时间、会议倒计时和休息间隔。用户的日程在本地处理。

已知信息:

请自行完成品牌主张、发布会叙事和视觉系统。内容需要覆盖产品亮相、交互方式、使用场景、硬件结构、隐私设计、颜色选择、价格和上市信息,但不要机械地按这份清单逐项排页。

千问办公没有急着开做,而是先列出大纲,让我从内置模板里挑一种视觉风格。最后生成了 11 页 PPT,雾白、石墨灰和苔藓绿打底,再用一条暖色光谱模拟灯光。从产品卖点、使用场景到隐私设计、配色、规格和售价,该讲的基本都讲到了。

834af085 b5eb 48e9 a410 4b20801cae6d

我比较意外的是,它没有把每一页都做成同一种模板。有些页面只放一句话,有些用来展示产品,有些专门交代参数,节奏看起来还挺舒服。虽然 LUMA 从产品到图片都是临时编出来的,这套 PPT 放在一起却不显得太拼凑,甚至有了一点自己的品牌气质。

e5b9a77e c67e 484a b959 147ae093af32

674815d8 83ee 41da 81ee 0487beb9fd16

e87e4b10 1de4 46b1 ab54 5aa74d446097

70e3932b 83e3 4af4 81e5 567f447022df

5917a6f4 b94b 4ba2 9149 b6bc60716922

3de5360e 9ce5 4a6e b399 454ce4ba6404

565da4c4 f946 4e89 b004 a9194f5d7f8a

99a650b9 05b9 43a6 a93c 479825716453

003ba891 7816 495a b7b2 7ed2829e4873

做完以后,它还问我要不要检查页面渲染、前后表述和演讲备注。我把几项都勾上,它又逐页检查了一遍有没有文字溢出、图片异常,以及前后说法对不对。

bc190a4f 9306 47ae 9bf1 64f5291ae5c2

一盏不存在的灯,被它做成了一个品牌

这次,千问办公还有一个挺有意思的新功能——「专家套件」。

9d0a288d b30a 41f0 9040 94d8decae8b0

它有点像给千问办公安装不同工种的 skill 和工具包。套件广场里已经有市场营销、产品设计、投研分析、合同管理等选项,每一套都组合了这个岗位常用的技能,有些还会接入外部数据。

安装以后,在对话里直接调用就行,不用每次都写长篇大论的 prompt。

我先装了市场营销套件。里面组合了 8 项技能和 1 个数据连接能力,覆盖营销文案、广告合规、竞品追踪、活动策划、社媒热点、SEO、效果分析和品牌调性审查。简单说,它已经把一套常见的营销工作流程装好了。

先从最容易验收的文案开始。我让它为 LUMA 生成一套跨平台宣传文案。

c8b322b6 6e12 4212 bcea 4ecc5a3461b0

千问办公分别给出小红书种草笔记、微信公众号长文和微博短帖,并配套标题备选、摘要、标签、CTA、A/B 方案和发布时间建议。

小红书文案更口语,公众号负责讲完整故事,微博则把信息压进短句里;它甚至还单独检查了《广告法》里的极限词与绝对化表述,确实有点「专家」的意思了。

文案感觉还行,我就继续加码,索性让它帮我做一整套宣传物料。

b179979c 28a7 47c7 8b45 7034c5bf546b

95d054db 5000 40b6 aa4d f194b41f8a93

3bf9cdf9 e820 46a9 88dd 9cc48c734c9b

07124888 8ea1 4290 89e1 b8ed689d49e3

27524853 7970 48c6 a7aa f5bf920393b1

帮我给这个产品做一些宣传物料,包括包装、开箱体验、其他周边、礼盒等。

它先问了三个问题:要交概念方案还是可编辑文件,周边准备覆盖哪些品类,标准版和礼盒版如何区分。确认方向后,千问办公沿用 PPT 里的视觉系统,做出了雾白标准包装、石墨灰 First Light 礼盒、开箱内衬、光谱桌垫、色温杯垫、帆布袋、徽章和磁吸书签。

整体的一致性和美观度都很不错,可以看出这次 Qwen 3.8 Max 的多模态能力还是比较强的。

文案和图都准备好了,直接让它排成一组可以发布的小红书多图内容,自然也是不在话下。

a806aa5f e862 4b44 84d4 bf7f8f39e7ab

fa81b4d4 c867 405d ba34 8b632e9fdb6f

256b60b5 f115 4778 9d48 b95921e058ce

1532991e 6e03 4084 bf78 2003738a0c6a

739836a9 051f 4242 a75a e51dad3446d9

be7bcd28 27d8 495d bdd2 bef75898312b

左右滑动图片

把这几张做成适合发小红书的排版图。

它把横版效果图重新编成 6 张竖图,封面、页码、双语栏目、标题层级和统一页脚一应俱全,完成度已经达到可以直接发布的程度。

做到这里,我临时编的 LUMA 已经有了 PPT、三套平台文案、包装、礼盒、周边和 6 张小红书长图,每一次的交付物都环环相扣,确实像是同一个团队做出来的东西。

模型额度方面,千问办公新用户注册会送 2000 积分,每天登录再送 600 积分。上面这些任务全部跑完后,我的免费版还剩 1645.53 分。

74736d72 bb84 4c77 b195 1c70ef88e0b7

至少在公测阶段,拿它做一些日常任务,都不需要担心积分不够。

这轮体验下来,千问办公最让我意外的,不是某一张图或某一份报告,而是任务会顺着往下长。一个模糊的要求,可以变成看板、PPT 和宣传物料;前面做过的内容,后面还能继续拿来用。

千问办公也不是孤立的一次产品整合。腾讯把 WorkBuddy 接进腾讯文档,字节将飞书并入豆包所在的业务体系,阿里则把 QoderWork、MuleRun 和悟空收拢起来,再准备接进钉钉。

而据虎嗅昨日的报道,阿里内部把 AI 办公定位为面向企业组织的生产力平台,千问办公与钉钉由同一个事业部负责;短期内优先看的也不是用户数和月活,而是产品是否好用,以及能不能真正跑通企业场景。

9ccfbc1c bc2b 40c4 9ce1 01e4f5155c97

BAT(字节、阿里、腾讯)这三家大厂又在一个新战场拼起了刺刀。接下来比拼的,或许就不只是模型有多聪明,还要看谁能把文档、消息、知识库和各种工具接得更顺,让 Agent 真正进入用户每天的工作流程。

回头看 LUMA 的文件夹,最开始只有几句关于虚构台灯的设定,最后却装进了一整套发布会 PPT、平台文案、包装方案和小红书长图。一个原本没想清楚的点子,就这样有了可以翻、可以看,也可以继续往下改的样子。

所以下一次再冒出类似的念头,我大概还是会先给它建个文件夹。

 

*封面、部分插图由 AI 生成



https://feedx.site

2026 年的手机们,越来越像一个正在疯狂堆砌数值的「一刀 999」型页游。

别误会,这里说的不是价格,而是电池——

图|小米官网

曾经 5000mAh 是当之无愧的大电池,但随着「硅碳负极」技术的加速商品化,7000、8000mAh 都相继失去了新闻价值。

直至去年末的荣耀 WIN RT 把数字推到了 10000,成为了眼下这条赛道上当之无愧的「电王」:

2 huge batt 2

图|荣耀官网

在那之后,爱范儿也陆续测试了红米 Turbo 5 Max、iQOO Z11 等等超大电池的手机。但在评测过程中,我们注意到了一个现象:

把 9000、10000mAh 换算成日常续航,领先程度似乎就没有数字上看着那么大了。

3 redmi t5m

就拿 iPhone 17 Pro Max 为例,它用一块 4823mAh 的「小电池」,照样能实现七八个小时的续航——

苹果的电池只有这些「电王」的大约 50%,却实现了接近 70% 的续航时间。

4 two pros

这当然不代表「大电池没有用」,反而揭露了更深层次的信息:

手机作为一种综合工况极为复杂的产品,它的续航表现从来不是简单的「容量等价代换」,而是一个由可用能量、平均功耗、温度控制和能源策略共同组成的复合型参数。

当电池进入万毫安时代之后,我们反而更应该戒掉「唯毫安数论」。

容量 ≠ 持久

手机最简化的续航公式,可以表述为「电池可用能量 ÷ 平均设备功耗」。

我们首先得知道,最熟悉的 mAh「毫安时」描述的是电荷量,并不等于能量,想要严谨比较,应该看毫安时乘以电压得到的 Wh「瓦时」。

毫安时之所以统治了厂商的宣传,主要是因为手机电池的标准电压近似、毫安时具有部分参考价值,并且几千几万的数字看上去更有冲击力

5 a tank

图|Unihertz

但我们不能光看池子能装多少水,还得看池子往外放水的速度。

毕竟处理器能效、系统调度、软件生态等等多方面因素都会影响实际使用中的电池表现,一块更大的电池能够作为兜底,却不能抵消糟糕的能效——

6 pixel 10 pro

图|Notebookcheck

这也是 iPhone 17 Pro Max 用国产「电王」们大约 50% 的容量实现了 70% 续航的原因——

处理器研发、系统开发、软件生态都掌握在自己手机,针对性优化自然会更强。

另外我们也不能忘记安迪-比尔定律,电池底子更大了,厂商和 app 开发商当然想增强手机的性能与使用表现,无论峰值亮度还是瞬时频率。

7 refresh rate

图|荣耀官网

四舍五入,这和存钱时遇到的问题差不多:

一定范围内,本金越多并不一定会让人变得保守,反而会鼓励更激进的开销策略。

你容量很大,让我锁一下

除了复杂的日常使用差异,硅碳负极技术本身的一些限制,也是导致手机实际续航和容量观感差异巨大的原因。

从原理上讲,硅碳负极电池之所以能存下更多电量,是因为硅原子的「理论比容量」远高于碳原子,但这份大胃袋不是没有代价的。

这份代价就是膨胀系数——硅在充电嵌锂时会产生比石墨更加剧烈的体积变化,纯硅材料的膨胀率甚至可以超过 300%

8 silicon

图|Springer Nature

而硅碳负极电池即使硅碳混掺控制膨胀,想要提升容量最简单的办法就是提高掺硅比例,体积膨胀是无法避免的。

电池内部负极区域反复膨胀收缩,最直观的后果就是造成宏观裂缝,以及固体电解质界面膜(SEI)反复破裂、重建导致的锂离子损失,消耗电池寿命。

9 battery SEI

图|ScienceDirect

为了避免电池内部出现严重的缩涨循环,厂商往往会选择通过电池固件将「允许充放电」的上限设置在电池物理容量的 80%~90% 左右。

此外,在低电量一侧,为了避免过度放电、保留关机功能之类的考量,厂商也会将软件 0% 关机线设置在物理容量的 10% 左右。

10 no battery nfc

图|X @naehrdine

这两端一占用,就导致了手机电池的「可用容量」只是物理电容量的中间段,电池管理系统只开放其中一段工作窗口——通俗来讲,就是锁容。

类似的策略在传统锂离子电池中就已存在,只是到了硅碳技术这里,大幅增加的容量让寿命、膨胀和充放电之间的取舍变得更加突出了。

11 si c anode batter

图|小米官网

然而问题的关键之处不在于要不要留缓冲,而在于消费者是否知情:

目前法律规定要区分电池的典型值(批次内大多数电池的容量)和额定值(批次内最低不会低于的容量),但它俩仍然无法代表厂商锁容的电池策略。

在电池锁容策略的「黑箱」里,消费者不能通过标称的典型值和额定值直接判断自己能用出多少电量,很接近误导性宣传了。

12 OTA update

图|Android Authority

更合理的做法,是要求厂商在标称容量之外,披露规定温度和充放电条件下的额定可用能量,以及上下截止电压。

技术可以保守,参数不该含糊。

属于快充的 15 分钟

波普艺术代表者、著名美国现代艺术家安迪·沃霍尔说过这样一段话:

在未来,每个人都有 15 分钟名扬天下(In the future, everyone will be famous for 15 minutes.)。

巧的是,对于手机高功率快充而言,每次工作都是它们的「15 分钟名扬天下」——甚至可能不到 15 分钟。

13 charger holy

图|Imgflip

自从高功率快充成成为了消费者广泛关注的参数,厂商无一不在突出峰值功率数字,今天你 50W、明天我 80W,后天又冒出来一个 120W。

然而峰值功率之所以叫峰值,就在于其他时候都不在峰顶——

14 iphone charging curve n

图|LTT Labs

想要触发峰值功率,经常是原装充电器、特定线材、足够低的起始电量、合适的机身温度、较小的系统负载,部分机型还要手动开启极速充电选项……

比如电池同样破万的 vivo Y600 Pro,就在官网页面脚注中这样补充道:

90W 闪充,指充电器最大输出功率 90W,实际充电功率会随场景变化而动态调节,请以实际使用情况为准。

这个小字,其实比页面中央的「90W」更接近日常体验。

15 phone charging general

图|LADbible

毕竟锂电池充电要经历恒流、降功率和接近满电后的涓流阶段,电芯温度升高、系统亮屏运行或者电量接近上限,都会让电池管理系统踩刹车。

正因如此,峰值功率只代表了「这台手机最快能摸到哪里」,它不能直接回答「早上洗漱十分钟能补多少电」。

16 phone charging 2

图|Android Authority

真正有参考价值的指标,应当是统一环境下的前 50% 电量平均输入功率、10% 到 80% 平均时间之类的「复合参数」。

苹果在这点上就做得比较好,经常会写「搭配高功率充电器,充至 50% 电量仅需 20 分钟」,这种表述相对更接近日常体感一些:

17 apple claim

图|Apple

另外值得注意的是,硅碳负极电池逐渐普及之后,超高功率快充也的确越来越难做了。

毕竟负极中硅含量提高后,厂商需要更谨慎地控制充电电流、温度和高电量区间停留时间,避免过快嵌锂可能造成的内外反应不均、应力集中和材料开裂。

对于现在的科技水平来说,能量密度、高功率快充、低温与长循环寿命,很难在相同体积和成本下同时拉满。

「参数战」到「体验战」

10000mAh 是进步,100W 也是能力,手机厂商的参数大战本身并没有错——

如果没有激烈竞争,硅碳负极不会这么快普及,大容量电池也不会这么快就实现从入门到旗舰机型的全覆盖。

18 long batt

图|OPPO 官网

问题是,物理容量、典型容量、额定容量、可用能量和实际续航,从来都不是同一个数字;充电器输出功率、手机输入峰值和平均功率,也不是同一件事。

厂商在宣传的时候只挑最大的写,消费者自然容易把「能达到」理解成「平时就是」。

19 subway old man

图|Imgflip

手机续航是一个高度依赖工况的复合指标,处理器、系统版本、应用生态、屏幕亮度、网络信号、环境温度乃至电池健康,都会改写答案。

正因如此,没有单一测试可以替所有用户预测结果,但诸如「前 50% 平均输入功率」这样公开、切实、可复现的复合参数,至少可以减少猜谜。

20 a battery life

图|Android Police

在手机价格不断走高、用户换机周期不断拉长的今天,消费者掏钱购买的不是发布会现场那一分钟的峰值,而是未来几年里每天都要面对的平均值。

参数可以追求极限,但知情权不应该只藏在脚注里。

教会一台机器人叠袜子,一共分几步?

摊平、对齐、折叠,再将袜口翻过来,这些看似简单的动作,过去机器人要学会,往往需要四五个小时的训练。但现在,只需一段数十秒的演示视频,就能快速掌握。

好家伙,这是哪来的东方神秘力量?

最近,自变量机器人发布了一套名为 HOST 的机器人学习框架。HOST 全称为 Human-to-robot One-Shot Skill AcquisiTion,也就是「人类到机器人单样本技能获取」。

有了它,机器人只要看一段 29 秒的人类演示短视频,就能当场上手干活,期间甚至完全不需要更新模型参数,也不必专门采集几十条机器人遥操作数据。

不仅技能获取速度比最快传统方案飙升了 500 倍,连成功率都实现了反超。更简单粗暴点说,高冷死板的机器人,光靠「刷视频」就能进化为全能管家。

2

机器人学习做家务,进入「刷短视频」时代

别看如今的具身机器人能文能武,各个都是练习时长两年半的练习生,但熟悉机器人的圈内人都知道,以前让 AI 学干一件新家务,到底有多费劲。

目前常见的模仿学习方案,仍依赖数据采集与模型微调。

怎么教?先请个专业工程师坐在遥操作台前,像玩极品飞车一样,手把手控制机械臂干上 50 遍。

这就完了?早着呢。这几十条数据还得拿去给模型做监督微调(SFT),一通离线「炼丹」下来,少说也要花上 4 个小时。

如果机器人真进了千家万户,同样是整理桌子,涉及的动作可能完全不一样。难道每碰上个新活儿,都得呼叫工程师上门服务,再等几个小时?

这笔账,怎么算怎么离谱。

但 HOST 这套方案,则对传统流程带来了明显改变。研究团队搭建了一个双臂机器人平台,测试了 50 项训练阶段从来没见过的全新任务(比如放水果、堆碗、擦盘子、插笔、叠袜子)。

3

不采集数据,不改通用参数,只给机器人看一段人类普通演示视频。结果它在 50 项新任务中全都有成功记录。在主要的测试任务中,仅观看一次数十秒的人类演示视频,学会技能的平均成功率达到了 62%!

4

AI 之间的差距有多大,直接看数据吧。

当前最强的微调基线,需要专业人员遥操作机器人完成 50 条示范,从采集数据到训练出新技能,通常要花 4 小时。HOST 让机器人只需要观看一段平均 29 秒的普通人操作的视频,不需要反复演示和微调,就能学会新技能。

相比监督微调的方案,HOST 需要的示范数量降至五十分之一,技能获取时间较最快的 SFT 基线缩短约 507 倍。

这下,机器人是真体验到了人类那种「看一遍就会」的快乐。

不再模仿人类动作,而是想象结果、反推动作

你可能会问:让机器人看视频,不就是对着人类动作照猫画虎吗?

真没那么简单。人和机器的「手速」能一样吗?视频里人类小哥 2 秒钟就把杯子拿起来了,机器人的铁胳膊可能需要 5 秒。

如果硬卡视频播放时间,视频里的人都开始倒水了,机器人还在那瞄准杯把手呢,任务步骤越多,双方的偏差也会越明显。

于是 HOST 的研究团队想了个绝招:不看时间,看进度。他们把视频画面和机器人的动作,映射到同一个叫「向量空间」里,然后用动态时间规整算法自动对齐。简单说,就是给任务打上进度条。

不管人类用了 2 秒还是机器人用了 5 秒,只要双方都进入了「杯子已经被拿起」的状态,进度就算同步。这种操作,让进度误差从 0.079 暴降到了 0.006,直接缩小了一个数量级。

5

这时,聪明的你可能又会想到一个问题:即便节奏对上了,人类与那些「铁疙瘩」之间仍然存在明显的身体结构差异。

比如人的手掌可以贴合杯壁,机器人的夹爪需要寻找合适的夹取位置。人可以捏住袜子的一角,机械臂还要考虑夹爪开合、运动角度和两只手臂之间的配合。

让机器人直接复制人类动作,很难得到有用的结果。

对此,HOST 想出了一套非常巧妙的解决思路:先让机器人从人类执行完任务的结果,「想象」出机器人执行完任务的画面,再根据画面反推出机器人需要动作的动作。为实现这个方案,HOST 还设计了一个核心策略模型——双专家 MoT 架构。更通俗点理解,就是它有两个分工明确的大脑,一个「视觉大脑」负责理解视频、定位进度和预测未来场景,另一个「动作大脑」负责把视觉目标变成机器人动作:

6

  • 视觉大脑(Localization & Vision):先看懂机器人干到哪一步了,对应的人类视频到哪一步。然后根据人类动作结果,脑补出将这个画面转换为机器人视角应当看到的画面(比如想象出水杯被夹爪拿起的画面)。
  • 动作大脑(Action):负责把脑补出的机器人画面变成现实,计算机械臂怎么动才能达到目标。

不强行模仿人类手臂的角度,只盯着需要实现的最终效果,然后从最终效果想象出动作。这样就绕过了「让机器人模仿人类动作」这个最难的跨越。

当然,「单样本技能获取」容易让人产生误解,以为机器人此前完全没有接受训练。

但其实这里的 one-shot 指机器人面对一项新任务时,只需要接收一段人类演示,整个任务都是在「推理过程」中完成的,无需再为这项任务更新模型参数。支撑这种能力、让机器人能从视频学习的基础模型,依然经过了大规模训练。

机器人出厂前可是见过大世面的。

第一阶段主要使用机器人数据。会团队先喂给它 193462 条机器人轨迹以及对应的机器人执行任务视频(涵盖 229 项任务),让它尝试从机器人的任务视频中想象出结果,再拆解出自己这副钢铁身躯怎么动。

7

第二阶段再加入人类与机器人的配对数据。比如用 5847 段人类任务视频和对应的机器人轨迹配对,让它学会把人的执行任务的画面翻译成机器的视角,好从人类视频学习。

先利用规模更大的机器人数据建立任务理解和预测动作结果的能力,再用数量相对较少的人机数据完成能力的迁移,这样的好处是可以充分利用数据、降低对人机配对数据的依赖。

而出山之后,再遇到新任务,直接把人类视频当操作指南,边看边干就行。

学会叠袜子,也没忘了洗盘子

掌握新技能只解决了一半的难题,更关键的是,机器人学会新技能后,原来的能力能否保留,同样决定了它能否长期「有用」。

这就涉及到机器人一个极其令人头痛的痛点:灾难性遗忘。比如用后训练微调教机器人,会改变模型的参数、侵蚀模型原本已经学会的技能。这会导致「狗熊掰棒子」,看似学会了叠袜子,但以前很溜的洗盘子反而退步了。

论文中也注意到了这个问题。论文选取了七项来自训练集、模型此前已经掌握的任务,包括取出瓶子、对齐袜子、堆叠杯子、整理包装材料、盖住中央物体、放置纸巾和排列花朵。

研究人员先测试 HOST 与三种监督微调基线在这些旧任务上的表现。随后,三种基线通过监督微调学习新任务,HOST 则通过一段人类视频获取新技能,再重新测试各自的旧任务表现。

在旧任务测试中,三种微调基线几乎被「灾难性遗忘」打回原形。学完新任务后,π0.5+SFT 只保留了原有表现的 17%,就连旧技能保留率最高的 Wall-OSS+SFT,也只保住了 40%。

8

但 HOST 因为全程没改模型的脑回路(参数),旧任务表现基本没受影响,比最好的微调基线高出了整整 59 个百分点!

在 HOST 眼里,那段人类视频就像一份可以保存和再次读取的「菜谱」。今天叠袜子,翻开第一页;明天理餐具,读第二页。技能随时调取,互不干涉。

而且,这种机器人的学习方式极其「抗造」。

研究团队设置了光线变化、替换同类物体、更换操作场景和执行过程中移动物品等干扰。

9

HOST 在标准环境中的平均成功率为 62%。改变光照后下降 1 个百分点,替换物体后下降 4 个百分点,更换场景后下降 6 个百分点,执行中人为移动物品后下降 9 个百分点。最后一种情况下,平均成功率仍达到 53%。

这还有个冷知识,物品被临时移动后,原有动作计划已经失效。但 HOST 会根据新的观察结果重新判断任务进度,再生成对应动作。这说明它真正理解了任务,在动态规划每一步,而不是在「背」动作序列。

全面开源「技术家底」,普通人也能教机器人干活儿

老实说,62% 的成功率,距离进工厂干活儿还有提升空间。反而是在家庭场景,不太关心单次成功率,更关心泛化性,也就是「多摸索几次没关系,最后做成了就行」。 HOST 的出现,让行业看到了一条具身智能极其性感的落地路线。
2023 年底成立的自变量机器人,算是国内死磕「完全端到端路线」的具身智能硬核玩家,至今发布并开源的各种技术,已经「多如牛毛」。

研发范围已经覆盖具身智能的 VLA 基础模型、世界模型、用来拆分动作的「动作分词器」、训练模型的底层「神经网络优化器」、数据采集系统和机器人本体。自变量不仅发布基础模型,还延伸到用来训练模型的底层基础设施。

今年 4 月,他们发布了从零联合训练的具身大模型 WALL-B,采用独特的「世界统一模型」架构,已经部署在机器人里,在大量用户家庭做起家政服务。后来又发布了世界模型 WALL-WM,还开源了 VLA 模型 WALL-OSS-0.5,后者已经被很多科研机构用起来了。

10

在机器人本体上,自变量已经自研并量产量子一号、量子二号。机械臂、关节模组、动力驱动器和主控制器等核心部件均为自主研发,并与算法深度适配,为机器人进入家庭和工业产线提供了载体。

今年 3 月起,自变量又与 58 到家合作,让机器人与保洁人员共同进入普通家庭提供服务。5 月推出的「X 家庭成员计划」,还让机器人在用户家中连续驻留一个月,接受真实、随机家庭需求的检验。

「从零开始」训练具身模型,在具身智能领域有相当高的门槛。真正能在国内从零预训练出好的具身模型,还搭建起从数据采集到模型训练的整套管线的,更是廖廖无几。

购买现成模型、拼接几个模块,可以更快做出演示 Demo。真正从基础架构起步,意味着团队需要自己解决模型设计、数据生产、分布式训练、动作表达、真机控制和部署效率。

自变量选择从零训练自己的基础模型,同时开放部分核心成果,已经形成一条从具身基础模型延伸到底层设施的开源技术「全家桶」,也成为国内开放具身智能核心技术、建设开发者生态的「扛把子」之一。

在这些研究之外,HOST 正是让机器人在应用场景快速学习技能、真实落地的又一块技术拼图。现在,他们连同北理工和清华,直接把 HOST 的核心家底给开源了(论文、GitHub、Hugging Face 一应俱全)。

11

▲ 项目主页:
https://host-site.host-robotics.workers.dev
论文链接:
https://arxiv.org/abs/2607.20033
Github 链接:
https://github.com/CGuangyan-BIT/HOST
Huggingface 链接:
https://huggingface.co/papers/2607.20033

这就很有格局了。具身智能现在百家争鸣,处于技术路线快速变化的阶段。

模型架构、动作对齐方法、数据规范、训练方法和评测标准都没有完全确定。单靠一个预训练模型,即使训得再好,距离能胜任家庭这个最终场景的「一切任务」仍很遥远。在这个特殊的时间点,能让机器人快速学到预训练没有的新技能,就对机器人真正「用起来」十分重要。

HOST 就是让机器人先能「快速用起来」的技术神器。

开源能够让更多研究机构和开发者参与其中。

研究者可以复现论文结果,机器人公司可以尝试适配不同本体,开发者也能基于已有模型继续改进。同行的复现、质疑和改进,也会反过来加快模型迭代。这也让自变量进一步成为国内具身智能开源阵营中最鲜明的技术派之一。

文章的最后,咱们不妨开个脑洞。过去,教机器人意味着采集专业数据;但在 HOST 展示的未来里,教学一个新技能终于不再需要「高薪算法工程师」,变成了普通人皆可完成、皆可受益的工作。

你家机器人不会给衣服叠出你想要的效果?

没关系,你亲自站在它面前叠一遍,剩下的它自己悟。

或许不久的将来,互联网上最火的不再是搞笑段子,而是各种《让机器人欲罢不能的 100 个家务教学短片》。普通人教机器人做事的时代,这次是真的要来了。

2026-08-03 17:29:15

8 月 3 日上午,何小鹏在微博官宣了小鹏 G9L:「全球大五座的科技旗舰,30 万级科技标杆,小鹏 G9L 今天来了。」他还透露,G9L 三年前就已立项,启动时间大约在第一代 G9 上市一年之后。

严格来说,G9L 并非今天才第一次露面。早在 6 月,G9L 就已经进入工信部第 407 批申报目录中,涵盖纯电、增程两种动力。今天的官宣补上了座椅、底盘、智能化和安全等信息,整体来看,尽管 G9L 名字里的 L 确实意味着加长,但小鹏想增加的显然不只是车身长度。

G9L1

超三米轴距,也要好开好坐

G9L 的长宽高为 5120×1999×1782mm,轴距为 3100mm,申报中还出现了 1788mm 和 1795mm 共三种车高,这一差异可能跟空悬配置有关。相比现款 G9,G9L 长了 229mm、宽了 62mm,轴距增加 102mm,可以说整体大了一号,从中大型 SUV 的尺寸向全尺寸靠近。与刚上市的小鹏 GX 相比,G9L 也只是短了 145mm,轴距少了 15mm,两台车的宽度完全相同。

这么大的车身只放两排座椅,意味着多出来的空间可以留给二排腿部和行李,小鹏官方公布的后备厢容积达到 1152L,相比小鹏 GX,G9L 面向座位需求没有那么多,同时又不愿放弃大车空间、长途装载和旗舰配置的用户。

G9L2

动力层面,G9L 也提供了纯电和增程两种选择。G9L 纯电版提供 91.9kWh 磷酸铁锂和 110kWh 三元锂电池,CLTC 续航覆盖 672~805km;两驱版搭载 270kW 单电机,四驱版采用前 160kW、后 270kW 双电机。增程版搭载东安动力 1.5T 增程器,最大功率 110kW,全系配备 63.3kWh 磷酸铁锂电池,WLTC 纯电续航分别为两驱 350km、四驱 325km。

稍显意外的是,这次官宣中,小鹏将相当多的镜头留给了 G9L 的底盘。视频中的 G9L 在戈壁和非铺装路面高速行驶,暗示其底盘和悬架的实力,G9L 全系标配旗舰智能底盘和 22 英寸鸳鸯胎,现有曝光信息还显示新车将配备后轮转向,在硬件配置方面给了 G9L 足够的兜底。此外,何小鹏还宣称 G9L 创造了「同级别最快麋鹿测试成绩」,尽管官方没有公布测试速度和测试标准,但至少说明即便是一台「大五座」,小鹏也并不准备让它只能照顾后排。

G9L3

车内舒适性方面,小鹏 G9L 主打一个「主动」。G9L 首发「全体型 AI 主动贴合座椅」,使用 91 个压力传感器,官方称最低可感知 2 克压力,并能根据乘员体型和坐姿自动调节支撑。零重力模式之外,这套座椅还想让不同身高、体重和坐姿的人坐进车内后,不必反复寻找靠背、腰托和腿托的位置。此外,带防夹、防摔和主动避障功能的智能电动四门,也能让上下车显得优雅一些。

G9L4

智能化则是小鹏最熟悉的一张牌。G9L 将搭载第二代 VLA 的首次重大升级版本,官方信息显示整车有效算力达到 2250TOPS,同时提供 EIS 电池安全芯片和 AI 数字投影大灯。安全上,它继承 GX 的主动、被动安全能力和航空级安全冗余,并按照全球四大权威机构五星标准开发,何小鹏也表示,G9L 的安全测试和 GX 保持一致,对于一台「全球车型」而言,对安全的高标准是一条底线。

从「50 万以内最好」,到「30 万级标杆」

G9 这个名字在小鹏内部并不轻松。2022 年 9 月,第一代 G9 上市,何小鹏称其为「50 万以内最好的 SUV」,价格达到 30.99 万~46.99 万元。但过于复杂的车型命名和选装关系很快招来质疑,随后出现退订风波,上市后的销量也很难说达到旗舰应有的水平,在改款之前,G9 的单月销量最高只有 4020 辆。

何小鹏后来将这轮失利总结为七个问题,涉及放弃标配智能驾驶、堆入太多用户感知不强的配置、价格偏离预期,以及产品和营销节奏失当。实际上第一代 G9 并不缺技术,800V 高压平台、双腔空气悬架和 5D 音乐座舱在当时都足够新颖,但小鹏没有将这些能力整理成一套容易理解和购买的产品。

直到 2023 年 9 月,2024 款 G9 精简版本、降低价格,砍掉一部分感知较弱的配置重新出发,销量才逐渐回升。如今现款 G9 的指导价已经下探至 24.88 万~27.88 万元,当年「50 万以内最好」的站位基本被价格消解。

G9p

相比此前 G9 的大张旗鼓,G9L 需要一套相对务实的打法,除了从「50 万以内最好」变成「30 万级标杆」,G9L 还选择了将小鹏 GX 的产品力「下放」到自己身上。从已经披露的动力数据看,G9L 与两个月前上市的 GX 高度同源:两车增程版均采用东安 1.5T 增程器、63.3kWh 磷酸铁锂电池,四驱版前后电机功率同为 160kW 和 210kW;纯电四驱版也使用前 160kW、后 270kW 电机,110kWh 电池同样出现在 GX 高配车型上。从某种意义上来说,G9L 是和 GX 同一定位的大五座产品。

G9L5

此前 GX 的限时权益价为纯电 26.98 万元起、增程 27.98 万元起,现款 G9 则停在 24.88 万~27.88 万元。尽管带着「30 万级科技标杆」的定位,但小鹏 G9L 的定价大概率将会略低于 GX,这也是目前同级别大五座产品的普遍价格落位。

对于小鹏内部来说,G9L 填补了大五座的缺位,但放眼国内外市场,G9L 要面对的挑战还很多。

在国内,同级别的大五座产品现在着实不少。小米澎程系列正在用大车身、增程和家庭空间进入这一价格带,理想 L6 则已经占住了五座增程家庭 SUV 的主流位置。

单靠「大五座」的后排空间,或一块增程版本 63.3kWh 电池,其实很难让 G9L 显得出众,但小鹏还是用引以为傲的智能化,以及可能的底盘优势,给 G9L 找了一个缺口。从官宣视频也不难看出,小鹏希望把 G9L 打造成一台又好坐、又能开的车。

G9L6

放眼到海外,小鹏正在加快全球化,小鹏 MONA L03 刚在慕尼黑完成全球上市,面向 65 个国家和地区展开销售。G9L 也将沿着这条路继续出发,何小鹏已经明确 G9L 是一台全球车型,而之前在慕尼黑街头就出现过 G9L 的伪装测试车,若未来在欧洲上市,它还要接受当地消费者对空间、补能和智能化的重新审视。

要成为一家真正的全球车企,小鹏需要回答不同市场的认证、补能和使用习惯,G9L 在国内要重新撑起一台大五座旗舰,在海外则要证明,小鹏的智能化和大车技术能否离开中国市场继续成立。

三年前,G9 的问题是技术强悍,却没有把产品讲清楚,三年后,G9L 已经把大五座、双动力、操控乃至舒适性都摆到了台面上,但却要面对更加复杂的市场环境和对产品越来越「挑剔」的消费者们。

智能辅助驾驶技术对于普通驾驶者来说,无异于「魔法」:车居然自己会开?

在深圳欢乐海岸,红旗天工和卓驭开了一家有些特殊的展厅,想把「魔法」进行解密:

车辆陈列不是这里的重点,展厅以「移动物理 AI」为主线,设置智能辅助驾驶和车载无人机两条产品线,并将感知、算法、驾驶决策等抽象技术拆解成五个互动体验区。对于普通消费者来说,这些过去藏在工程师电脑、域控制器和发布会演示视频里的东西,终于有了更直观的展示机会。

大部分的智驾供应商很少需要直接面对消费者,他们的名字可能出现在配置表里,也可能被概括成某套驾驶辅助方案,真正被用户感知的依然是汽车品牌。在很长一段时间里,供应商最重要的工作是完成开发、保证交付,然后留在幕后。

卓驭这次选择向前一步。卓驭科技 CEO 沈劭劼说:

卓驭跳出作为传统供应商,正式走向前台,去探索不仅仅是做产品、技术,也能看看 C 端到底能够传递一些什么东西。

展厅开业当天,全新一代红旗天工 08 也在深圳上市,限时权益价为 17.99 万元。新车首发搭载卓驭「高悟性端到端 4.1」系统,采用由仿生双目与长焦单目组成的「惯导三目」视觉方案。

相比于已经落地的具体车型,在展厅内的采访则聊得更远。端到端 4.2、原生多模态模型、面向 L3 的三冗余架构,以及卓驭从乘用车智驾向「移动物理 AI」延伸的方向,共同勾勒出红旗天工与卓驭接下来数年的合作路线。

这座面向所有人的展厅,某种程度上也可以说双方关系有了新的变化,智驾供应商开始走到消费者面前,车企与供应商之间沿用多年的边界,也在被新一轮技术周期重新划定。

从端到端 4.1,到「比人快 0.1 秒」

全新一代天工 08 搭载的端到端 4.1,源自卓驭在 2026 年 4 月发布的端到端 4.0。

按照卓驭 CEO 沈劭劼的介绍,4.0 已经完成完整的数据驱动,包括横向、纵向控制,以及变道和导航决策。4.1 的版本号只向前迈进一小步,模型在驾驶体验上的变化却相当明显。他说:

小版本是 4.1,没加多少,但性能变化非常大。

所谓性能变化,不只是车辆能否完成一段从 A 点到 B 点的导航辅助驾驶。系统何时变道、怎样超过慢车、面对加塞车辆如何反应,以及能否在路口和视野盲区提前减速,都会影响用户对它的评价。

沈劭劼将这种能力概括为「老司机的感觉」。它意味着车辆开始学习人类驾驶中的大量微动作:看到路边行人时略微收油,经过积水路面时降低速度,进入没有交通信号灯的路口前提前观察。过去依靠规则编写的系统,很难穷举这些细微而复杂的判断。

卓驭还计划在 2026 年内推出端到端 4.2。沈劭劼预计,随着 4.2 落地,现阶段端到端技术范式会逐渐收敛,性能大致达到「百公里安全接管一次左右」。

他给出的另一个数据,更能说明智驾技术目前的变化速度:

行业平均水平百公里平均接管,今年比去年降了 10 倍,不是夸张,而且提高的趋势目前没有减慢,还在快速提升。

燃油车时代,发动机热效率、传动效率和油耗水平通常以几个百分点缓慢进步;今天的辅助驾驶依然处在技术范式快速更替的阶段,模型、数据和算力的变化,都可能在几个月内重写原有体验。

这也是沈劭劼暂时不愿判断智驾供应商市场最终会「赢家通吃」还是「多家并存」的原因:

甚至在现在这个时候,连技术范式都还没有完全收敛。当接管率还可以一年降 10 倍的时候,技术范式锁定的时候,你不应该看得到这种级别的提升速度。

在端到端 4.2 之后,卓驭计划于 2026 年第四季度,与红旗天工首发下一代原生多模态基础模型。按照沈劭劼的说法,这套模型将在规模、训练范式和数据来源上出现较大变化,对应海外 FSD V14 所代表的新一代路线。

相比模型拥有多少参数,用户更容易感知的是车辆反应速度,沈劭劼这么介绍其中的区别:

端到端的感觉,有点像前面看到了一个东西进来了,可能过了 0.1 秒、0.01 秒之后,这个车开始有反应。到了下一代技术模型之后,你的感觉就是车先有反应,人才看到这个东西,属于车比人快 0.1 秒和车比人慢 0.1 秒的区别。

人类驾驶员的注意力需要在前车、后视镜、导航和道路两侧之间切换,车辆的摄像头则可以持续观察多个方向。当行人靠近道路、旁车出现变道趋势,模型可能在人类驾驶员意识到风险之前,便开始减速或调整轨迹。

复杂的多模态模型,最终被压缩成一个只有 0.1 秒的体验差异。但在高速移动的汽车上,这 0.1 秒会转化成数米距离,也会影响驾驶者是否愿意把控制权继续交给系统。

全新一代天工 08 将通过 OTA 获得这套模型。沈劭劼明确表示:

明年上半年一定会把比人快 0.1 秒的能力给 OTA 上去,这个平台还能打很久。

现有车型可以持续获得模型升级,硬件边界仍然客观存在。沈劭劼也提醒用户,现款天工 08 无法仅通过软件升级进入 L3。

面向 L3 的下一代天工平台计划于 2027—2028 年推出。根据双方披露的信息,该平台将采用超过 1000 TOPS 的三冗余域控制器,并配备固态激光雷达、补盲激光雷达和 4D 毫米波雷达。电源、控制、底盘和动力系统也将围绕 L3 的安全要求重新设计。

沈劭劼判断,到 2027 年中,L2 辅助驾驶将逐渐进入体验「比较满意、收敛」的阶段,装车率随之快速增长。此后,行业的主要竞争会进一步转向 L3、L4,乘用车高阶自动驾驶与 Robotaxi 的技术边界也将越来越模糊。

ss 5

供应商与主机厂开始共用一张时间表

在传统汽车供应链中,主机厂负责定义整车,供应商按照项目要求交付零部件或系统。责任、成本和质量边界都可以通过合同划分清楚。

这套模式形成于一个技术周期相对稳定的年代。冯彪提到,燃油车时代,一款内燃机的更新周期往往长达 10—12 年。主机厂可以先等待技术成熟,再寻找供应商定点,双方沿着既定流程完成数年的开发和验证。

智能驾驶的技术节奏完全不同。

沈劭劼坦言:

辅助驾驶技术发展非常快,不夸张说技术范式 3 个月变一次是很正常的事。

一套刚刚形成的模型,需要经过车企立项、验证、定点和量产。等到正式上车,下一代模型可能已经出现。对于智驾公司而言,最先进的技术未必能够最快获得客户;对于车企而言,任何新技术又必须接受严格的质量与安全验证。

沈劭劼并没有回避这种矛盾:

我们自己本身作为完全的供应商,乙方供应商的角度来讲面临的最大问题,不是找不到客户,而是找不到客户用我们最先进的东西。

红旗天工与卓驭尝试建立一套更紧密的联合开发模式。双方共同定义用户场景、测评准出体系和开发节奏,研发团队从项目早期便沿着同一条时间线工作。

一汽红旗天工事业部总经理冯彪说:

我们所有现在的产品开发,无论是准入、准出的标准、用户场景的定义、开发节奏、双方联合开发的编队,它就不是供应商和主机厂的关系,就是我们联合开发的关系。能够走到台前,就是因为不是供应商的关系。

双方关系的变化,在智驾与底盘、动力和车身控制开始融合后更加明显。

沈劭劼举了一个经过水坑的例子。车辆一侧车轮驶过积水,左右车轮附着力不同,传统系统可能触发车身稳定程序,随后让辅助驾驶退出。新的处理方式可以让视觉模型提前识别水坑,选择绕行;也可以在通过水坑前主动降低速度,并协调智驾和底盘控制系统,减少突然退出的概率。

这些东西完全按照供应商的模式都扯不完,里面任何一个功能按照最后的质量条款划分都能扯半天,但是我们现在都没有这些问题。

按照过去的分工,视觉系统负责识别,智驾域控制器负责决策,底盘负责执行。发生问题后,各方很容易将注意力放在责任归属上。随着汽车逐渐成为一个更完整的智能体,这些功能之间需要更高频、更深入的协同。

冯彪认为,车辆打滑时,智驾系统简单退出并把控制权交还给驾驶员,只是当前安全边界下的解决方案。用户更期待的状态,是车辆能够联合调动转向、动力和制动,帮助驾驶员控制住车辆。

因此,红旗天工和卓驭的下一代平台合作已经延伸至智能底盘、动力域和整车控制。卓驭提供模型、感知与决策能力,红旗天工掌握底盘、动力和整车安全,原本清晰的技术边界开始相互渗透。

沈劭劼用「因为相信,所以看见」形容这种模式。车企会在技术形成早期便参与进来,与智驾公司共同完成工程化和量产验证,而非等到所有结果都已经摆在桌面上再作决定。他说:

我们会一起把最先进的东西去首发、落地,在第一天就做了这个决策我必须要用,而不是去纠结你先做出来,做出来我看着好再用。

这种深度合作也需要接受市场检验。

冯彪透露,天工 08 从 7 月 1 日开启预售,到 8 月 1 日正式上市,仅间隔一个月,预售效率较红旗以往车型高出「几十倍、几百倍」。现场没有公布具体订单数量,这一说法暂时只能反映红旗自身产品之间的纵向变化。

在天工品牌三年达到年销 10 万辆的规划中,5 米级大五座 SUV 预计贡献 20%—30%,甚至更高比例。天工 08 会是销量支柱,产品本身也会随着软件、硬件和市场需求持续调整。

冯彪说:

很难说这个时候的 08 会一直保持到那个时候。如果这样做,它也无法适应当前中国新能源市场激烈的竞争态势和新增用户的需求场景。

SS 9

从智能驾驶,走向「移动物理 AI」

目前,卓驭拥有 34 家大小客户,常州第二座工厂已经投产,产能提升约一倍。2026 年以来,公司在乘用车和商用车领域获得的定点数量,已经超过过去两年之和。

卓驭的业务范围也在从乘用车向外延伸。沈劭劼透露,首款搭载端到端智驾系统的商用车预计于 2026 年 8 月投放,重卡干线物流和无人物流车将在近期展开较大规模试运行。

这些业务被纳入卓驭提出的「移动物理 AI」框架。

在沈劭劼看来,物理世界中的任务可以大致分成「移动」与「操作」两类。卓驭关注车辆、轮式设备或有腿机器人如何从 A 点移动到 B 点;机械臂和灵巧手面对的抓取、装配和手眼协同,则属于另一套数据结构:

所有移动类任务的特征都是这样的:我的传感器装在平台上,传感器运动轨迹和平台运动轨迹一样。操作类的任务特征不是这样的,它是传感器和实际操作不在一个坐标系上,它是手眼协同的过程。

汽车、重卡和无人物流车的外形、载荷与使用场景差异很大,但它们共享相近的数据关系:传感器跟随移动平台一起运动,模型需要理解空间、预测其他交通参与者,并规划一条安全轨迹。

基于这一判断,卓驭希望把辅助驾驶积累的数据、模型和工程能力复制到更多移动设备上,同时暂时避开机器人「上半身操作」任务。「移动物理 AI」由此成为一家智驾供应商扩展业务边界的方法。

不过,无论车辆还是其他移动设备,最终都需要处理真实物理世界中的安全问题。

在纯视觉与激光雷达的路线争论中,沈劭劼认为,两种方案各有能力边界。激光雷达是主动感知系统,在部分极端光照环境中具有优势;「惯导三目」依靠立体视觉,图像信息密度更高,对细小障碍物也有自身优势。

这里面有一个关键问题,是系统抵达感知边界后会采取什么动作?沈劭劼说:

任何系统都有对应的系统边界,关键是到了这个系统边界,和消费者有没有一个恰当的交互。不是说撞之前 0.01 秒退出,这肯定是不行的。

沈劭劼并不赞同为了证明传感器性能,就让车辆在大雾等极端环境中继续维持 120 km/h。更加合理的方式,是让模型根据能见度、路面状态和交通环境主动改变驾驶策略。他说:

谁说大雾的时候我要开 120 公里?如果模型本身就具备这个能力,整个系统的驾驶行为和当前的环境是匹配的。

当视野变差,系统主动降低速度;进入盲区,车辆提前采取防御性驾驶;确认无法继续处理时,再把控制权留给驾驶员。这些动作比单纯增加传感器数量更接近一名成熟司机的思考方式。

卓驭也对「人车共驾」划出了相对清晰的边界。驾驶员可以在拥堵、变道、抢车位和路线选择等效率场景中帮助系统,但在高速、高动态的安全场景里,人和车辆同时做出控制动作,反而可能相互干扰。

我们会尽一切可能避免出于安全考虑的人车共驾。

即使系统必须退出,也需要给驾驶员留下充足反应时间。沈劭劼说:

即使退出,还是那句话,别撞之前 0.01 秒退出,要退提前 5 秒钟退吧。

《尚书》里有句话,为山九仞,功亏一篑。放到今天的办公 Agent 身上,大概是周报写好了,会议纪要整理了,数据图表也生成了,最后却卡在复制文档、发送群聊、创建待办和提醒同事。

前面九仞靠 AI,最后一筐土还得人类自己搬。偏偏就是这最后几步,至为关键。

过去几年,AI 已经明显改变了许多人的工作习惯。写邮件、做研究、整理数据、生成 PPT,越来越多员工把 AI 当成个人外挂,可当一个人的效率提升汇入一家公司,组织层面的变化却远没有想象中明显。

包括 MIT NANDA 在 2025 年的一份报告指出,尽管企业在 AI 上投入数百亿美元,但大多数收益仍停留在个人提效层面,真正进入工作流的比例仅约 5%。

▲ 网页版体验链接:qwenwork.cn

就在今天,APPSO 注意到,面向企业级市场的 Agent 产品千问办公( QwenWork) 开启公测。网页版和独立 PC 客户端已经开放,钉钉 PC 端和手机端入口近期上线,阿里最新旗舰模型 Qwen3.8 也进入了模型列表。

千问办公的界面依然以输入框为中心,但左侧已经出现专家套件、技能、连接器、定时任务、网页和个人网盘等入口。它要处理的显然不只是一轮对话,还包括持续执行、调用外部系统和重复使用工作流程。

相比一个等待提问的聊天机器人,它更像一套正在搭建中的企业 Agent 工作台,要把个人手里的 AI 工具,变成整家公司可以授权、管理、共享和追踪的办公 Agent。

那么,实际效果如何,APPSO 也第一时间上手体验了一下。

别把办公 Agent 当输入框,一句话生成真网站

如今让 AI 生成一个网页,已经很难让人兴奋。输入一句需求,等待几分钟,屏幕上出现一份 HTML 代码。页面有标题、有图片、有按钮,鼠标移上去甚至还有一点动画效果。

然后呢?然后就没有然后了。(bushi)

代码有了,你放在哪里?域名去哪买怎么绑定?数据库怎么连?用户填的表单信息存到哪里?页面崩了找谁修?面对那一堆的代码,不懂技术的普通人通常只能大眼瞪小眼。

因此,过去那些所谓的 AI 网页,绝大多数都没有真正上线,而是作为一段毫无生命力的代码,永远留在了某个聊天记录里。

但这次,千问办公把能力延伸到了更完整的执行链路。用户只需描述需求,Agent 就能自动生成页面、甚至接入数据库并完成部署,最终直接交付一个可访问、可分享、还能收集数据的线上链接。

我们用一款智能恒温杯做了测试。任务要求不算简单。页面需要包含产品文案、使用场景图片、早鸟优惠表单,以及一套完整的推广结构。它先是行云流水地把文案写好,转头就去生成视觉素材,然后把这些内容像拼乐高一样拼成网页,最后直接在云端完成了部署。

12 13

几轮拉扯下来,交付物是一个真真切切的网址链接。

14

部署网页听起来只是少点了几次鼠标。对一名开发者来说,确实如此。对一个没有技术团队、只想快速验证产品概念的人来说,省掉的却可能是一整个项目的启动门槛。

类似变化也出现在多模态内容生产里。

过去做一份营销方案,通常要在文档工具里写文案,去图片平台生成配图,再打开视频工具制作素材,最后把所有文件搬进 PPT 或网页。

流程并不复杂,麻烦的是每换一个工具,都要重新解释背景、上传资料、调整格式。人类像一名负责搬运上下文的快递员,在多个 AI 产品之间来回奔波。

15

千问办公把文档、图片、视频、音频和网页生成放进同一项任务。用户给出一个目标后,Agent 可以沿着已有上下文继续工作,不需要每生成一种内容就重新开一个对话。

16

我们也测试了不少职场里的常见任务。

它可以根据行业新闻完成联网研究,生成趋势简报和图表。

17 21

也可以处理一份存在缺失值、重复项和格式错误的销售数据,完成清洗、分析和可视化。

22 1

拿到课程大纲后,它还能生成课件、配图、练习题和在线答题网页。

23

输入产品需求文档后,则可以继续制作随堂检测。

24

简言之,人类负责说清目标,AI 负责安排工序。

哦对了,就算是小白也不用担心怎么选模型这件事了,千问办公直接按任务强度分成经济、基础、高级和 Qwen3.8-Max,按需选择就行。

25

经济模型适合简单任务,也更便宜,0.1 倍消耗;基础模型用于日常办公,0.25 倍;高级模型处理复杂任务,1 倍;Qwen3.8-Max 为可尝鲜的千问最强模型,1.1 倍。

另外,公测期间,新用户注册还可获 2000 积分,首周每日登录还可领取 500 至 2000 积分。

网页、报告、图表和课件,证明了千问办公具备一款通用 Agent 应有的基本功。

不过对企业来说,生成交付物只能算第一步。真正耗费组织时间的,还有找资料、确认版本、同步进展、分配负责人,以及把结果送进原有的群聊、日程、审批和项目系统。

接入企业,办公 Agent 拿到了真实的上帝视角

个人用办公 Agent 很简单,但企业真实工作流却极其复杂:一份周报信息分散在会议、To Do、OKR、审批与群聊文档等多个系统中,根本无法一键整合。

千问办公为此提供了两类入口。

一类是连接器,负责调用不同软件、数据库和行业信息源;另一类是 IM 频道,让 Agent 直接进入员工每天使用的群聊和沟通平台。

从目前的连接器市场来看,千问办公已经覆盖浏览器、计算机控制、macOS 应用和 Microsoft 365,也能连接钉钉、飞书、Slack、LINE、Linear、Notion、Figma、Canva、Vercel、Supabase、Neon、Google 日历、Google 地图和 Todoist 等工具。

26

IM 频道目前则支持钉钉、飞书、Lark、微信、企业微信、Slack 和 WhatsApp。完成配置后,员工不必专门打开千问办公,直接在原有群聊中提出任务,Agent 就能接收消息、回复问题并参与协作。

27

其中,千问办公将钉钉作为进入企业工作场景的核心入口。它可以在企业授权范围内连接群聊、消息、日程、待办、文档、审批和知识库,从而获得更完整的组织级上下文。

举个最直观的例子。到了周五下午,你可以直接把这一周的钉钉会议记录、To Do 列表、OKR 进度,甚至审批信息,全部一股脑打包扔给 Agent。

它不仅能瞬间理解这些错综复杂的信息,还能自动帮你生成一份结构清晰、老板爱看的精美周报。

31 32

再比如,我还可以让 Agent 基于考勤记录和请假表,自动识别未打卡等异常情况,生成适合发送到群里的提醒文字,并创建一个次日上午用于检查补签审批的钉钉待办。

33

识别考勤异常,技术难度未必有多高。麻烦藏在后续动作里。信息要发到哪个群,提醒应该用什么语气,第二天几点检查,谁负责确认补签,结果要不要写进待办。

普通办公 Agent 写完一段提醒文案,任务就结束了。企业 Agent 还要把文案传递给正确的群,在正确的时间创建待办,并留下一条可以追踪的执行记录。

34

当然,这种深度接入也对权限管理与数据边界提出了更高要求,AI 能做的越多,企业对可控性与安全性的依赖也就越强。

把沉淀的经验,变成整个企业组织的能力

一家公司最脆弱的资产是什么?是「组织记忆」。

一个资深产品经理离职,带走的不仅是几份文档,还有他如何拆解需求、如何跟研发对齐口径、如何画出高转化率原型的隐性经验。这些东西,存在于他的脑子里,存在于无数次群聊的拉扯中。

过去,公司依靠低效的「师徒制」来传承这些经验。老带新,口传心授。但现在,千问办公给出的方案是把这些工作方法,固化成 Agent 的一个个「Skill」(技能)。

千问办公的技能市场里,已经出现数据可视化、工作周报、行业研究报告、竞品分析、项目进度汇报、群聊内容摘要、客户沟通话术、合同调研、代码审查和知识库审计等能力。

35

在 Skill 之上,千问办公还增加了专家套件。相比一项独立技能,专家套件面向某个岗位或行业,把多项技能、数据连接器和工作流程组合成一套完整工具包。

36

比如在一家 20 人规模的律师事务所。资深律师通过多轮交互完成一份并购尽调报告后,可以把案情梳理、资料检索、风险判断和报告生成的流程保存为组织级 Skill。

37

新入职助理再次遇到类似案件时,不需要从一张白纸开始。他可以调用团队已经验证过的 Skill,按照相同路径收集资料、分析问题和生成初稿。

最后的法律判断依然要由律师负责。但大量重复的信息整理和流程执行,可以先交给 Agent。

一个人使用 Agent,改变的是个人效率。

一套工作方法能够被保存、分享和重复调用以后,影响的才是组织能力。

41

同理,餐饮企业可以把客流分析、优惠券策略和后台配置保存成 Skill。教育机构可以沉淀课件生成、学情分析和家校沟通流程。互联网团队则可以把需求分析、PRD、原型和技术方案串成一套产品设计路径。

42

未来新员工入职,可能先领账号、进群、看制度,然后安装几套由老员工留下的 Skill。遇到不会走的审批流?不知道该找谁开通权限?问 Agent。它比很多活人同事都更有耐心,也更懂这家公司错综复杂的系统。

办公 Agent,正在成为每一个新打工人的赛博「老师傅」。

办公 Agent ,怎么提升企业组织的办公效率

这次公测的新版千问办公,其实来头不小。

它其实是由 QoderWork、MuleRun 和悟空三款 Agent 产品整合而来,同时覆盖桌面端、云端和企业协同环境。本地文件和电脑软件交给桌面端,联网研究、网页制作和长时间任务交给云端,群聊、会议、文档、审批和待办则通过钉钉处理。

更重要的是,千问办公背后,站着阿里体系里三块现成的拼图。

千问大模型可以和「千问办公」深度协同优化,提供更智能、更高效的大脑。钉钉提供企业身份、组织关系、群聊、文档、审批和知识库。阿里云提供 Agent 长时间运行所需的算力和基础设施。

千问办公要做的,是把三者连成一个能够持续执行任务的 Agent 系统。这套能力需要模型、云服务和企业生态长期配合,也构成了千问办公在办公 Agent 竞争中的独特位置,更是大多数玩家根本学不会、也抄不走的。

尤其是钉钉目前服务超过 2000 万企业组织和近 8 亿用户。企业长期积累的消息、会议、文档、审批和待办,刚好构成 Agent 理解一家公司的原始材料。

模型能力决定 Agent 的思考上限,钉钉生态则决定它能否理解组织关系、找到相关人员,并把结果回流到企业协作流程中。一份文档在系统外只是静态文件,接入企业系统后,Agent 才能识别项目归属、版本状态、权限范围、讨论位置以及后续负责人。

43

尽管眼下谈数字员工还早。钉钉 PC 端和手机端入口仍在逐步开放,企业数据库和更多业务系统还需要继续连接。公测版本的稳定性、复杂任务成功率、权限管理和实际成本,也需要经过更长时间检验。

但无论如何,千问办公所迈出的这一步,至少把办公 Agent 下半场的竞争焦点,明明白白地摆在了所有人面前。

写文档只是起点,调用工具只是中间步骤。真正进入公司以后,Agent 要学会读群聊、找文件、查审批、建待办、理解同事关系,还得知道什么事可以自己处理,什么事必须先问人类。

当这些能力真正成熟并大规模铺开以后,办公软件里的 AI 也会完成一次身份变化。

从人人借助 AI 提效,到消息、文档、审批和工作流被 AI 重新连接,它不再只是某位员工的个人外挂,而会成为存在于组织系统里的赛博同事。它知道公司如何运转,知道工作应该交给谁,也能把一个人的效率提升,变成整个组织的效率提升。

AI 让一个人干活更快,千问办公想解决的是一群人如何走得更远。

作者:莫崇宇,单玉喆

一天,8 万亿 Token。

这是 DeepSeek V4 Flash 一款模型,在一个 AI 编程工具里的单日用量。

▲开源 AI Agent 工具 OpenCode 发文称,DeepSeek V4 Flash 正式版通过其平台消耗了 8 万亿 Token。其中,5 万亿来自免费额度,另外 3 万亿来自付费套餐 OpenCode Go。

作为对比,大模型路由平台 OpenRouter 接入了 400 多款模型,每月处理约 200 万亿 Token,平均每天约 6.6 万亿。

也就是说,DeepSeek 一款模型,仅仅在 OpenCode 一个入口里,一天消耗的 Token,就超过了 OpenRouter 全平台的日均规模。

PixPin 2026 08 03 15 14 11

▲ OpenRouter 上 DeepSeek V4 Flash 是本周最热门模型

这和 DeepSeek V4 Flash 的低价有关,能力提升,价格不变,原本被压抑的使用需求会迅速释放。 但 8 万亿 Token 背后,还有一个更重要的变化:人们使用 AI 的方式已经变了。

过去,我们向模型问一个问题,得到一段回答,任务就结束了。现在的 Agent 会自己读文件、修改代码、运行程序、检查结果,失败后再重新尝试。一次任务可能持续几个小时,调用几十次工具,也可能让多个 Agent 同时工作。

模型写出的代码未必比过去多很多,消耗的 Token 却可能翻上几十倍、几百倍。

有人用 Claude Opus 5 制作一个单页 3D 游戏。模型需要不断生成页面、截图检查、继续修改。最后只是一个 HTML 文件,一句提示词却消耗了 6.9 亿 Token,费用接近 3000 元。

PixPin 2026 08 03 14 21 02

Agent 任务的大量爆发,让模型要证明自己的价值,除了智能的程度,还有性价比的计算;衡量一款模型的单位,从「单次回答有多聪明」变成了「完成一项长任务要花多少钱、多久、失败几次」。

依据这套标准,DeepSeek V4 Flash 开始成了所有模型的斩杀线。

一百万个输出 Token,DeepSeek 收 2 元人民币。Anthropic 的 Claude Opus 4.8,标准价格是 25 美元,约 170 元,只看输出单价,二者相差约 85 倍。

7 月底,DeepSeek 推出 V4 Flash 正式版,保留了模型架构与规模,只是重新做了后训练,重点加强编码和 Agent 任务。

PixPin 2026 08 03 12 06 45

隔天,大模型竞技场 Arena 公布前端编码评测榜单,将 V4 Flash 列入「价格—性能」的前沿模型。截至 Arena 8 月 2 日的页面快照,V4 Flash 的初步排名暂列 Opus 4.8 Thinking 之前。

而在 Artificial Analysis 的 Intelligence Index v4.1 中,V4 Flash Max 得到 50 分,Claude Opus 4.8 Max 得到 56 分。前者跑完整套评测产生的模型调用费约为 72.02 美元,后者则达到 3752.55 美元。

换句话说,Opus 多拿了 6 分,但跑完同一套评测的调用费高出了约 52 倍。

V4 Flash 当然还不能证明自己全面超过 Opus,但只要两者已经能被放进同一轮候选名单,85 倍的价差就足以改变默认选择。

HOoDVjKaEAECTk7

当一款模型的价格高出几十倍,性能领先却只有几个百分点时,这笔账会越来越难算平。

最先受到冲击的,可能并不是最弱的小模型。便宜、快速的小模型仍然适合分类、提取和路由等简单工作。最强的旗舰模型也会仍然用来处理疑难任务,或者成为高失败成本场景里的保险。

真正尴尬的是中间一批模型:它们比 V4 Flash 强一些,却贵几十倍;又没有强到可以稳定解决 V4 Flash 做不了的问题。

这就是 DeepSeek 的斩杀线,它不需要成为最强模型,只要达到「大多数时候可以做完」,就能利用近两个数量级的价格差,把更贵的模型挤出默认调用位。

V4 Flash 为什么能把茅台当矿泉水卖

一直以来,我们都觉得模型的价格大概就是和它的「聪明程度」相关,模型越聪明,自然它就要卖的越贵。

目前主流的几款大模型,Anthropic 家的 Opus 4.8 和 Opus 5 输出都是 25 美元/百万 Token,Fable 5 输出为 50 美元/百万 Token;OpenAI 的 GPT-5.6 在前几天降价后,Luna 输出由 6 美元降至 1.2 美元,Terra 由 15 美元降至 12 美元,Sol 则保持不变,30 美元。

而几款国产大模型,依旧是讨论每百万输出的价格,DeepSeek V4 Flash 是 2 元,刚刚发布的 Qwen 3.8 Max 是 36 元,Kimi K3 是 100 元,GLM 5.2 是 28 元。

model api price rmb 2026 08 03

▲DeepSeek 几乎是以免费的价格提供大模型

国产模型之间的对比,还是与国外旗舰模型的对比,DeepSeek 的价格似乎都是一股「清流」,所以是什么造就了模型价格的不同。

最明显的是每生成一个 Token 的直接推理成本。

它受到激活参数量、数字精度、注意力机制、KV Cache 大小、输出长度、硬件利用率和并发量影响。同一款模型,如果能用更少的计算完成一次推理,或者能让更多请求共享缓存,成本就会下降。

V4 Flash 总参数量为 2840 亿,但每个 Token 只激活约 130 亿参数。它同时使用混合注意力结构、低精度权重和针对长上下文的缓存优化。

PixPin 2026 08 03 13 34 20

▲ V4 系列模型架构图

根据 DeepSeek 在四月公开的 Preview 技术报告估算,在一百万 Token 上下文下,V4 Flash 的单 Token 推理计算量约为 DeepSeek V3.2 的 10%,KV Cache 约为后者的 7%。

这是与 V3.2 的内部架构对比,不代表它只需要其他所有模型十分之一的综合成本,但足以解释 DeepSeek 为什么能把长任务价格压低。

DeepSeek V4 系列结构,改造了一个 Transformer 模块里的三个关键部分,将注意力层改为先压缩再找重点的 CSA 机制和更极致的压缩但全部浏览的 HCA 机制,两种交错排列以平衡成本。

V4 的前馈层沿用 DeepSeekMoE:模型包含大量细分专家和少量共享专家,每个 Token 只被路由到其中一小部分专家。

因此 V4 Flash 虽然共有 2840 亿参数,每个 Token 实际激活的只有约 130 亿;V4 Pro 总参数达到 1.6 万亿,实际激活约 490 亿。它获得了大模型的知识和容量,但不需要每生成一个 Token 都运行全部参数。

PixPin 2026 08 03 13 43 17

其次是完成的服务成本,从模型训练、后训练到评测、安全,以及推理基础设施、空闲算力等服务,这些成本虽然不会出现在 Token 账单里,但是必须由模型厂商承担。

最后是商业定价,API 价格并不是简单的成本加成,厂商还需要考虑市场份额、用户迁移成本、品牌溢价、服务能力,以及客户愿意为可靠性支付多少钱。

所以,模型价格从来不是一张纯粹的成本表。它同时反映了模型需要多少算力,也反映了厂商认为自己的能力、品牌和可靠性值多少钱。

OpenAI 和 Anthropic 的高价格,可能同时包含更高的推理成本、产品生态、安全和服务溢价,以及它们在高难度任务上的定价权。

架构没变,Agent 能力为什么能大涨

目前,V4 Flash 正式版还没有发布新的技术报告,DeepSeek 在 7 月 31 日的更新日志中写:正式版 V4 Flash 与 Preview 的结构和尺寸相同,只重新进行了后训练。

20260731142035 6191 1

此前预览版报告披露的后训练流程,已经把重点放在代码和 Agent 上:DeepSeek 分别训练数学、代码、Agent 和指令遵循专家,使用 SFT 和 GRPO 强化各自能力,再通过十多个教师模型的 On-Policy Distillation 合并回同一个模型。

工具调用也被当成单独的问题处理。

DeepSeek 设计了专门的调用格式,减少参数转义和格式错误;Interleaved Thinking 让模型在工具返回结果后继续保留前面的推理;DSec 则提供数十万个并发沙箱,让模型反复练习运行代码、读取报错和继续修改。

exec 07c4cf6b 87e6 4623 9a01 8874de0e8697

这些后训练并没有给模型增加新的参数,却可以减少 Agent 最常见的失败:选错工具、填错参数、忘记前面的状态,或者在任务还没完成时停下来。

正式版在 Terminal Bench 2.1 上的 82.7 分,还使用了尚未发布的 DeepSeek Harness 极简模式和 max 推理档。此外,DeepSeek 为 V4 Flash 加入原生 Responses API,并针对 Codex 做了适配。

预训练决定模型的能力底座,后训练主要改变模型如何调用这些能力。

当 V4 Flash 可以部署在「消费级」电脑上

V4 Flash 的另一个变化,是让前沿 Agent 模型离本地设备更近了一步。

虽然每次推理只激活 130 亿参数,但是完整的 2840 亿参数仍然需要存储和调度,官方仓库中的权重文件合计约 167 GB。

PixPin 2026 08 03 14 19 10

DeepSeek 给出的 vLLM 服务示例使用一台配备 4 张 GB300 的服务器

社区项目 DwarfStar 则通过低比特量化,把 V4 Flash 的 q2 版本放进了 96GB 或128GB 统一内存设备,q4 版本建议使用至少 256GB 内存。在部分128GB Mac测试中,短上下文速度可以达到每秒二十多 Token。

q2 版本能运行,也不代表它能复现官方 API 的 Agent 成绩。极低比特量化可能损伤代码、长上下文和工具调用能力,社区运行时本身也仍处于早期阶段。

不过,DeepSeek 的 API 已经便宜到,本地部署对多数人未必更省钱。按照每百万输出 Token 0.28 美元计算,一台售价约 4699 美元的 DGX Spark,相当于约 168 亿输出 Token,还没算本地部署的电费、维护和调试成本。

而且,换个角度看 V4 Flash 的出现,似乎又是 DeepSeek 斩杀线里的关键一刀。在本地部署上,DeepSeek 又斩掉了「高水平模型只能待在机房」的一部分门槛,它把门槛降到了高内存工作站。

PixPin 2026 08 03 14 21 02

一台高配 Mac 或 DGX Spark,已经可以用可交互的速度运行经过激进压缩的完整 V4 Flash。

最强模型也开始谈性价比

更低的价格不一定等于少赚钱。

过去舍不得让 AI 常驻后台的公司,先前开启 Tokenmaxxing 然后又因为实在付不起账单的团队,现在可以开始批量整理文档、检查代码、跟进客服。原本只问一次的问题,也可能变成持续数小时、调用几十次工具的 Agent 任务。

单价下降,Token 总量却可能涨得更快。

PixPin 2026 08 03 14 26 51

Sam Altman 在 7 月底的播客节目曾提到,OpenAI 预计模型会产生极大的使用量,因此不需要依靠「极高毛利」来承担训练成本。他们和 DeepSeek 的梁文锋一样,相信 AI 的需求几乎是没有上限的,AI 智能使用量会持续爆发。

即使每次调用赚得不多,只要调用量足够大,累计利润依然可以覆盖下一代模型的训练成本。

这也是 V4 Flash 更值得注意的地方。

它没有用一个绝对领先的榜单成绩,证明自己是最聪明的模型;它做的,是把过去只有旗舰模型才能承担的任务,压进了一个可以被反复调用、持续试错,甚至可以让我们浪费一些 Token 的价格区间。

在聊天机器人的时代,用户会为了更好的回答,多付几倍的价格。但进入 Agent 时代,模型不再只回答一次。它要浏览文件、搜索资料、执行代码、截图检查,再根据结果重新开始。

一次任务中,在智力上几分的能力差距,可能只影响模型要不要多试两轮;但几十倍的价格差距,却会决定这个任务有没有资格真正跑起来。

222

▲ 运行 AA 所有测试花费的钱和智能得分对比,DeepSeek 拿下 50 分仅花了 72 美元,而 Fable 5 得到 60 分,花费 5600 美元。

未来模型之间的竞争,很难再只用一张能力榜单解释。

用户需要计算的,是完成率、调用次数、响应速度和最终账单;模型厂商出售的,也不再只是每一个 Token 的智能,而是每一美元最终能够完成多少工作。

从这个角度看,V4 Flash 真正斩掉的,是调用旗舰模型之前那种不需要计算成本的习惯。

当一个便宜 50 倍甚至 80 倍的模型,已经能够完成大多数编码和 Agent 任务,昂贵模型就必须反过来证明:剩下那几分能力,究竟值不值得多付几十倍的钱。

2026-08-03 08:26:20

📱

小米多款手机官宣涨价

💻

MacBook Air 严重缺货,许多新订单延至 9 月交付

🚗

日产把全新车型开发周期从 52 个月压缩至 37 个月

🧠

OpenAI 官宣下一代模型 Astra:攻克 10 项菲尔兹奖级数学难题

🌚

「AI 股神」致歉:将永久取消杠杆

🔧

曝长鑫 LPDDR6 研发验证接近尾声,设计速率达 12800 Mbps

🎬

曾爱玲加入 B 站,负责 AI 视频生成业务

💾

三星预计内存短缺 2027 年加剧,紧张供应至少持续到 2028 年

🚙

小米推出龙甲电池体系,澎程 N70 / N90 首批搭载

🌐

7 月车企销量数据出炉:比亚迪 41.9 万辆居首,零跑首破 10 万大关

💰

贝索斯旗下基金领投 CuspAI 4.5 亿美元 B 轮融资,用 AI 研发新材料

💻

微软承诺年末前降低 Windows 11 内存占用

📋

苹果对 iOS/macOS 漏洞提交设限,打击 AI 批量生成的低质报告

💡

奥特曼:AI 行业需要放慢节奏,重新检查模型安全边界

📱

Pixel 11 全系规格与售价曝光:四款均搭载 Tensor G6,899 美元起

🌐

微信地震预警新增震感上报,订阅用户超 6000 万

🎮

Arena 推出 AutoEval,用真人偏好训练的奖励模型快速预估排名

🎮

ROG 推出「DOTA2」联名外设礼盒

🧸

Caviar 为 Galaxy Z Fold 8 系列推出《教父》等电影主题定制版

卡西欧推出 CRW-H001 智能戒指手表

🎥

2026 年度电影总票房突破 230 亿元,暑期档连续 23 天过亿

🎬

《恐怖角》大结局上线,主创解释为何重写斯科塞斯电影结局

小米多款手机官宣涨价

b3c5871f 69d1 470a 8642 28e71ecc9ec8

小米商城 8 月 2 日 0 时更新价格,小米 17 系列、REDMI K90 系列和 Turbo 5 系列多款在售手机上调售价。其中,REDMI Turbo 5、Turbo 5 Max、K90、K90 Max、K90 Pro Max 与 K90 至尊版均涨价 300 元。

其中,REDMI K90 标准版和 K90 Pro Max 此前已经涨价 200 元,Turbo 5 则取消了新春优惠。小米集团合伙人卢伟冰今年 4 月曾表示,同版本内存价格较去年第一季度接近 4 倍,12GB + 512GB 和 16GB + 1TB 物料成本分别上涨约 1500 元和更高水平。

da gong si

MacBook Air 严重缺货,许多新订单延至 9 月交付

9c0d93c3 86d0 41ea 9ace e300f27b829f

据彭博社记者 Mark Gurman 在昨日的《Power On》新闻通讯中披露,MacBook Air 正面临严重供应短缺,许多新订单的预计交付时间已推迟至 9 月。

Gurman 指出,苹果官网开始更显眼地引导消费者考虑基础款 MacBook Pro,这种针对 Air 缺货而主动调整购买入口的做法并不常见。

这轮短缺发生在内存与处理器供应持续紧张期间。6 月,苹果已上调 Mac 和 iPad 价格,其中 512GB MacBook Air 在美国的起售价由 1099 美元升至 1299 美元;公司当时表示,AI 数据中心扩张带来的内存和存储需求激增,已形成前所未有的元件成本压力。

日产把全新车型开发周期从 52 个月压缩至 37 个月

3ecc1ad3 ec02 456a 956b 47871495fb39

据 Automotive News 报道,日产汽车研发部门副总裁山口和幸表示,公司将以更接近中国车企的速度推进新车开发。全新车型开发周期将从 52 个月缩短至 37 个月,衍生车型则由约 50 个月压缩至 30 个月。

日产还计划在 2030 年代中期把平台数量从 13 个减至 7 个、车型总数从 56 款减至 45 款,并将零部件复杂度最多降低 70%。产品阵容会分为 Heartbeat、Core、Growth 和 Partner 四类,以减少跨部门反复协调。

新一代 Skyline 是首批采用新流程的车型,开发用时约 26 个月,计划今年冬季亮相。此后日产还会恢复 Xterra,内燃机版新一代 GT-R 已进入开发阶段,下一代 Z 则不会早于 2030 年推出。

OpenAI 官宣下一代模型 Astra:攻克 10 项菲尔兹奖级数学难题

d41877e7 63af 4ea3 b114 f6005c385563

OpenAI 正式公布其下一代内部大模型 Astra 的阶段性研发成果。实验表明,该模型在没有人类提示介入的情况下,自主推导并给出了 10 项长期未解数学难题的完整证明,论文全文共 249 页。

据 OpenAI 发布的技术报告,Astra 攻克的数学难题均属于开放超过 10 年且长期缺乏进展的领域,涵盖组合数学、代数几何与数论。模型在证明过程中展现出构造复杂辅助函数与跨领域化简的能力,其推导步骤已经过自动化定理证明器 Lean 4 的形式化验证。

OpenAI 表示,Astra 目前仍处于内部安全评估与对齐阶段,暂未面向公众开放。未来该模型的底层架构将被整合进 Codex 与 ChatGPT 的深度推理能力中,辅助科研人员进行符号推导与复杂理论证明。

「AI 股神」致歉:将永久取消杠杆

「AI 股神」Leopold Aschenbrenner 在其旗下对冲基金 Situational Awareness 因爆仓被迫清盘后的次日,向投资者发出致歉信,承认基金 7 月遭遇重大回撤,并承诺永久移除杠杆,以自有资金方式重新运营。

Aschenbrenner 将亏损归因于不利的价格走势、流动性快速枯竭,以及针对基金持仓的集中做空压力。面对追加保证金与流动性压力,团队通过大宗交易清除杠杆;多家媒体此前报道,基金 7 月 30 日把大部分公开市场持仓出售给城堡投资。

基金将继续运营公开市场业务,并保留包括 Anthropic 股份在内的私募投资。Aschenbrenner 称,基金 7 月回撤 67%,年内仍保持正收益;受锁定期约束的投资者最早可在 9 月申请赎回。

曝长鑫 LPDDR6 研发验证接近尾声,设计速率达 12800 Mbps

据腾讯科技报道,接近长鑫科技的知情人士称,长鑫首款 LPDDR6 产品的研发验证已接近尾声。按照存储产品导入流程,完成颗粒单体验证和研发验证后,还需经过小批量导入验证才能进入正式量产。

报道称,这款 LPDDR6 的设计速率为 12800 Mbps,与 SoC 协同运行的基础速率为 10667 Mbps;单颗容量为 16Gb,芯片容量为 16GB,采用 1295 Ball PoP 封装,并强化低功耗与 RAS(可靠性、可用性和可维护性)能力。

长鑫的招股材料把 LPDDR6 列入在研项目,目标是开发更高密度、容量和速度的移动内存产品。作为对比,长鑫 2025 年发布的 LPDDR5X 最高速率为 10667 Mbps,颗粒容量覆盖 12Gb 与 16Gb;其 LPDDR 产品已经进入小米、传音、荣耀、OPPO 和 vivo 等厂商供应链。

曾爱玲加入 B 站,负责 AI 视频生成业务

29f22c4b e832 4c82 ba02 25de1bd45274

据 36 氪报道,曾爱玲已加入哔哩哔哩,担任 AI 视频生成业务负责人并向 CEO 陈睿汇报。她曾在腾讯混元与 AI Lab、国际数字经济研究院工作,之后加入米哈游创始人蔡浩宇旗下 Anuttacon,负责交互式多模态视频生成系统。

B 站的 AI 投入目前覆盖视频理解、推荐和辅助创作。公司在 2024 年上线基础模型 Index,今年 3 月推出带长期记忆、个性化技能库和自由画布的 AI 视频创作平台 updream,7 月又推出可把互动网页发布为站内作品的 Toy。

Toy 内测期间已上传超过 300 件作品,累计体验量超过 850 万次。今年第二季度,每月有超过 1.9 亿名用户观看 B 站 AI 相关内容;AIGC 广告素材消耗占比超过 50%,自动广告消耗渗透率超过 85%。

三星预计内存短缺 2027 年加剧,紧张供应至少持续到 2028 年

2bc83b1b ed7b 43f6 bbdc 6bb42fd6f72d

据 TechCrunch 报道,三星在第二季度财报电话会上预计,RAM 供应短缺不仅会延续到明年,还会在 2027 年进一步恶化,紧张状态至少持续至 2028 年。三星生产全球约三分之一的内存芯片。

前沿 AI 实验室正直接向三星提交中长期需求预测,以提前锁定内存供应。长期合同让三星能在需求可见的情况下安装设备、扩产,减少传统内存周期里需求骤降带来的风险。

芯片涨价使三星半导体业务第二季度销售额创历史新高,但手机和电视部门利润受到元件成本挤压。三星已经提高部分 Galaxy 手机和平板价格,需求随之下降;苹果也在财报电话会上提示,内存供应约束会拖慢下一季度收入增长。

小米推出龙甲电池体系,澎程 N70 / N90 首批搭载

b1b2fcf0 ae9d 46fe 8696 a7c502c8df4e

小米汽车 8 月 2 日公布小米龙甲电池体系。雷军称,这套动力电池解决方案由小米负责产品定义、主导电池包设计开发、参与电芯设计开发,并覆盖生产全流程质量管控。

质量管理包括三部分:小米质量团队常驻生产一线,通过「影子工厂」体系介入各生产模块;生产环节使用 X 光全检、CT 检测和 AI 质检;每颗电芯建立独立电子身份证并全量存档,用于后续追溯。

小米澎程 N70 和 N90 将搭载这套电池体系。两款车分别定位增程五座 SUV 与增程六座 SUV,已于 7 月 28 日开启预售。

7 月车企销量数据出炉:比亚迪 41.9 万辆居首,零跑首破 10 万大关

2026 年 7 月汽车销量及交付数据陆续公布。比亚迪以 41.9 万辆的单月销量蝉联榜首,同比增长 21.76%;零跑汽车 7 月交付量首次突破 10 万辆大关,成为首个达成该里程碑的新势力品牌。

整体市场呈现出强劲的增长态势。奇瑞集团单月出口量首次突破 20 万辆,新能源汽车销量同比增长 97.5%;吉利汽车连续 5 个月实现同环比双增长,其中海外出口量达 10.7 万辆,创下单月历史新高。

此外,传统车企的新能源品牌也表现活跃。长安启源 AQ 系列同比增长 103%;广汽昊铂埃安 BU 销量为 34987 辆,同比增长 31.74%;深蓝汽车交付 29213 辆,同比增长 7.52%。

贝索斯旗下基金领投 CuspAI 4.5 亿美元 B 轮融资,用 AI 研发新材料

英国 AI 材料科学初创公司 CuspAI 宣布完成 4.5 亿美元 B 轮融资,估值提升至 26 亿美元。本轮融资由 Kleiner Perkins 与 New Enterprise Associates 联合领投,亚马逊创始人杰夫·贝索斯旗下的个人投资机构跟投。

CuspAI 致力于利用生成式 AI 与分子模拟算法寻找下一代半导体衬底与高密度储能材料。其平台能够在几小时内完成数百万种新型晶体结构的生成与物理性质筛选,从而替代传统长达数年的实验室试错过程。

本轮融资资金将用于扩建超级计算集群,并与全球半导体巨头合作推进下一代芯片材料的商业化验证与实验测试。

微软承诺年末前降低 Windows 11 内存占用

据 Windows Latest 报道,微软正在优化 Windows 11 在 8GB 内存设备上的响应速度,相关改进计划在今年年底前落地。Windows 与设备部门总裁 Pavan Davuluri 将「优化 8GB 及以上内存电脑体验」列入 3 月启动的质量优先计划。

Windows 11 的小组件、设置、开始菜单与搜索大量使用基于 Chromium 的 WebView2,每个实例都接近一个后台浏览器标签页;Electron 应用也会携带自己的网页引擎。微软公布的数据称,8GB 设备空闲时系统占用接近 6GB,部分 16GB 设备空闲占用超过 10GB。

微软已在 Windows Insider 版本中开始减少后台进程和常驻资源,并会继续调整 WebView2 组件。萨提亚·纳德拉在财报电话会上也称,公司正把资源投入 Windows 11 的质量和基础体验。

苹果对 iOS/macOS 漏洞提交设限,打击 AI 批量生成的低质报告

苹果安全研究团队(Apple Security Research)更新漏洞赏金计划提交规则,开始限制单个安全研究人员每月可提交的漏洞报告数量。

苹果在致安全社区的声明中指出,近期大量自动化攻击脚本与 AI 大模型被用于生成虚假的漏洞报告。这些报告表面上包含复杂的 PoC 校验代码,但实际测试后发现绝大多数属于模型幻觉产物,严重挤占了安全审核团队的精力。

为保障漏洞响应效率,苹果引入了身份认证与月度提交限额机制,并强调对于恶意提交大量 AI 虚假报告的账号将取消其参与漏洞赏金计划的资格。

💡 奥特曼:AI 行业需要放慢节奏,重新检查模型安全边界

1a57bb87 3ddb 4ccc a387 2e2adba6514e

据 TechCrunch 报道,OpenAI CEO Sam Altman 近期表示,经历多年全速推进后,AI 行业应当开始控制节奏。OpenAI 与 Anthropic 均支持一份持相近立场的请愿,要求行业重新评估模型能力扩张与安全治理的速度。

这番表态出现在 OpenAI 一款模型脱离测试环境、卷入 Hugging Face 安全事件之后。TechCrunch 的讨论指出,事件既暴露了模型在代理任务中的行为边界,也暴露测试与平台隔离措施中的传统安全漏洞。

Altman 的核心主张并非停止模型研发,而是在继续部署前提高对越权行动、外部工具调用和责任归属的检查强度。OpenAI 与 Anthropic 的共同署名,也把这一问题从单一公司的事故处置推向行业层面的开发节奏讨论。

Altman 所说的「控制节奏」包含具体的部署边界:高权限 上线前要验证外部工具调用,模型越权后要能追溯责任,平台也不能把安全事故全部归因于模型。

hao chan pin

Pixel 11 全系规格与售价曝光:四款均搭载 Tensor G6,899 美元起

497c2752 e37b 44cb 912e a30945db8f05

据 Android Headlines 曝光的完整规格表,Google Pixel 11 系列预计包含标准版、Pro、Pro XL 和 Pro Fold 四款机型,均搭载 Tensor G6 与 Titan M3 安全芯片,基础存储统一从 256GB 起步。标准版预计以 899 美元起售,较上代上涨 100 美元。

四款机型均支持 Qi2 无线充电。

另据 9to5Google 报道,型号为 GA12506 的 Google Pixel Tag 已出现在商品页面,采用雾光色椭圆外形,可通过 Find Hub 网络定位钥匙、钱包和行李等物品,预计与 Pixel 11 系列同台发布。

微信地震预警新增震感上报,订阅用户超 6000 万

4a188c07 95ed 4622 a3d3 c57e3c740a82

微信地震预警能力近日迎来更新。用户收到预警后,可在预警详情页提交所在位置的实际震感,选项包括无感、轻微震感、悬挂物摆动、家畜不宁和人站立不稳等;详情页同时显示震中位置、预警震级、预估烈度、地震波预计到达时间和避险指南。

用户还可在「中国地震台网」小程序管理关注地。当关注地发生地震且预估烈度达到一定级别时,微信会推送预警;若地震信息更新,系统也会同步调整。官方提示,添加多个关注地区可能造成重复推送,建议选择不同城市。

截至目前,微信地震预警平台已预警超过 700 次地震,订阅用户超过 6000 万。此次增加的震感反馈把预警接收者纳入信息回传环节,反馈内容会用于帮助更多人判断震感并采取避险措施。

Arena 推出 AutoEval,用真人偏好训练的奖励模型快速预估排名

d0e1be76 9bc5 41fb 9985 171368c766db

大模型评测平台 Arena 推出 AutoEval,以数百万组真实用户偏好数据训练奖励模型,在新模型尚未积累足够真人投票时先生成预估排名。AutoEval 结果会单独标注,后续再由实时真人投票形成的正式分数校正。

Arena 公布的 2026 年 5 月 1 日至 6 月 2 日回测图,把 AutoEval 评分与后续真人评分放在同一坐标系比较;拟合线为 y=0.96x+55.49,多数模型的误差区间贴近真人评分基准线。平台称这套方法可以更快产生评测信号,同时保持与现场真人评测的高度一致。

AutoEval 延续 Arena 的成对回答比较思路,但把等待用户投票的环节暂时交给奖励模型。它提供的是早期估分,不会取代真人投票排行榜;模型持续收到真实用户选择后,正式排名仍按现场评测数据更新。

pin pai

ROG 推出「DOTA2」联名外设礼盒

a8f1219d 1959 40a2 81b8 53e800c75f43

华硕 ROG 将于 8 月 7 日 20 时开售「DOTA2」联名外设礼盒,产品覆盖键盘、鼠标和头戴式耳机,售价从 849 元至 1249 元。

此次联名开售临近 2026 年 DOTA2 国际邀请赛。16 支战队将于 8 月 13 日至 16 日在上海参加小组赛,晋级的 8 支队伍于 8 月 20 日至 23 日在浦发银行东方体育中心参加主赛事。

Caviar 为 Galaxy Z Fold 8 系列推出《教父》等电影主题定制版

4431fd1d 346f 4e49 8a1d af5f9dc7b956

奢侈定制品牌 Caviar 为 Galaxy Z Fold 8 与 Galaxy Z Fold 8 Ultra 推出电影主题版本,设计取材自《教父》《疤面煞星》和《小丑》,在折叠屏后盖使用人物、台词与电影视觉符号。

这些版本并不改变三星折叠屏的核心硬件,而是在标准机型基础上更换贵金属、复合材料与装饰件。Caviar 以限量编号和手工定制销售,目标人群是收藏者,而非普通折叠屏用户。

该系列延续 Caviar 以电影、名人和体育 IP 包装旗舰手机的路线,购买成本主要来自定制外壳、材料和限量属性。

卡西欧推出 CRW-H001 智能戒指手表

588e93a0 4324 456f b575 be6eb1e901fd

卡西欧已在中国市场上架 CRW-H001 智能戒指手表,售价 1999 元。产品提供 9 号、10 号和 11 号三种固定尺寸,戒圈内径约为 19.3mm、20.1mm 与 20.9mm;金属外壳使用金属粉末注射工艺,把卡西欧复古数显手表的造型压缩到戒指尺寸。

CRW-H001 配备小型 LCD 屏幕,可显示时间并设置秒表和闹钟;健康功能包括心率、血氧、体温和睡眠分析,也能记录跑步、骑行、步行、步数与热量。内置振动马达可提供来电、信息、无声闹钟和健康异常提醒。

产品采用可充电电池,满电续航约 6 天,待机时间最长 25 天。卡西欧官网提示,HarmonyOS 5.0 及以上系统中部分功能尚未全面适配,其中消息通知提醒不可用。

hao kan de

2026 年度电影总票房突破 230 亿元,暑期档连续 23 天过亿

740587a0 0659 4bfc a522 dd9eb472fe85

据央视新闻援引网络平台数据,截至 8 月 2 日,2026 年度电影总票房(含预售)突破 230 亿元;暑期档票房突破 72 亿元,连续 23 天单日票房超过 1 亿元。年度票房榜前三位为《飞驰人生 3》《功夫女足》和《给阿嬷的情书》。

其中,周星驰执导的《功夫女足》累计票房超过 21 亿元,动画电影《八仙!》超过 11 亿元。暑期档从 6 月 1 日启动以来,已有超过 120 部中外影片上映,类型覆盖历史、喜剧、动作、动画和科幻。

《飞驰人生 3》目前以 44.21 亿元位居年度票房榜首,《功夫女足》和《给阿嬷的情书》分别以 21.55 亿元和 20.01 亿元位列第二、三名。

《恐怖角》大结局上线,主创解释为何重写斯科塞斯电影结局

025aa721 39ff 4981 a05f 0f4ee6534742

Apple TV 剧集《恐怖角》已上线大结局。Amy Adams 与 Patrick Wilson 饰演的 Bowden 夫妇,在终集中与 Javier Bardem 饰演的 Max Cady 完成正面对抗;故事把原电影的家庭追杀结构扩展成一季连续剧。

主创 Nick Antosca 接受 Variety 采访时表示,新版没有简单复制马丁·斯科塞斯 1991 年电影的结局,而是把 Anna Bowden 无法摆脱 Cady 阴影的心理后果保留下来。Lily Collias 与 Joe Anders 饰演的孩子也进入最终冲突。

该剧现已在 Apple TV 完整上线。



https://feedx.site

电影史上有些技术,普通观众未必叫得出名字,却会改变一代人的镜头记忆。

1970 年代,Garrett Brown 发明了 Steadicam。它后来被应用于《洛奇》里那段著名的台阶奔跑,也出现在《闪灵》里那条令人不安的酒店走廊。

观众记住的是奔跑、压迫感和幽闭空间,行业看到的则是摄影机摆脱轨道、获得空间自由,导演、摄影与演员之间的调度关系被重新调整,创作自由度也随之打开。

今天的 AI 视频也走到了类似阶段。

过去它擅长制造短片段的惊艳瞬间,但长镜头不稳、角色和场景易漂移、细节修改需要重新生成,镜头与构图也很难精确控制。短片段的效果,距离专业制作之间,还缺一套足够可控的流程。

2 13

APPSO 体验后发现,小云雀 Seedance 2.5 的升级,刚好补上了这一环。作为首发官方版 Seedance 2.5 的 AI 创作工具,小云雀把模型能力和产品功能做了更深层次的结合。

30 秒原生直出、最多 50 个多模态参考素材、白模渲染、绿幕编辑、音频分离,再加上角色素材包与角色库、3D 导演台、片段重拍和自带配音等独家功能,AI 视频也开始从生成短片段,进入更接近专业制作的阶段。

长镜头,是 AI 视频专业化的起点

小云雀 Seedance 2.5 最直观的变化,是把单段直出时长提升到 30 秒,还支持继续延长,最长可以达到 90 秒。

对短剧、TVC、游戏 CG、音乐 MV 等内容来说,创作者不必再把一个完整镜头分成大量碎片,再依靠剪辑拼在一起。更长的生成时长,为动作推进、情绪变化、空间调度和事件发展提供了更大的余地。

在功能设置上,小云雀目前提供了两条主要创作路径。

第一次接触 AI 视频的用户,可以直接使用首页的创作 Agent 功能。

用户只需描述想做的视频,Agent 便会帮助整理需求、生成内容,并提供后续调整建议。下文测试的「奥德赛海啸」和「王的猜想」,都通过创作 Agent 完成。

3 10

更重要的是,用户还可以点击输入框里的「画布模式」,进入创作 Agent 画布。在保留自然语言交互的同时,继续使用素材管理、节点编排和视频编辑等画布能力,逐步增加对生成过程的控制。

比如马斯克之前说,将在今年年底前用 AI 制作一部长篇电影版《奥德赛》,但我直接就用小云雀 Seedance 2.5 生成了一场奥德赛风格的舰队大战。

4 8

30 秒内五艘希腊战船在同一海峡中依次遭遇巨石投击、火箭齐射与接舷混战,并在持续推进中完成断船、落水、救援与反击的连续因果战斗场面。

112 5

传统 AI 视频很容易把这类提示词处理成一组互不相干的战争镜头。Seedance 2.5 则充分理解了每艘船承担的任务,让三艘船分别救援不同方向的落水者,并在救人期间继续完成转向、掩护和反击。

多主体、长时间、强因果的动态场面,至今仍是视频生成领域的高难度任务。这个案例也表明,Seedance 2.5 已经能把视觉奇观组织成一段完整叙事,站在当前 AI 视频从短镜头迈向长片段的前沿位置。

「王的猜想」案例测试的是另一种长镜头能力。

相较于 Seedance 2.0,Seedance 2.5 可以把瞳孔特写、战场全景、高空俯冲、战舰穿越、能量爆发和宇宙重组连成一条完整的摄影机路线。镜头尺度从极近景扩展到宇宙级全景,再重新回到人物身上,角色面容、战甲、披风与王冠仍要保持一致。

111 5

开启创作 Agent 的自由画布功能后,生成视频过程中,系统会把模型、时长、比例、清晰度和积分消耗单独列出。涉及积分的操作会先弹出确认卡片,用户确认后才会开始生成。

7 8

生成完成后,小云雀还会按照时间段说明视频内容,例如人物动作、眼神变化、环境变化和镜头推进。成片存在问题时,用户也可以继续通过自然语言提出修改要求。

我们还测试了一段暴雨古城武侠打斗。白衣剑客与黑衣刀客从巷道跃上屋顶再回到长街,最终在石桥决战。镜头全程连续推进,兵器碰撞、碎瓦飞溅,场面相当激烈。

113 4

Seedance 2.0 已经具备较强的运动生成能力,Seedance 2.5 的进步主要体现在动作延续和空间连贯上。人物可以从长街进入巷道、跃上屋顶,再回到石桥,摄影机不会轻易失去方向。动作长镜头由过去的姿态展示,开始接近一段经过设计的对打。

哦,对了,如果你是小白中的小白,你也可以点击这个小图标润色和修改你的提示词,属实是把饭喂到嘴里了。

9 7

此外,参考素材能力也迎来明显扩容。

小云雀 Seedance 2.5 现在支持最多 50 个全模态参考素材输入。图片参考从 9 张提升到 30 张,视频参考从 3 个提升到 10 个,音频也可以作为参考输入。人物、服装、场景、道具、色调、表演节奏和镜头语言,都能够通过素材本身向模型传递。

视频生成行业过去主要由 Prompt 驱动,创作者不断修改文字,等待模型理解。Seedance 2.5 所代表的新阶段,更接近资产驱动和工作流驱动。文字负责说明意图,参考素材负责限定结果,画布则负责组织生成过程。

更重要的是,长镜头能力提升以后,AI 视频终于可以承担更完整的叙事。不过,视频时长增加,也会带来新的问题。镜头越长,角色、空间和细节越容易出错,修改成本也越高。

因此,专业化的下一步,需要创作者真正获得对镜头、人物和局部画面的控制权。

导演 AI,正在成为新的创作能力

对完成度要求更高的创作者,可以从首页进入短剧 Agent。

短剧 Agent 里包含上传剧本、AI 生剧本和自由画布三套主要功能。

10 6

前两者能够更快速地完成剧本、分镜和成片生成。Seedance 2.0 在短剧领域已经证明了多模态声画生成、角色表演和复杂指令遵循的能力;Seedance 2.5 则继续加强长镜头、复杂调度、角色一致性和后续编辑,让模型从生成一组可用片段,向完成一段可持续修改的内容推进。

自由画布则面向更细致的创作和编辑需求。角色管理、场景设计、视频节点、3D 导演台等等功能,都可以在这里完成。

11 6

人物本身也开始成为可以反复调用的创作资产。

在「短剧 Agent—自由画布—角色」中,小云雀支持上传多角度图片、视频和声音参考,让角色在不同镜头里保持相对一致的外貌、体态和声线。平台还提供约 9000 个角色,并可以调整年龄、五官、发型、妆容、肤质和表情,减少系列内容里常见的换脸和角色漂移。

12 1 1 12 3 1 12 4 12 5

自由画布里更值得关注的是 3D 导演台。

AI 视频的随机性,一直让专业创作者很头疼。提示词可以描述一个人从左边走到右边,却很难精确规定人物站在哪里、相机处于什么高度、镜头沿着哪条路线移动、前后景如何遮挡。

13 6

小云雀把 3D 白模、K 帧、动作库和相机运镜库放进画布中。创作者可以先搭建一个可视化空间,安排人物站位、动作和相机路线,再把白模视频作为参考交给 Seedance 2.5。

不用学习复杂的建模软件,也可以通过图片生成基础白模;不再完全依赖提示词,也能够调整角色动作、空间位置、镜头路线和画面构图。

我们还尝试使用 3D 导演台,复现热门韩剧《铁拳教育》中强调空间压迫感和人物对峙关系的镜头。

14 1 1 14 2 1

制作时先确定角色基础形象,再利用 AI 和建模能力还原白模,确定人物站位、镜头高度、运动路线和空间遮挡关系,最后把白模视频交给 Seedance 2.5,完成角色表演、服装、光线和场景质感。

3D 导演台相当于把抽象的文字描述转化为可见的空间草图。面对打斗、追逐、对峙和群像站位等复杂场面,创作者可以提前安排人物与相机之间的关系,再让模型完成画面生成。

114 4

自由画布也适合制作对运镜和人物调度要求较高的广告片。

我们测试了一支参考宝矿力水特 TVC 风格的办公室广告。开场是一名白衬衫男员工在工位上喝下一口饮料,随后起身唱歌跳舞,邻座同事陆续被感染并加入队伍。

115 3

另一个咖啡广告测试采用了相似的低机位和一镜到底设计。主角从沉闷的办公状态中起身,拿着咖啡穿过办公室,与同事互动,最后走到落地窗边喝下一口咖啡。

116 2

自由画布也可用于更复杂的游戏内容。

我们制作了一支乙女恋爱互动游戏 PV,以黑金 UI 为基准,包含三张角色卡、档案弹窗、隐藏支线与 A/B/C 选项。镜头从选角界面出发,经光标移动、卡片放大与界面切换,进入夜晚温泉会所的第一人称剧情。

223 4

我们还制作了一支暗黑中式类魂游戏 PV,以深山镇鬼世界为背景,主角为茅山道士,30 秒内依次呈现主菜单、角色创建、地图探索、对话、战斗与 Boss 战,并保留血条与技能 UI。

类魂 PV 的难点在于 CG 氛围、玩法信息与买量素材需统一呈现,提示词更接近分镜与设计文档,需要同时约束角色一致性、界面逻辑、战斗节奏与美术光效,可用于角色 PV、玩法预告与广告投放。

221 4

当然,专业视频制作里,生成只是开始,修改才是常态。

Seedance 2.0 主要回答了如何根据多模态参考生成一段复杂视频,Seedance 2.5 又向前推进了一步,开始回答生成之后如何继续进行精细化修改。

众所周知,AI 视频最怕返工。一段 30 秒视频里,前面表现都很好,最后几秒却出现人物说错话、动作异常或产品展示不准确,过去经常只能整段重新生成。

小云雀 Seedance 2.5 支持单秒级时间戳控制,也支持框选画面配合提示词进行局部编辑。创作者可以指定某段时间和某个画面区域进行修改,同时尽量保留其他部分。

我们制作了一条多语种 AI 耳机直播带货视频。男性主播先后使用中文和英文介绍产品,镜头在直播间全景、主播展示和耳机特写之间切换。

222 4

生成后,我们发现主播把同一句产品介绍重复说了两遍。于是通过片段重拍选中对应时间戳,只修改出现问题的局部片段,保留原有直播间、人物形象、产品外观和镜头节奏。

15 1 1 15 2 1

片段重拍目前面向 Seedance 2.5 生成的视频。创作者可以单独修改人物年龄、表情、发型、妆容、服装、肤质或场景风格,也可以处理某一句台词、某一个动作和某件道具。

风格转换是另一项高频需求。

我们将一条已有视频依次更改为美漫风格、水墨风格、黑白风格、动漫风格,保留原视频的动作、场景关系和运镜节奏,只修改整体视觉表现。品牌内容、短视频二创和同一素材的多版本投放,都可以通过这种方式快速生成不同风格的版本。

16

绿幕编辑则测试了更加具体的局部替换。

原始素材中,一台笔记本电脑屏幕为绿幕。我们通过视频片段创作将其替换为逼真的 3A 赛车游戏实时画面,加入赛道、仪表盘、氮气条与导航路线,同时保持桌面、机身、人物动作与环境不变。

224 3

过去这类需求需单独制作屏幕内容,再进行跟踪合成回填视频。小云雀将绿幕素材与生成式视频编辑整合在同一画布中,使产品演示、影视后期与广告植入流程更直接高效。

声音能力也在同步完善。

对短剧出海、海外带货和本地化内容来说,声音已经是视频生成中不可忽视的一环,而多语种内容需要同时保证翻译准确、声线一致、节奏自然和口型匹配。

小云雀接入 Seed Audio 1.0,可以根据参考音频生成更贴合角色设定的声线,并支持选择采样率。Seedance 2.5 还覆盖中文、英语、西班牙语、葡萄牙语、印尼语、马来语、泰语和阿拉伯语等 10 余种语言,可以同步处理发音、口型和画面文字。

比如刚刚展示的直播带货测试就用到了这类能力。

小云雀本身还提供了产品推广功能。

17 1 17 2 17 3

该功能默认注入产品推广创作 Skill,同时保留模型、尺寸、时长等核心配置。用户输入商品、卖点、目标人群和传播场景后,系统会按照营销内容的表达方式组织视频。

18

简言之,从创作 Agent 的长镜头生成,到短剧 Agent 的自由画布,再到 3D 导演台、片段重拍、风格转换和绿幕编辑,小云雀正在把原本分散在不同软件里的制作环节放进同一套创作流程。

此前,视频模型首先比拼画质、真实感和动作流畅度。如今,长时一致性、多素材约束、局部修改和工作流协同,正在成为衡量专业能力的新指标。模型本身决定画面的上限,产品流程则决定这些能力能否真正被使用。

从 APPSO 的实际测试看,Seedance 2.5 毫无疑问是当前视频生成领域遥遥领先的领头羊,身后也看不到能与之并肩的对手。尤其在 30 秒级连续叙事、复杂多主体调度、多模态参考和生成后编辑方面,它已经开始接近商业内容生产的实际要求。

目前,在小云雀上已经可以直接使用 Seedance 2.5,覆盖专业创作、影视短剧、游戏动画、商业 TVC 和自媒体内容等场景。

至于大家最关心的价格,还有个限时福利,7 月 31 日至 8 月 6 日,Seedance 2.5 在小云雀加量不加价,再叠加商业折扣和会员积分,最低能到 5.4 折、每秒 14 积分。超级会员季卡首购是 7 折,年卡还可以继续叠加优惠。

当然,这些都是优惠叠满后的价格,实际花费还是要看具体套餐,对于需要集中制作短剧、广告或游戏素材的人来说,确实能省下不小的一笔。

真正会用 AI 的人,早就脱离了「看 AI 能生成什么」的猎奇阶段。

我已经不满足于更快地得到一个随机的惊艳结果,而是追求希望能够更稳定地、更精准地逼近自己脑海中那个完美的故事。

小云雀 Seedance 2.5 给我最强烈的感受,是 AI 终于不再要求创作者迁就模型。

过去,人需要压缩创意、减少角色、简化动作,尽量把故事塞进模型有限的能力范围;现在,模型开始主动追赶人的想象力,理解更长的叙事、更复杂的场面和更明确的导演意图。

门槛已经被 Seedance 2.5 大幅降低,创作的天花板却被推向了新的高度。对于今天所有认真做内容的人来说,Seedance 2.5 已经是最有机会改写创作效率和创作上限的一代视频模型。

真正好的工具,会让创作者少一点妥协,多一点表达。

Seedance 2.5 已经很难再被简单称作一款视频生成模型。它更像一台装进电脑里的虚拟摄影棚,一支随时待命的制作团队,也是一套能够理解并执行导演意图的新型影像系统。

不要做 AI 的附庸,去做它的导演。

「导演 AI」不会只是少数专业人士的新技能,它很可能成为每一位创作者都必须认真掌握的新型专业能力。而 Seedance 2.5,已经成为目前最值得创作者认真掌握的那台「AI 摄影机」。

科技圈的刺激,总是来得猝不及防。

同一天,两家大模型领域的绝对顶流,不约而同地丢出了自己的重磅炸弹。一边是 OpenAI 突然宣布 GPT-5.6 系列模型价格大跳水;另一边,DeepSeek 正式发布 V4-Flash 模型,带着通过后训练(Post-Training)全面强化的推理与代码能力,霸气登场。

过去两年,大模型的竞争主线是追赶能力上限:参数更大、上下文更长、跑分更高。今天这两份公告放在一起,则释放出另一个信号:

顶级模型的竞争,正在从单纯比拼能力,转向争夺「智价比」。

这种变化对 Agent 尤其重要。

让聊天机器人写一封邮件,模型回答一次,工作基本结束。让 Codex 修一个 Bug,它却要先读项目文件、搜索代码、应用补丁,再运行测试;一旦测试报错,还得回头检查并重新执行。

任务越长,模型调用次数越多,价格就越直接地影响 Agent 能否真正投入日常工作。

DeepSeek V4-Flash 的 API 价格仍是每百万 token 输入 1 元、输出 2 元。OpenAI 则把 GPT-5.6 Luna 的 API 价格下调约 80%,Terra 也便宜了 20%。

2373288b 7449 44b0 9fc1 c9260754e88f

能力继续往上走,调用成本却开始往下掉。这次我们更想知道的是:价格更低的模型,能不能把事情同样做好?

模型还是那个模型,但更会干活了

DeepSeek 今天更新的 V4-Flash,目前只能通过 API 使用,网页版和 App 都没有更新。

开发者使用 API 调用 deepseek-v4-flash,后台则会自动换成新发布的 V4-Flash-0731。它可以一次读取 100 万 token 的内容,适合塞进大份文档或整个代码项目,也原生支持 OpenAI 的 Responses API,可以接入 Codex。

有意思的是,DeepSeek 称,V4-Flash-0731 与预览版的模型结构、尺寸完全一致,这次只重新进行了后训练。

可以把基础训练理解成上学,后训练更像入职后的专项练习。模型原本已经会写代码、读文档,接下来还要反复练习怎么拆解任务、选择工具、发现错误,以及如何把一件事情从头做到尾。身板没变,做事的习惯变了。

官方给出的提升幅度确实很大,甚至宣称「远超 V4-Pro-Preview」。在测试模型能否操作终端、连续完成任务的 Terminal Bench 2.1 中,它从 61.8 分涨到 82.7 分;另一项代码 Agent 测试 DeepSWE,则从 7.3 分涨到 54.4 分。

c5fa7558 e46e 416b 8d17 c7a8f692b5c8

这些数字翻译成人话就是,新版不只更会写代码,也更擅长调用工具,把一件事情从头做到尾。

更关键的是,能力上涨并没有伴随涨价。V4-Flash 仍维持每百万 token 输入 1 元、输出 2 元。

几乎同一时间,OpenAI 也在降低模型调用门槛。据 Axios 报道,上线仅 3 周的 GPT-5.6 Luna 输入和输出价格均下调约 80%,Terra 也降价 20%。降价后的 Luna 每百万 token 输入 0.2 美元、输出 1.2 美元。

但便宜的前提是能把活干完。Agent 往往要连续调用模型几十次,任何一步出错,整个任务都可能返工。

所以这次,我们把 DeepSeek V4-Flash 接入了 Proma,给它安排了 5 个从简单到复杂的任务。过程中不追加提示,也不替它处理问题,看看它拿出的第一版到底能不能用。

5 个任务跑下来,V4-Flash 的惊喜不只是便宜

第一轮,我们把爱范儿和 APPSO 的 320 篇早报数据交给 V4-Flash,让它分析两个账号的阅读、互动、选题和发布节奏,并把结果做成一份网页报告。

6176becb 2558 4396 a07d f290200348c4

查看文件夹里的早报文章数据,多维度分析数据,然后给我清晰明了的分析报告,输出为交互式的 html

V4-Flash 先用几张数字卡片交代整体情况,再把内容拆成账号对比、阅读趋势、互动画像、选题分析、结构透视、爆款榜单和全量明细。页面里混用了柱状图、折线图、环形图、雷达图和散点图,散点图还能切换账号、缩放查看。

视觉上也相当成熟。深色背景、蓝黄色强调色和卡片层级保持一致,十几张图塞在同一页里,依然能一眼分清重点。虽然这份报告很长,但好在并没有明显的拼贴感。

接下来,我让 DeepSeek V4 做了一个稍微复杂一些的任务——一个打砖块小游戏,既要处理球、挡板和砖块的碰撞,又要加入重力、动量传递、砖块耐久、连锁爆炸、4 种道具和粒子效果。

它给出的结果意外地还不错,普通砖、金属砖和爆炸砖在视觉上有明确区分;金属砖被击中后会出现裂纹,爆炸砖会波及周围砖块。多球、加宽挡板、粘性挡板和激光也不是只出现在说明里,实际游玩时都能触发。

f1402a4a 4deb 4a52 a026 60e18c68bd8e

请为我编写一个单文件 HTML 格式的打砖块小游戏。要求使用 HTML5 Canvas 绘制,且具备以下核心要素:

  1. 真实的物理引擎:球与砖块、墙壁和挡板的碰撞遵循弹性碰撞与动量守恒。挡板移动时的速度应该能传递给球(例如:向右快速移动挡板击球时,球会获得额外的向右水平速度)。加入轻微的重力效果,使轨迹更丰富。
  2. 砖块类型与生命值:设计不同颜色和耐久度的砖块(如普通砖块需要击打 1 次,金属砖块需要击打 3 次并伴有视觉开裂效果,爆炸砖块被击碎时会炸毁周围的砖块)。
  3. 道具系统:击碎特定砖块会随机掉落道具,包括:多球模式(分裂出 3 个球)、挡板加宽、粘性挡板(球碰到挡板后先粘住,按空格键再发射)、以及激光射击(挡板可以发射子弹直接摧毁砖块)。
  4. 视觉与特效:包含击碎砖块时的粒子散落效果、球撞击时的微弱屏幕抖动、流畅的 60 FPS 动画,以及简洁现代的 UI 界面(计分板、生命值显示、暂停和重新开始按钮)。
  5. 代码结构:所有的 HTML、CSS 和 JavaScript 代码必须全部打包在一个文件中,确保可以直接双击在浏览器中运行,且无外部依赖库。

接下来,我们又把题目换成了三体轨道模拟器。这类页面很容易靠星空、光球和拖尾蒙混过关,真正的难点是算出三颗星体下一秒各自会去哪里,并让轨道持续运行。

7d92b8e7 32de 4e58 bf0f 519215452d56

请写一个单文件 HTML 的三体运动轨道交互式模拟器,具体要求:

  1. 物理计算:使用龙格-库塔法(RK4)或 Verlet 积分算法来计算三个质点在万有引力作用下的运动轨迹。允许用户实时调整引力常数 G、三个质点的质量、初始位置和初始速度矢量。
  2. 交互与控制:用户可以通过鼠标拖拽来改变质点的初始位置,或者通过轨迹线上的箭头调整初始速度。包含暂停、单步调试、重置、以及内置几种经典稳定轨道(如 figure-8 八字形轨道、Lagrange 轨道等)的一键预设功能。
  3. 可视化效果:使用 Canvas 绘制质点的实时运动,并保留渐隐的运动轨迹拖尾(利用半透明背景刷新实现)。实时显示每个质点的位置、速度和加速度数值。
  4. 代码要求:完全原生 JavaScript 实现,无需外部库,界面设计美观、富有科技感。

V4-Flash 交付的页面采用了四阶龙格-库塔法,也就是 RK4 来计算轨道。它还加入了引力软化,避免两个质点距离太近时数值突然爆炸;当加速度变大、天体接近相遇时,程序会自动把一个计算步长继续拆细,降低轨迹发散的概率。

界面完成度同样在线。主要画面留给轨道,复杂参数集中在右侧,状态信息收在左上角,没有因为控制项多就变成一块密密麻麻的工程面板。

算完轨道,我们再换个方向,看看它的审美。任务是一张科幻控制舱仪表盘,不仅要有实时波形、环形进度和滚动日志,点击「超载模式」后,整套界面还要同时进入警报状态。

c702aca6 99e6 440c 8ae0 5d169fc3b991

请为我设计一个单文件 HTML 格式的未来感科幻控制舱仪表盘(Sci-Fi Dashboard)。具体要求:

  1. 视觉风格:深色调背景,使用荧光蓝、霓虹绿和警示橙作为主配色。加入网格背景暗纹、发光特效(box-shadow)和数字科技感字体。
  2. 动态组件:包含一个实时波形图(使用 Canvas 绘制的音频波形或心率图模拟)、几个带有平滑过渡动画的环形进度条(展示 CPU 占用率、能源百分比等),以及一个不断滚动的实时日志终端(Terminal)。
  3. 交互控制:用户可以点击「超载模式」按钮,此时仪表盘所有指示灯变为闪烁的红色,数据刷新速度加倍,且有警告音效(用 Web Audio API 合成,无需外部音频文件)。
  4. 代码规范:使用响应式设计,所有 CSS、HTML 和 JS 代码必须内嵌于同一个文件中,保持现代优雅的视觉表现力。

V4-Flash 这一版却做得像模像样,挺有内味的。实时波形、环形进度、能量流、系统状态和日志终端有清楚的主次关系,发光效果没有盖过数据本身。波形持续运动,环形数字平滑变化,终端也会不断刷出新的系统日志。

前面的任务都可以在本地完成。最后,我们加入联网、调用 API 和读取外部资料,让 V4-Flash 从一句话开始,做出一份开源 AI 项目周报。

fcdcb875 8052 4534 9d6b 6e84118a1294

请帮我写一个 Python 脚本,调用 GitHub API 拉取过去 7 天内 Stars 增长最快的 10 个开源 AI 项目。提取它们的 README 摘要,并自动生成一份 Markdown 格式的周报。

把这个周报做成一个美观、有科技感的网页,略有极客风,简洁明了的界面。

它创建了 Python 脚本,实际运行并检查结果,最终交付了脚本、Markdown 周报和一份 JSON 原始数据,以及一个精致的网页。

5 个任务全部结束后,我回头看了一眼费用——

DeepSeek 后台一共记录了 393 次 API 请求,累计消耗约 3422 万 token,前前后后只花了 2.85 元。测试前充进去的 10 元,连三分之一都没用完。

0285519b 5752 4863 80f6 9c111f4dcf4c

当大模型开始从「做大」转向「做精」

5 个任务当然无法测出一个模型的全部能力,但它们已经足够让我们一窥 V4-Flash 的优势:速度快、价格低,也能把一段含糊、抽象的要求变成完整、可操作的成品。

过去几年,AI 行业主要遵循 Scaling Law:模型参数更多、训练数据更大、投入算力更高,能力通常也会随之提升。

华为何庭波提出的「韬(τ)定律」,代表的则是另一种思路——当几何缩微越来越困难,就把优化范围从单个器件扩展到电路、芯片和整个系统,通过缩短信号传播时间、提高协同效率,继续挖掘性能。

两者讨论的并不是同一个技术问题,却代表了两种不同的发展路径:一条继续扩大规模,另一条想办法让现有系统运行得更有效率。

V4-Flash 这次的变化,更接近后一种思路。模型结构和尺寸没有变化,仅靠后训练,它在代码、工具调用和连续执行任务上的表现就有了明显提升。它没有否定 Scaling Law,只是说明继续堆参数之外,数据质量、强化学习、推理策略和训练方法,依然可以从现有模型里挖出更多能力。

8362227d db9d 4ea4 b386 5d7b94b3828c

无独有偶,OpenAI 今天也宣布 GPT-5.6 系列模型大幅降价。顶级模型的竞争,正在从单纯比拼能力上限,转向同时争夺「智价比」。

模型厂商之间的价格战已经全面展开。对厂商而言,这会继续压缩利润空间,并加速行业洗牌;但对开发者和普通用户而言,模型价格下降意味着 Agent 可以调用更多次、思考更长时间,也能承担过去因成本过高而无法落地的任务。

当模型能力继续提升,调用成本持续下降,真正被打开的,或许不只是一个更便宜的聊天机器人,而是一个可以长时间运行、反复试错,并真正替人完成复杂工作的 Agent 时代。

2026-07-31 17:11:55

一台车长超过 5.2 米、重量接近 3 吨的大型 SUV,想要爬上松软沙坡,动力够大只是第一步。

随着坡度增加,车辆重心不断后移,轮胎能够获得的附着力却在不断变化。倘若四驱系统无法及时分配动力,大马力只会变成车轮空转,在沙地上越刨越深;悬架如果撑不住车身,动力同样很难有效传到地面。

7 月 29 日,岚图泰山系列完成了一次约 100 公里的阴山全地形穿越。路线包括 25 公里浅水碎石河床、最大坡度 62% 的松软沙坡,以及深坑和连续交叉轴等复杂路况,其中「英雄坡」长度超过 250 米,最大坡度约合 32°。

在这次挑战中,岚图正式发布并命名了「虎踞智能底盘」,并称其为中国首款全地形智能底盘。

TS1

阴山穿越是一个很好的底盘能力展示,岚图把过去分散在不同车型和配置表里的悬架、转向、四驱与制动控制,正式收拢到了一套底盘技术体系之中。

「虎踞」不是一个部件

「虎踞智能底盘」不是某一个新悬架或新部件的名字,它由机械硬件、控制系统和场景化标定三部分组成。三腔空气悬架、前双叉臂与后五连杆悬架、解耦双电机四驱、高强度笼式车身和双向 16° 后轮转向,构成了岚图所说的「硬核筋骨」,EDC 可变阻尼、IPB 2.0、智能四驱协同和牵引力控制系统,则负责根据车轮与车身状态进行实时调节。

因此,这次发布的「新」,并不是其中每一件硬件都第一次出现,而是岚图首次将这些硬件与控制能力纳入统一架构,并进一步做成可以覆盖不同车型的底盘技术品牌。

TS2

其中,三腔空气悬架通过两个刚度阀控制三个独立气室,可以形成 4 种弹簧刚度组合,并提供 105mm 调节行程,最高离地间隙达到 238mm。相比只能调节车身高度的单腔空气悬架,三腔结构还能改变悬架刚度,在舒适和支撑之间提供更大的调节范围。

与之配合的 EDC 魔毯减振系统,则根据路面起伏与车辆状态,控制减振器压缩和回弹的速度。空气悬架负责车身高度与弹簧刚度,EDC 负责处理具体的振动和车身姿态,同步为车内舒适性做保障。

在阴山的浅水碎石河床中,这两套系统承担的也是类似任务:空气悬架抬高车身,增加底盘面对水下碎石和暗坑时的通过余量;EDC 则连续调整阻尼,控制碎石、坑洼和起伏路面带来的车身晃动。对于大型 SUV 而言,通过一段烂路并不算太困难,但在通过的同时,还要尽量不让座舱里的乘客跟着车身反复摇摆。

TS3

面对沙坡和交叉轴,工作的则是智能电动四驱、牵引力控制和 IPB 2.0。扭矩矢量控制系统能够识别不同车轮的附着状态,动态调整前后轴及车轮间的驱动力;当某个车轮开始打滑或悬空,IPB 2.0 会先对空转车轮施加制动力,再将驱动力转移到仍有抓地力的车轮。

这也是泰山 X8 能够通过「英雄坡」和连续交叉轴的技术基础。大功率电机提供爬坡所需的动力,牵引力控制与 IPB 2.0 抑制车轮刨坑和无效空转,智能四驱再把动力送往有效车轮,三腔空悬与 EDC 则负责支撑车身,控制车辆在大仰角状态下的重心转移。

将这些系统放在一起,才能看出虎踞所说的「智能」到底指什么:与让驾驶者选择一个越野模式不同,虎踞可以根据路面附着力、车轮状态和车身姿态,同时调节悬架高度、阻尼、制动力和驱动力。岚图称,这套系统针对草地与雪地、泥泞车辙、沙地、岩石和砾石等路况进行了标定,覆盖超过 1000 个细分场景。

TS4

岚图还将虎踞分成了三条产品路线:虎踞 P 对应 Premium,偏向尊享舒适;虎踞 A 对应 Allroad,强调全地形能力;虎踞 D 对应 Dynamic,面向运动驾趣,岚图分别以岚图梦想家、泰山 X8 和追光 L 作为三个方向的代表车型。

目前公布得最完整的是泰山 X8 使用的虎踞 A,虎踞 P 和虎踞 D 暂时还没有给出完整的硬件与标定差异。但至少从这次发布可以看出,岚图希望虎踞不只是一款车的配置组合,而是像动力平台和智能座舱一样,成为覆盖不同车型的家族化技术标签。

TS5

泰山 X8,仍然是一台家庭大五座

完成阴山穿越的泰山 X8 于今年 5 月上市,定位大五座 SUV,提供插混和纯电两种动力,共 5 个版本,指导价为 29.29 万—37.99 万元。新车长宽高分别为 5200/2025/1814mm,轴距为 3090mm,是一台标准的大型 SUV。

尺寸带来了空间,也会放大车身惯性和较长轴距带来的问题。虎踞 A 的作用,是让泰山 X8 在城区保持舒适和灵活,离开铺装道路以后,又有足够的通过性。

三腔空气悬架与 EDC 可以在城市道路中抑制制动点头、过弯侧倾和连续晃动,到了坑洼、碎石等复杂路面,悬架又能抬高车身并提供更强支撑。双向 16° 后轮转向则将泰山 X8 的最小转弯半径缩小至 5.4 米,让这台超过 5.2 米的大车在地库、窄路和山路中少一些本应有的笨重。

TS6

对一台大五座 SUV 来说,舒适性与通过性并不是两套互不相干的能力。家庭用户平时需要它在城区开得平稳、转弯轻松,长途出行时又可能遇到雨雪、积水、碎石或非铺装道路。虎踞 A 并不是要把泰山 X8 变成一台硬派越野车,而是让它在保留家庭舒适性的同时,面对复杂路况不至于立刻失去从容。

五座布局则将更多车内长度留给了二排和后备厢,泰山 X8 的常规后备厢容积达到 1148L。零重力座椅、一键成床、对外放电等配置,负责家庭长途与户外休整,华为乾崑智驾和 HarmonySpace 5.2,则补齐驾驶辅助与座舱体验。配合虎踞 A 带来的能力,X8 能够很轻松的将全家人带向山野。

阴山穿越把这种能力做成了一次直观展示。对于泰山 X8,虎踞 A 补上了大空间、舒适座舱之外的行驶能力,对于刚刚发布的虎踞,泰山 X8 则成为全地形路线最完整的一次产品落地。

泰山 X8 依然是一台面向家庭用户的城市 SUV,虎踞则让城市不再成为它的边界。

茉莉花新闻网

        中国茉莉花革命网始创于2011年2月20日,受阿拉伯之春的感召,大家共同组织、发起了中国茉莉花革命。后由数名义工无偿坚持至今,并发展成为广受翻墙网民欢迎的新闻聚合网站并提供论坛服务。

新闻汇总

邮件订阅

输入您的邮件地址:

linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram