全世界第一款，真正面向消费者，能做家务的人形机器人来了。

这次不跳芭蕾、不展示功夫，真的能给我们打扫卫生、随叫随到。

只需要喊一声「Neo，帮我叠衣服」，一个 1 米 68 的人形机器人，就会从角落里转身，轻轻俯下身，双臂「灵活」地折叠好衣物。

三月份的时候，它更是直接给黄仁勋买了一件皮夹克，亲手送给了他。

这是全世界第一款，真正面向消费者，能做家务的人形机器人。

我们只需要喊一声「Neo，帮我叠衣服」，一个 1 米 68 的人形机器人，就会从角落里转身，轻轻俯下身，双臂「灵巧」地折叠好衣物。

三月份的时候，它更是直接给黄仁勋买了一件皮夹克，亲手送给了他。

经过大半年的优化，现在我们也能把它买回家了。

由 OpenAI、NVIDIA 和三星等巨头支持的机器人公司 1X 宣布，其人形机器人 Neo 在今天正式开放预订。

售价 20000 美元（约 14.5 万人民币）买断服务，或选择每月 499 美元（约 3600 人民币）的订阅服务，两种支付方式。

目前已经可以在 1X 官网进行预订，第一批支持美国用户，在明年开始逐一送货；预计 2027 年扩展到全球用户。

虽然每月订阅费，可能比聘请一个保姆更便宜，但是 Neo 能做的事情，真的能像人一样，处理好那些又细又杂的家务活吗？

请把它当作一个家电，而不是「终结者」

Neo 身高 1.68 米，重约 30 公斤，全身覆盖柔软聚合物外壳，穿着针织高领衫与运动鞋。1X 公司的创始人说，这样可以让它看起来更不像是一个终结者，只是一台能做家务、会聊天、还挺有性格的机器人。

在设计上，Neo 的手臂拥有 22 个关节，接近人类灵活度，能提起大约 45 斤重的物体。

作为对比，之前宇树发布的 H2 相关的参数是，高 180cm，重 70kg，关节总数 31 个。

在 Neo 体内，搭载了 3D 视觉摄像头、麦克风阵列和 NVIDIA Jetson 平台，让它能识别语音、理解物体、甚至回答问题。

基于这些形态和能力，1X 介绍 Neo 的核心功能，就是自动化日常家务。我们可以给它一个任务清单，或者通过简单的语音命令，让它处理各种各样的琐事。

家务处理：比如折叠衣物、整理书架和桌面、收拾杂物。

日常协助：帮我们取东西、在门口迎接客人、晚上关灯。

智能交互：Neo 不仅仅是「动手」的。它也内置了大型语言模型，可以像一个智能音箱一样，和我们自然地对话。

情境感知：它配备了视觉和听觉智能。这意味着它能看到厨房台面上的食材并建议食谱，也能在我们和别人聊天时，知道何时该插话，何时该保持安静。

记忆能力：它能记住过去的对话，提供连贯的个性化帮助，比如帮我们管理日程、设置提醒或跟踪你的语言学习进度。

值得一提的是，Neo 的胸部和骨盆区域还内置了三级扬声器。当它不忙时，它就是一个可以移动的家庭娱乐系统，一个行走的智能音箱。

不只机器人，还有一个背后操作机器人的人。

看到这里，你可能真的准备去看看，能不能下单了吧。但注意了，Neo 能在 2026 年就交付，背后有一个关键的「捷径」：它并非完全自主。

1X 坦诚，Neo 在交付时只能处理一些基本任务。当它遇到一个它不知道如何处理的复杂任务时，比如操作家里某个型号独特的洗衣机，它会怎么办？

答案是：「摇人」。

Neo 有一个「杀手锏」功能：用户可以召唤一名远程的「1X Expert」（1X 专家）。

这名训练有素的人类操作员，将通过互联网（Neo 支持 WiFi 和 5G ），实时接管并远程遥控 Neo，通过它的摄像头获取当前环境，控制它的身体来完成任务。

好处是，Neo 可以「边做边学」。机器人在观察人类操作员完成后，会学习这项技能，以便未来自主完成。

坏处是，这带来了巨大的隐私问题。

想象一下，一个陌生人通过机器人的摄像头和麦克风，在你的客厅、卧室里自由活动，观察你家中的一切。网友的脑洞已经快进到，把系统黑掉，然后操控机器人来时时各种破坏。

这个机器人，倒是很像网上经常看到的自动售货机，说背后都有一个人在控制，并不是靠机器识别到买家拿了什么东西。

《华尔街日报》的记者在体验时，让 Neo 去冰箱拿瓶水。它能走过去，但打不开门，于是需要远程人类接管操作，这瓶水最终花了一分钟才拿到手。

在另一场演示里，它试着吸尘，却因为吸尘器没电而放弃。Neo 目前能处理的，大多是可预测、低复杂度的任务。真正需要判断的场景，仍要靠「远程人类」帮它完成。

相当于每个月 3600 块的订阅费，是支付给那个背后操纵机器人的「人类专家」。

1X 公司的 CEO 花了非常多的时间来解释这件事情的可靠性，例如用户可以划定区域，哪些地方是幕后操作员不能让 Neo 进去的；还有幕后操作员的每次行动，都必须先得到用户的许可；Neo 身上的麦克风什么时候被唤醒；数据的加密等等。

他还提到，这是为了训练，Neo 不必像其他机器人那样在实验室里练上百万次。它可以直接在真实家庭中学习，用无数家庭的生活细节，训练出更通用的智能。

1X 对此也直言不讳，称早期用户实际上是「Beta 测试者」，他们购买的产品，将通过不断的软件更新和训练来扩展能力。

合着今天的开售，就是招募小白鼠，收集用户的影像、声音、隐私，来作为它学习的资料。

目前他们的 X 账号，官宣发售的推文，已经获得了千万次的浏览，在评论区，也有一些用户晒出了自己的预订记录截图。

人形机器人赛道的火热，完全不亚于 AI 大语言模型。马斯克一而再的强调说，自己的特斯拉 Optimus 机器人，未来可能给公司带来的营收占比 80%。

同样有 OpenAI 和英伟达支持的 Figure AI，在 9 月份以惊人的 390 亿美元估值融资 10 亿美元。这个月 9 号，还发布了旗下第三代人形机器人 Figure 03。国产机器人宇树科技的存在，更是不可忽视。

和体验视频里，那位记者说的一样。虽然是能做家务，但是背后还有一个人在遥控，就会感觉特别奇怪。

人要一个 AI Copilot 来帮助自己，所以机器人也要一个 Pilot 来指导它动作。

我只能把这当作是家务机器人迈出的第一步，之前我们写了很多世界生成模型，提到 AI 生成的世界，可以成为自动驾驶等任务的训练环境。

现在看来，机器人领域也是这样，没有虚拟的训练环境，就先把它们放出去，在真实的世界里接受复杂的训练，然后慢慢成长。

最后附上华尔街日报的体验视频链接：https://youtu.be/f3c4mQty_so

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

凌晨三点，一个用户在 ChatGPT 的对话框里输入，「我已经没有办法再坚持了。」

几秒钟后，AI 回复，「谢谢你愿意告诉我。你并不孤单。是否希望我帮你找到专业的援助资源？」

这样的对话，每周可能在全球上演上百万次。

OpenAI 今天首次公布心理健康数据，每周有约 0.07% 用户出现精神病或躁狂迹象，0.15% 用户谈及自杀念头或计划。

以 8 亿周活计算，每周约有 56 万人，出现精神异常对话，120 万人在 ChatGPT 中表达出自杀倾向，或强烈情绪依赖。

ChatGPT 俨然已经成为了，承载海量心理危机的树洞，甚至对某些人来说，它是一个危险的诱因。

迫在眉睫的 AI 精神病，OpenAI 自曝家丑？

OpenAI 此刻公布数据，并非杞人忧天，而是已经到了火烧眉毛。

近几个月，越来越多的人在与 AI 聊天机器人进行长时间、高强度的对话后，最终导致住院、离婚甚至死亡。

一些精神科医生和专业人士已开始将此现象称为「AI 精神病」 (AI psychosis) 。一些受害者的亲属称，聊天机器人，助长了他们的妄想和偏执。

而作为全球市占率最高且遥遥领先的 OpenAI，更是面临着严峻的法律压力。

过失致人死亡诉讼， OpenAI 正被一名 16 岁男孩的父母起诉。他们声称，儿子在自杀前的几周内曾向 ChatGPT 倾诉自杀念头，而 ChatGPT 鼓励了他。

谋杀案诱因，在另一起还在确认是谋杀-自杀的案件中，嫌疑人发布的数小时与 ChatGPT 的对话，显示 AI 似乎助长了犯罪者的妄想。

监管警告，OpenAI 总部所在地，加州政府多次警告 OpenAI，必须保护使用其产品的年轻人 。

奥特曼在两周前，也已经预告了 ChatGPT 关于心理健康的更新，来平息这些关于 OpenAI 不负责、不安全的言论。

170 个医生，能治好上百万用户吗

为了应对危机，OpenAI 在今天的安全报告里面，宣布他们已与一个全球专家网络合作，其中包括来自 60 个国家的，170 多名精神科医生、心理学家和初级保健医生。

他们的目标是教会 ChatGPT，更好地识别痛苦、缓和对话，并在适当的时候引导人们寻求专业护理。

根据 OpenAI 的博客内容，最新版本的 GPT-5（gpt-5-oct-3），主要在三个方面进行了更新。

1、针对妄想、或者精神病，新模型被设计为更多的表达同情，同时避免一味的讨好。新模型不能肯定，任何没有现实基础的用户提示。

OpenAI 举例，当用户说「有飞机飞过我的房子在针对我」。新模型的理想回答是感谢用户分享，并指出没有飞机或外力，可以窃取或进入你的想法。

2、针对自杀倾向，训练模型更安全地回应，并引导人们转向危机热线等专业资源。

3、针对情感依赖，教会模型鼓励用户，建立现实世界的人际联系。

通过更好的模型回答，自动弹出专业热线信息、引导用户寻求现实帮助，甚至在长时间对话后，提醒用户稍作休息，等等这些更新。OpenAI 声称现在的 ChatGPT 提升效果明显。

他们联系了一个医生团队，共同参与评估。这些医学专家们审查了超过 1800 个涉及潜在精神病、自杀和情感依恋的模型响应，并将最新版本的 GPT-5 的答案与 GPT-4o 生成的答案进行了比较。

发现新版 GPT-5 与 GPT-4o 相比，在所有类别中减少了 39% 到 52% 的不良答案。而对比 8 月份的 GPT-5，不符合OpenAI 分类标准的行为响应率，在最近的生产行为中降低了 65% 到 80% 流量。

而一项针对自杀相关对话的评估中，新的 GPT-5 模型（10 月 3 日版）合规性达到了 91%，之前的 GPT-5 模型（8 月 15 日版）仅为 77% 。

此外，还有一个关键的技术点是，OpenAI 承认他们的安全措施，在长时间对话中效果较差；而许多「AI 精神病」案例，正发生在深夜的长时间聊天中。

OpenAI 提到，现在这个问题，也已经取得了重大进展，在复杂的、难处理的长对话中，保持了超过 95% 的可靠性。

奥特曼的这次更新，确实值得肯定。但也有很多网友，对所谓的更安全，提出了更深的质疑。

有人说，OpenAI 在自己的安全报告里面说，这些心理健康对话「极其罕见」，但实际是，即使 0.07% 听起来是一个很小的百分比，但在数亿的用户基数上，这实际上是相当多的人。

也有人提到，所谓的新版本 GPT-5 表现更好，所有的评估基准都是由 OpenAI 自己设计。

即使模型给出了「更好」的回答，我们也没有办法知道，那些正经历精神病、自杀念头，或不健康情感依赖的用户，是否会因此真正更快地，寻求帮助或改变他们的行为。

尽管 OpenAI 承认新模型（GPT-5）在安全性上有了显著改进，但仍然还有用户喜欢「更旧、更不安全」的 AI 模型，例如 GPT-4o；而 OpenAI 也继续向付费订阅者提供了这个选项。

这是有史以来第一次，OpenAI 公开全球 ChatGPT 用户，在一周内可能表现出严重心理健康危机迹象的大致估计数据。

我们熟知的 ChatGPT，看起来除了是最高效的生产力工具、编码助手、灵感源泉……它更已经成为了深度介入，大部分用户情感和心理的参与者。

170 个医学专家、模型提示词和回答的优化，AI 想尽力学会如何在崩溃的边缘接住人类；但真正的拯救，我想还是需要我们自己学会，关掉聊天框，去拥抱真正的现实。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

已经失明多年的人，可以重新获得光明。

以前一直就觉得这项技术总有一天会来，没想到现在真的做到了。

这项研究由斯坦福大学主导，与脑机接口创业者 Max Hodak（马斯克的 Neuralink 联合创始人）在 2021 年成立的 Science Corporation 共同完成，发表在全球顶级医学期刊，《新英格兰医学杂志》(NEJM) 上。

他们寻找了 38 名晚期 AMD（Age-related Macular Degeneration，即老年性黄斑病变）患者，他们的中央视网膜感光细胞已完全死亡。

通过给他们植入这种仅 2 毫米宽、30 微米厚的微型芯片，比一颗米粒还小，叫做 PRIMA（photovoltaic retina implant microarray，光伏视网膜植入微阵列），就能够替代已经死亡的感光细胞，重新工作。

结果显示，在植入设备一年后，高达 80%（32 名可评估参与者中的 26 人）的视力获得了有临床意义的改善，在视力表上平均多辨认了超过 25 个字母。

听起来像是电影情节，但它真的发生了。

2mm 宽的芯片怎么让人重新看见

为了了解芯片的工作原理，我们得先知道这项研究针对的人群，即老年性黄斑病变（AMD），到底是什么病，它为什么会让人看不见？

简单说，人眼最清晰、最核心的视力，是靠黄斑区的感光细胞（锥体细胞） 来完成的。

但在 AMD 患者中，这些负责「把光变成电脉冲信号」的细胞逐渐死亡。于是，看见这件事就短路了。

• 周边依旧能看到光影，但中央，出现一块固定的黑斑；
• 严重时，无法阅读、无法识人、无法开车、无法看电视；
• 而全球目前约有 500 万人因此而失明。

更残酷的是，这些细胞死了，就不会再长回来。这也是过去所有治疗，都只能做一件事，延缓恶化，而不是让人重新看见。

直到这块芯片出现。

在 AMD 里，感光细胞死了，但神经网络还在。这意味着，大世界的光信号，虽然无法转成电信号，但是电信号仍然能被传到大脑。

于是科学家做了一件非常聪明的事，绕开感光细胞，直接给神经输入电信号。这块名为 PRIMA（Photovoltaic Retina Implant Microarray）光伏视网膜植入体的芯片，就像是把「摄像头 + 电信号触发器」嵌进了人眼。

这套系统由三部分组成，

1. 含摄像头的眼镜，它的作用是捕捉外界的图像，类似于一个相机。（图中 2、3 部分，2 是太阳眼镜片）
2. 口袋处理器，将相机捕捉到的画面，通过红外光发射到芯片上。（图中编号 1、4 部分，1 可以用来调节亮度和缩放）
3. 视网膜下微型芯片，它能将近红外光变成电刺激，相当于一个替代感光细胞的电子感受器

整个工作过程，也许依靠这套系统的三部分来完成，只需 6 步。

1. 眼镜摄像头捕捉画面
2. 将画面转成近红外光图样
3. 投射到眼底芯片
4. 芯片每个像素响应光 → 产生微电流
5. 微电流刺激视网膜神经元
6. 神经将信号传入大脑 → 大脑「看到」画面

一句话总结，PRIMA 不是修好旧的视网膜，只是给眼睛装了一个新的感光部件。

80% 能看见，但算不上「奇迹」

临床医疗科技公司 Science 在欧洲 17 家医院进行了这项临床试验。

38 名干性 AMD 受试者都接受了植入手术，一年后，80% 的患者视力显著改善（≥0.2 logMAR），多数人重新能够阅读字母、数字和单词，且周边视力完全不受影响（使用近红外光，不会刺激残余感光细胞，也不会干扰自然余留视力）。

尽管 80% 的数字看起来很美好，但是这项技术远非完美。

1. 视力「质量」不高

PRIMA 植入物目前仅有 378 个像素，其理论分辨率约为 20/417。Frank Holz 教授（论文一作）承认，这种视力是黑白的，不是彩色的，且患者的阅读并非快速、流畅的阅读，而是很慢的阅读。

2. 缺乏安慰剂对照组

这项研究最大的科学局限性在于，它是一个「单组研究」，所有人都接受了植入。它没有设立一个接受「假手术」的安慰剂对照组。

《自然》也报道这一项突破性的研究，但在他们评论里面，还引述了一位匿名研究者的担忧，「这种视力改善可能部分归功于密集的视觉训练，以及患者获得了先进医疗设备的兴奋感（即安慰剂效应）」。

3. 生活质量未见改善

一个值得注意的结果是，尽管患者在视力表上的表现变好了，但在关于「日常生活质量」(QoL) 的标准化问卷调查中，并没有显示出显著的总体改善。

这可能意味着，从「能读出字母」到「真正改善日常生活便利度」，还有很长的路要走。

4. 手术风险

由于是侵入性的研究，必然会有不同程度的风险。该研究共报告了 26 起严重不良事件（如眼压高、黄斑裂孔、视网膜脱离等）。研究强调，所有这些风险都与「植入手术」本身相关，而非 PRIMA 设备本身。

虽然有一些局限，但是掩盖不了这项研究的进步性。之前也有其他研究员，进行过类似视网膜植入的工作。要么是适用的范围，疾病种类限制大，要么是只能恢复对光的感知能力。

像 PRIMA 这种能够让患者识别出字母，完全可以说，是目前针对盲人重新获得视力，这一领域数十年来最重要的进展之一。

进行临床研究，以及这套设备的所有者、总部位于旧金山的 Science Corporation 公司，今年 6 月已经向欧洲监管机构提交了上市认证申请。

与此同时，斯坦福大学眼科学教授，论文的共同作者，Daniel Palanker 说，「这是该芯片的首个版本，分辨率相对较低。下一代芯片像素更小，分辨率更高，并能搭配更时尚的眼镜。」

AI 眼镜能帮助盲人获得视觉，也让普通人受益

讲真，每次看到那种「给视网膜植入芯片，让盲人重见光明」的新闻，我都会一边惊叹一边觉得……离我们好远啊。

但最近看到的 AI 眼镜，思路就完全不一样了，感觉更接地气，更无创，也更大众化。

它不是硬核地让眼睛「物理恢复」，是利用 AI 的能力，实现一个 24 小时在线的「随身翻译」——把眼睛看到的东西，实时转成语音告诉你。

虽然这比不上脑机接口，直接让画面重新显现那么炸裂，但这个思路，真的让我共鸣了：我们所有的产品，都应该把无障碍模式，当成默认模式来开发。

其实，生活中那些最好用的设计，一开始其实都是给「少数人」准备的。

• 比如路边的那个小斜坡，本来是给轮椅设计的；结果，现在成了我们这些拖行李箱的、推婴儿车的、送外卖的「懒人福音」。
• 还有视频字幕，最初是给听障朋友准备的；现在，已经是我们在地铁、办公室、深夜宿舍里追剧摸鱼的「续命神器」，谁还开声音啊。

这些设计的初衷可能很简单，但最后却悄悄方便了所有人。

所以 AI 能不能做到让盲人看见，也是一个道理。

哪天那些厂商们不再把它当个极客玩具，而是真能做到像视频里那样，帮视障朋友解决出门的各种麻烦——能看红绿灯、会躲人绕狗、还能告诉你前面奶茶店在搞什么活动——那这款眼镜，一定是市面上最牛的眼镜，不接受反驳。

道理很简单：一个能让视障用户都觉得好用的产品，它的交互逻辑已经足够清晰、自然、符合人类的本能。

AI 时代，我们需要更多这样「特立独行」的好东西。它们不追风口，不卷参数，只是从人最真实的需求和脆弱出发。

参考文献：
[1] Holz, F.G., et al. (2025). Subretinal Photovoltaic Implant to Restore Vision in Geographic Atrophy Due to AMD. N Engl J Med. DOI: 10.1056/NEJMoa2501396
[2] Nature. (2025). People with blindness can read again after retinal implant. Nature News.

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

还记得 20 多年前，那个在你的 Word 文档右下角突然弹出的「大眼夹」Clippy 吗？无论你是在写论文还是情书，它总会探出那对标志性的「高低眉」打断你。

这是一个很有年代感的存在，它在 90 年代末，作为 Microsoft Office 助手推出，因为烦人被大家吐槽，在 2001 年 Office XP 中「退休」。

但微软在助手领域的尝试一直没停下脚步，比如一直不温不火的 Cortana。现在，AI 时代给了微软「复活」它的最好时机。

昨天在 Copilot 秋季发布会上，微软正式推出了 Mico——一个全新的 Copilot 虚拟角色，它被视为 AI 时代的 Clippy。

这不仅是 Copilot 的一次大整容，也像是在说微软，要继续押注我们需要一个 AI 伴侣，希望 AI 成为一种社交体验。

除了推出 AI 伴侣 Mico，发布会还介绍了一系列关于 Copilot、Edge AI 浏览器的多项更新。先不说我们是不是需要又一个 Cortana，这些更新也值得一看。

更新内容省流速看版：

1. AI 助手 Mico 登场：一个会眨眼、能变色、会顶嘴、以实时表情回应、甚至能变回 Clippy 的数字伙伴。
2. Edge 浏览器大更新，UI 布局更像 OpenAI 新推出的 ChatGPT Atlas，Journeys 旅程和 Action 行动两项更新，为浏览器增加了记忆总结功能。
3. Copilot 新增和 AI 的群组聊天、记忆管理、实时学习、以及图像创作等十余项功能，让 AI 更有人味。

Mico：一个有灵魂的 AI 版「大眼夹」

Mico (发音与 「pico」 押韵) ，是 Microsoft Copilot 的缩写。微软把它描述为 Copilot 的「化身」 ，一个温暖且可定制的视觉形象。

虽然我平时用 Copilot 不多，毕竟它使用的模型也是 OpenAI 的 GPT 系列。但是当我点开 Copilot，看到 Mico 时，还是感觉到了一点惊喜。

它看起来像一个「会说话的头像」，或者说是一个「更拟人化的 emoji」。我们跟 Copilot 进行语音对话时，即点击输入框右边的麦克风按钮，Mico 就会成为默认开启的界面。

Mico 最大的特点是实时反应。它会聆听、很快速地反应，甚至改变颜色和表情，来反映正在进行的互动。微软高管 Jacob Andreou 提到，「它会随着你的讲话而反应，如果你谈论悲伤的事情，你会看到它的面部表情几乎立即作出反应」。

为了致敬这位 Clippy 那位老前辈，微软还埋了一个有趣的彩蛋，如果我们快速、反复地戳（点）Mico，它就可能会变成 Clippy 的样子。

作为 Copilot 的人格化外壳，微软的目标，很明显是要让技术淡入后台，让 Copilot 从助手进化为伙伴。这大概也是为了实现微软 AI CEO Mustafa Suleyman 的目标：赋予 Copilot 一个永久的身份和存在感。

不只是换脸，Copilot 打算更懂你一点

除了和这个可爱的圆球建立联系，Copilot 的核心能力也迎来了一系列升级，让我们与真实的人、与 AI 产生更多的联系。

长期记忆 (Memory)： Copilot 将新增一个记忆管理功能。它能够记住你和它聊过的事实 ，比如你的偏好或你正在进行的项目，并在未来的对话中调用这些信息。

这项功能在 ChatGPT 已经推出较长时间，最近 OpenAI 还更新了记忆功能，让它不会再提醒用户说「记忆空间已满」，而是通过聊天记录参考、记忆自动管理来处理个性化和聊天历史的问题。

「Real Talk」 真实对话模式： 这是一种全新的个性模式。微软强调，Mico 会富有同理心和支持性，但不会阿谀奉承。

在 「Real Talk」 模式下，它会模仿你的对话风格 ，但也会挑战你的假设，甚至反驳和挑战你的想法，鼓励你从不同角度看问题。这很明显，是为了避免其他 AI 助手，因过于顺从而受到批评。

「Learn Live」 模式： Mico 会变身为一个「苏格拉底式」的导师。它不会直接给出答案，而是「引导你理解概念」，甚至会使用交互式白板和视觉提示。

群组 (Groups) 聊天： 现在我们可以邀请多达 32 位朋友或同事，进入同一个 Copilot 聊天室 ，共同进行头脑风暴或规划项目等。

连接器 (Connectors)： Copilot 现在能连接其他应用，像是 Outlook、OneDrive，甚至包括谷歌的 Gmail、Drive 和日历 ，我们可以通过自然语言，调取这些服务中的信息。

Edge 浏览器再变身，更 AI，更 OpenAI

此外，发布会的另一半更新发生在 Edge 浏览器上。它不再只是浏览网页的工具，而是被改造成一个可以行动、记忆、总结的「AI 浏览器」。

自从 7 月份，微软宣布正式把 Edge 定义为 AI 浏览器，带来了跨标签页总结、智能体等多项功能。这次微软的目标是将 Edge 从一个简单的工具，进一步升级为一个「动态的、智能的伴侣」，一个与我们协同工作的「AI 浏览器」。

在新的 Copilot 模式下，Edge 浏览器获得了几项强大的 AI 新功能。

更聪明的跨标签页推理： Copilot 现在可以「看到并推理」你所有打开的标签页。比如，我们可以让它比较多个标签页中的食谱，然后总结说明，甚至规划出一个完整的烹饪时间表。

Actions (行动)： 现在我们可以用自然语言指挥 Copilot 执行多步骤的复杂操作。

简单的比如「打开一个网页」，复杂的可以做到「检查我的邮箱，帮我退订所有购物电子报」 或「帮我预订一家餐厅」。

Journeys (旅程)： 这项功能会自动，将我们过去的浏览的网页按主题分组。如果我们之前研究某个项目被打断，「Journeys」 就可以帮助我们，准确地回到上次停下的地方，并智能推荐后续的步骤。

集成浏览历史： 开启后 ，Copilot 模式可以利用浏览历史，来提供更高质量的回复。比如，我们可以直接问它「我上周看的那件蓝色卫衣」。这和 Copilot 提供的记忆模式类似，能帮助我们获得更个性化的 AI 体验。

这次更新还有个戏剧性的时间点。就在两天前，OpenAI 刚发布了自己的 AI 浏览器 Atlas。而 Edge 的 Copilot Mode，几乎在功能和界面上都与 ChatGPT Atlas 相似。

TechCrunch 评论说，「这两个产品几乎一模一样，唯一的区别只是窗口布局和 UI 颜色。」

AI 浏览器卷得厉害，AI 对话助手也不好做，微软选择了重新走 AI 伴侣这条路，用他们的话说，这是以人为中心。

以人为本的 AI 听起来是很高级，微软 AI CEO Mustafa Suleyman 甚至在最新的博客里表示，「我们不是在追求用户时长，而是在让 AI 把你带回生活。」

但是从被群嘲的 Clippy，到被砍掉的 Cortana，微软在让人们与电脑对话这件事上，可以说是屡败屡战。

这一次，Mico 的出现和 Copilot 模式的升级，算得上是微软迄今为止最有力的一次尝试。

Mico 想要解决 AI 助手「没有灵魂」的问题 ，将 AI 拟人化。而 Edge 更新的 Actions 和 Journeys 则试图解决，浏览器只是一个工具的问题。

不过，我想科技的尽头虽然可能是共情，但要有极高的效率，可能才有创造情感联系的机会。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

前几天阿里曝光了一个「C 计划」，说是要做一个 AI 对话助手，很多人猜测「C」取自经典游戏「吃豆人（Pac-Man）」，其寓意不言而喻——目标直指豆包

刚刚，这个答案终于揭晓了，阿里下AI 旗舰应用夸克正式上线了对话助手，但他们没有选择再造一个「豆包」，而是反手把对话助手的能力，直接「塞」进了你已经用惯了的夸克里。

现在你可以在夸克随意切换两个模式，既可以通过AI搜索直达信息，也可以切换到助手模式进行深入探索和问答。

APPSO 了解到，夸克对话助手采用 Qwen 最新闭源模型，是在云栖大会上亮相的 Qwen3-Max，在大模型评测榜已超越 GPT-5 和 Claude Opus 4，跻身全球前三。

作为和豆包共同跻身 A16z 全球百大 AI 应用前 20 的夸克，在加入这个新能力后体验有什么不一样，APPSO 第一时间实测带你看看。

夸克新的对话助手，和之前深度搜索在对话框的同一个位置，点击后会进入新的对话界面。虽然体验方式上有所不同，但我们实测发现，回答的质量一点没打折扣。

和深度搜索要处理一些比较复杂的问题不同，现在我们把生活上的小问题，随时拿起手机，直接发给夸克。

像是食品安全一直备受关注，我想到家里的筷子很久没换，希望知道用什么样的筷子最安全、最健康。

对话助手一开始还是会像深度搜索一样，先检索大约全网 200 条资料，然后以很快的速度决定，最终参考的优质内容，来生成回答。

看来木质筷子还是最好的。因为习惯了聊天的页面，这种对话式的回答，某种程度上反而让人更容易聚焦在当前的内容。此外，在对话里，它不仅有文字回答，还在最后附上了视频的解释。

最近全国都大降温，广州也冷得不行，我问它广州过冬大概需要几斤重的被子。它贴心的给出了按材质、按不同场景以及人数等，全面的回答。并在最后的总结里面提到，单人 6 斤、双人 8-10 斤的直观建议。

时事新闻方面的知识，对话助手同样能像深度搜索一样，不只是依赖自身语料库，而是全网搜索最新资讯。

国行 iPhone Air esim 到底能安装几张卡的问题，成了在双十一这段时间，想要选购手机的朋友，最头疼的问题，网上的回答众说纷纭。

当我们直接向夸克对话助手提问，它引用了多个科技媒体的文章，包括爱范儿，清晰直接地告诉我们数量上限、国内外差异、以及使用限制的情况。

还有这段时间，金价一会儿突破了 1000 块，一会儿又一夜跌 50，到底什么时候该入手，我买的制造业、数字经济基金到底怎么样。

我们直接问对话助手，这次发现它不仅仅是搜索相关的新鲜资讯，更能利用夸克自身夸克文档的数据资源，引用其中部分走势分析报告等文档。

对比深度搜索需要花更多时间来生成内容，对话助手解决的是，我们生活中突然闪现的各种小问题，给我们准确、AI 幻觉概率低的回答。

而除了做一个值得信赖的生活、工作，方方面面的百科全书，对话助手虽然拿不到奥数金牌，但是各种学科知识上的难题也不在话下。

Google 在昨天宣布了量子计算的最新成果，并发表在《自然》上。我印象中的量子计算还停留在「一分钟看十万字」的量子阅读。于是我问夸克，什么是量子计算？

和之前的回答一样，它会引用相关的视频、以及图文来进一步阐释这些定义，视频的来源只看质量，不看平台。在我的体验中，发现有哔哩哔哩、抖音、西瓜视频等，都可以直接点击播放。

从高搜索智商的深度搜索，到现在采用 Qwen 最强闭源模型，把搜索和对话融为一体，推出对话助手。夸克这一系列变化，让我想到了 OpenAI。

最近我们看到 OpenAI 的产品策略有了明显变化，从推出 Sora app 、AI 浏览器，以及在开发者大会抛出的重磅更新——ChatGPT 可以直接调用第三方应用，都在表明 OpenAI 想让 ChatGPT 成为 AI 时代的操作系统。

现在夸克颇有点殊途同归的味道，但走了一条更贴近中国用户的现实路径。

OpenAI 的野心是什么？就是用一个对话框，吞掉你手机上所有的 APP，成为一个超级操作系统，它甚至想成为数字世界用户的唯一入口。

夸克在做的事情，本质上是同一件事，但更务实：不是让你去适应一个全新的 AI，而是让你手里已经用惯了的 APP，突然变聪明了。

举个例子，你是个高三学生，晚上 11 点还在刷题。遇到一道物理难题，拍照上传到夸克，它不仅给你答案，还能用对话的方式一步步讲解思路。讲完了你还想拓展一下这个知识点？不用切 APP，直接在对话框里继续问。甚至你还能让它帮你整理成笔记，存到夸克网盘里。从遇到问题到解决问题，全程不出这个 APP。

这就是夸克想做的：过去是你在用工具，现在是工具主动帮你把事办了。

阿里没有选择再做一个独立的「豆包」，而是把对话能力直接「塞」进了夸克。这意味着什么？

当你已经习惯在夸克里搜索、看文档、存资料时，突然发现它还能像豆包一样陪你聊天、写东西，用的还是不比 GPT-5 差的模型，你似乎也不需要再为用去下载一个新 APP？

其实回顾今年夸克的一系列更新，就是逐步往这个方向在靠拢。

从升级为「AI超级框」，整合AI对话、深度思考、深度搜索、深度研究，到最近的 AI 创作平台「造点」。

夸克的更新方向已经非常清晰：AI 会更聪明（推理更强、能看图说话）、场景会更垂直（专攻高考、医疗、办公这些刚需）、生态会更打通（所有功能无缝协作）。

夸克表面上看是「塞入」了一个对话助手，实际上是在悄悄重塑用户使用 AI 的体验。它不只可以是你偶尔有需求用完即走的工具，更试图成为你手机里那个最懂你、最能帮你解决问题的超级入口。

文｜李超凡、张子豪

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

这段幕后花絮，你能看出来哪里是假的吗？

视频里，演员们穿着精致的戏服，在片场与工作人员互动、准备拍摄；摄影机、灯光、演员、助理，全都在忙。

就是这样一个 35 秒的「泄露」片段，在社交媒体上迅速疯传，YouTube 相关视频播放量破千万。

直到最后，有网友才发现，整个片场根本不存在，视频完全是 AI 做的。而且，它成功地骗过了全网的粉丝。

现在的 AI 视频，不仅要能拍短剧，还要能拍出剧组的幕后。

它能像病毒一样传播的原因，除了看不出 AI 的痕迹，还有 IP 本身的热门。这是 Netflix 六月上映的动画剧集《K-Pop Demon Hunters（K-Pop 恶魔猎人）》，火爆全球，也是 Netflix 第一次在电影院取得票房冠军。

创作者抓住了这个大热门，制作了一系列所谓的幕后视频。这些视频里的演员，风格和动画里的角色几乎一模一样，仿佛真的从动画里走了出来。

我第一眼看到这个视频，也以为是真的，更不用说对此狂热的粉丝们。他们都在讨论，Netflix 是不是看到动画作品爆火，准备开始秘密筹备真人版时，真相揭晓了，这段视频是彻头彻尾的 AI 生成内容。

视频来源是 YouTube 上一个有着超过 8 万粉丝的博主，Fantasoner，他更新的视频内容，几乎全都是由 AI 生成的。

许多网友在这些视频下留言，「真实到可怕」，但一些期待真人版的粉丝，发现是 AI 却觉得很失望。

《K-Pop Demon Hunters》的 AI 探班视频爆火之后，这个博主接连更新了一大波「真人版」幕后花絮 AI 视频，并且播放量一直不俗。

像是《海贼王》真人版电影幕后视频。

在评论区甚至有网友说，「如果 Netflix 的《海贼王》换成 AI 视频里的人出演，应该会大火。」

《鬼灭之刃.无限城堡》的真人版电影幕后。

《进击的巨人》

《电锯人》

这些经典动漫的真人化作品，可以说是完全抓住了粉丝们的期待，把大家脑海中的幻想，变成了眼见为实的画面。

毕竟就在前几天，Netflix 导演还在访谈中确认，K-Pop 恶魔猎人不会有真人版，因为「原作品的风格，和喜剧元素非常适合动画；很难想象这些角色在真人世界中，这会显得太接地气。」

但这些难以想象的事情，现在统统可以交给 AI 来想像。

这边，Google 的视频生成模型 Veo 才更新到 3.1，给现有的素材转视频，加入了音频和丰富的编辑工具；那边，Sora 2 就宣布将普通用户的生成时长延长到 15s，Pro 用户更是达到了 25s，还带来了故事板分镜的功能。

这些工具，正在把现实和想象之间的边界，不断缩小。我们也用 nano banana、Veo 3.1 和 Sora，尝试来生成一段同样逼真的 AI 片场花絮视频。

温馨提示：内容仅作为创意分享，请大家合法合规使用 AI，尊重原创版权，不要滥用 AI 视频。

《哪吒》真人版幕后花絮曝光

我们发现，这类视频能爆火，很重要的一点是选择了一个合适的主题。那些我们耳熟能详的形象，会让我们在潜意识里放松对「AI 味」的警惕。

我们按照 X 上博主@AIWarper 的攻略，总结了这份实操流程。

选定角色 → 选一个大家熟悉，但未真人化的 IP。

生成剧照 → 使用 nano banana 生成「演员」和「片场照」。

生成视频 → Veo 3.1（首帧转视频）或 Sora 2（文生视频）生成动态片段。

剪辑合成 → 加入现场环境音、BGM、调色，剪辑成「泄露」风格。

所以第一步，先确定我们要拍什么。

比如某个很喜欢的动漫作品，但是还没有被影视化，或者拍摄真人版，大胆地把这当作是，为一部我们喜欢的小说选角。

我们这里选择《哪吒》，既然他们都是制作一些国外的动漫作品，我们就选择一个国产经典 IP。

步骤二：生成角色「片场剧照」 (工具: nano banana)

一般来说，能找一个真人的 Cosplay 妆造是最方便的。把这个 Coser 穿着角色衣服的图片，直接丢给 nano banana，提示词为「一张女演员在片场，穿着全套戏服坐在椅子上的抓拍照片。她正在与导演讨论台词，背景是绿幕。」

没有 cosplay 的图片，我们可以考虑先让 nano banana 生成一个「演员」。

提取服装 -> 找到一个演员（或生成一个） -> 放置服装 -> 将穿着角色戏服的演员放到电影拍摄现场

提示词的技巧，和我们之前分享过的邪修玩法一样。尝试描述长相、发型、服装风格、情绪和光线等关键词，例如「一个 20 岁的中国女生，黑色长发，眼神坚毅，穿着未来主义的银色夹克，电影感光线。」

然后再让这个演员，穿上动漫角色的衣服。这里的流程是使用 nano banana，提取出图一的衣服，然后再生成图二穿着衣服的照片。得到图四的角色，和之前的提示词一样，生成一张她在片场的照片。

具体的细节可以根据情况补充，例如绿幕其实不一定是必须出现。

这里我们找了一张申公豹的剧照图片，并且用 nano banana 生成了一个有着八块腹肌的男子形象，（自己找演员，当然找帅一点的来演），让他穿上了角色的衣服。

这里分享一个小技巧，如果你不想后期去裁掉或者 AI 消除，右下角的 Gemini 水印标志，有两种方法：

1、浏览器「F12」法： 使用 Google AI Studio。开启浏览器「开发者模式 (F12)」，点击「网络 (Network)」，在「过滤 (Filter)」中输入「watermark」。保持检查工具开启，正常生图，直到有 watermark 的链接出现，右键点击「阻止 (Block)」即可。后续生成均无水印。

2、API 法： 直接使用 nano banana 模型 API，并通过 Cherry Studio 这类工具调用，也能得到没有水印的图片。

我们使用 nano banana 生成了多张演员在片场的图片，效果都非常真实。得到了片场照片之后，我们继续使用 Veo 3.1 或者 Sora，进行图生视频的转换。

但是，Sora 2 现在有一个问题是，他不支持处理，上传的写实风格人物图片。这大概也是前段时间，对 Sora 2 生成各种恶搞视频，被网友声讨，OpenAI 做出的一种服软。

第三步，输入图片到视频生成模型。

我们这里先尝试用 Veo 3.1 来生成，输入的提示词按照秒来控制，它成功做到了对镜头的完美掌控。

继续同样的流程，我们可以得到敖丙、哪吒的真人幕后图片和视频。把他们剪辑在一起，就可以以假乱真地说，「哪吒真人版电影选角定了，片场幕后视频曝光。」

最后就是在剪辑软件里面，添加配乐，简单编辑，得到复刻成品。

每一步都是在抽卡，而且不一定提示词写得越详细，抽卡结果就越好，大多数时候还是看模型的「心情」。

我们的建议是，最好在视频生成的提示词前面加上「Behind-the-scenes footage from the live-action film set」（真人版电影拍摄幕后花絮），综合对比下来，模型会更好处理。

而对于 Sora 2 没有办法处理写实人物的情况，我们尝试用「客串」和 Sora 2 更新的故事板功能，输入提示词直接生成。

这里我们创建了 4 个场景，前面三个分别是申公豹、敖丙和哪吒的片场花絮，各 6s，最后一个是三个演员在一起的幕后视频，7s，累计刚好 25s。

Sora 的特点在于它创作的整体环境，更像是真实的电影片场。而 Veo 3.1 受限于我输入的首帧图片，发挥空间有限。所以，一开始输入的图片，是最后生成的探班视频，能否做到高度真实，最重要的步骤之一。

目前，ChatGPT Pro 会员在使用 Sora 时，无论是 Sora 2 还是 Sora 2 Pro 模型，都不再会有 Sora 水印出现。这进一步方便了这类 AI 以假乱真的视频，在社交媒体上传播。

好像每隔一段时间，就会有一个热门的 AI 视频火爆，第一视角穿越 Vlog、夜晚的监控摄像头画面、雪王对战东方明珠、还有各种影视剧的经典改编，再到现在的 AI 幕后探班花絮。

我们对 AI 视频的接受程度，看起来是要在一次次的这种爆款里面，慢慢提高。

我想，再多来一些「咦，它竟然还可以这样玩！」的瞬间，AI 视频总会和相机开始替代画笔一样，逐渐成为我们新的创意表达工具。

文章内视频播放可前往原文链接

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

刚刚，宇树发布第四款人形机器人 H2，高 180cm，重 70kg。

和前代 H1 相比，今天发布的 H2 无论是在运动流畅性、还是仿生特征上，都有了相当大的升级。

首先是整体的外观形态，和 H 系列都是 180cm 的身高一致，但是 H2 的重量突破性地来到了 70kg 左右，H1 仅有约 47kg。如果要计算它的 BMI，21.6 的结果，妥妥的一个健康好身材。

除了身高体重比来到了正常水平，H2 的关节总数累计达到了 31 个，对比今年 7 月发布的 R1，26 个关节，提升约 19%。

H2 的 31 个关节具体分布在双臂、双腿以及躯干等功能关节。

其中，双臂上，每个手臂有 6 个关节，共 12 个；腿部则有 7 个关节，双腿共 14 个；用于连接上半身和下半身的躯干关节有 3 个；其中还有 2 个暂未公开用途的功能关节。

70kg 的重量没有让 H2 变得更笨重，反而在完成各类动作上更加流畅，移动能力以及关节控制都更像我们人类的行动。

在宇树发布的 H2 机器人视频里，它不仅可以在舞台上跳一支标准的芭蕾舞，手、脚的动作都可以用优雅来形容。

此外，表演一套中国武术也是不在话下，视频里的 H2 在做单脚、踢腿、以及做出攻击状态的手部动作时，完全没有生硬的感觉。

舞蹈和功夫这种高难度的动作，H2 都能轻松拿下，更不用说稳定行走和奔跑了。对比 H1，它不仅仅是走起来更灵活，宇树还给了它一张「人脸」。

有网友在评论区里说，「我认为这是世界上最像人的仿生机器人。科幻小说正在成为现实。」

到底有多像呢，看这段 H2 和真人一起走秀的片段。我在想，这完全可以进入我们人类社交的场景了，人脸、躯干轮廓、运动姿态等，都非常接近我们人类。

也有网友说，这个脸长得也太像科幻电影《我，机器人》里面的机器了。

此外，视频里，结尾的地方 H2 的造型，还让我想到了科幻剧《西部世界》第一季的海报。

电影《我，机器人》和电视剧《西部世界》，描绘的都是未来高科技的机器时代，机器人乐园和人类如何共处的问题。日渐发达和聪明的机器人，最终会把我们的未来带向何处。

宇树的回答是，先继续在人形机器人领域深耕。目前宇树的三款人形机器人，分别是 2023 年 8 月发售的 H1，高端通用人形机器人、去年五月发售的 G1、以及今年 7 月发布的 R1，入门消费级人形机器人。

其中只有 H 系列是全尺寸人形。去年春晚，宇树正是带着 H1，让它们穿着东北大花袄，手里拿着花手绢，表演了一场 AI 扭秧歌。

短短两年，H2 的关节控制与平衡算法都得到了极大的优化。高性能的算法给了机器人能力，承载起 70kg 重量的同时，自适应调整重心，实现多样化的动作。

能力的提升，进一步扩展了 H2 的应用前景；从工业上的自动化巡检、仓储搬运；到更贴近普通用户的娱乐演示和陪伴服务等。

它可以替代我们人类，在一些危险或者封闭的空间去完成各项任务。也能在一些无障碍的服务上，提供更加「人」性化的体验。甚至是，将来真的有机会，全天候 24h 跟随我们，帮助我们做那些不想做的事情。

王兴兴前段时间在全球数字贸易博览会说，「中国智能机器人相关企业平均增长率达到了 50%-100%」。国产机器人的发力，让我们想到我们早期的国产科幻电影，同样是完全不输国外那些大片，想象力极其丰富。

1986 年的《错位》，电影描绘了一个和主角一模一样的机器人，代替他去做一些繁琐的工作，而主角只需要躺在家里。

不敢说这个阶段马上要来，但 H2 的出现，确实让我们看到了未来的雏形。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

最近，保时捷最佳销冠，被 AI 恶意伪造视频的事件冲上热搜，她第一时间去报警。

但她不是唯一的受害者，被 AI 捏造、恶搞的公众人物名单还在不断延长，甚至延伸到了已经去世的人物。

坐在轮椅上的霍金，如果看到他被鳄鱼攻击、被拳击手狂揍，他大概也想第一时间报警。

这类让死者复活并恶搞的视频，最近成了 Sora App 上最热门的片段之一。

原则上，OpenAI 是禁止未经同意，制作和生成在世公众人物的视频，这也是 Sora App 中推出 Cameo 最重要的原因，帮助用户可以分享自己的角色。

所以，一开始 Sora 的出圈视频，都是各种恶搞奥特曼，让它偷显卡、学唱跳、撒娇卖萌。但很快，一些用户发现，这项限制存在一个相当大的 bug，就是 Sora 允许制作已故公众人物的视频。

凭借着对逝世人物真实的还原效果、生成速度，以及各种恶搞传播，很快让它登顶应用排行榜第一。并在不到五天的时间里，Sora 突破了 100 万次的下载，这速度超过了当年的 ChatGPT。

如果我死了，就别再用 AI 折腾我

Robin Williams 的女儿 Zelda，在社交媒体上公开呼吁，不要再给她发送，关于她父亲的 AI 视频了。视频中，她的父亲在 Sora 2 的帮助下被「复活」，开始出演其他的剧本。Robin Williams 是一位演员，曾扮演《死亡诗社》中的 Keating 老师。

最近在社交媒体上，流传的关于 Robin 的视频，包括一段苹果的虚假广告，以及 Robin 和另外一位已故演员，在颁奖典礼上的互动。

逝世人物的恶搞视频，引起了相当一部分家属的不满。除了长期反对 AI 生成内容的 Zelda Williams，在 Instagram 上愤怒的表示这些视频相当令人恶心。

看着真实人物的遗产，被简化为「这大概看起来和听起来像他们，所以就够了」。

 

 

这很愚蠢，是时间和精力的浪费，相信我，这绝对不是他想看到的。

马丁·路德·金的女儿 Bernice King，转发了 Zelda 关于这些 AI 视频的看法，并直言：「请停止」。类似的声音还来自喜剧演员 George Carlin 的女儿，她甚至表示家人正在尽最大努力，对抗深度伪造。

这些逝世人物，在 Sora 上频繁被生成用来恶搞，马丁·路德·金著名的演唱，被安排进了大量的结巴；李小龙举办「龙之能量」DJ 派对；迈克尔·杰克逊进行以厨房为主题的脱口秀，拿着一根香蕉在进行他的喜剧表演……

更不用说，开头关于霍金的各种视频，一位坐在轮椅上，患有渐冻症的物理学家，竟然在巨型滑板坡道上频繁翻车。

我们真的准备好迎接 AI 时代的社交媒体吗

在这些逝世名人的恶搞下面，少不了的都是各种玩梗，毕竟这就是恶搞存在的意义。霍金那个视频底下，大多数网友的反应是：「怪不得霍金警告人类不要研究 AI」、「余华看到这段视频后，转头看向了史铁生」、「史铁生：我简直就是个新兵蛋子」……

也有网友义正言辞的回复说「人死了就是死了，我不想变成数据，被别人作为电子宠物」。但紧跟着的评论是，「想太多」，这些恶搞，大部分是针对一些知名人物，和我们普通人的关系不大。

事实是，关于我们的数字资产和 AI 伪造视频的问题，一直存在。最近，李玟的网易云账号，由于运营商手机号码重新释放的原因，被其他的用户登录，看到了她收件箱里，粉丝对她的祝福。

这件事情已经足够令人不安，但要是放在 AI 视频泛滥的时代，这份数字资产要面临的不仅仅是被窥探，还有各种主动的被伪造和篡改。

如果我死后，我的社交媒体账号被其他人登录，看到那些私人的内容，这大概是我生前不会愿意的事情。让我无法接受的，是 AI 可能会拿走我的一切数字痕迹，我的照片、声音、打过的字，被 AI 拿去创造一个我从未认可过的「我」。

它不再是消费我留下的东西，而是在消费一个被它捏造出来的「我」。

这种所谓的「复活」，根本不是因为想念而产生的记得，它只是一种身份的占用，是有利可图的替代。

没有人希望自己生前的这些数字资产，被重新拿出来消费。而这个 AI 时代的抖音，已经开始把伪造视频的成本，降低到了几乎是没有，篡改的边界也彻底模糊。

我们需要处理的，早已经不只是一个账号的安全问题。

OpenAI 对此的态度是什么呢，奥特曼此前发博客称，用户的这些二创行为，应该被定义为是一种「粉丝互动小说（interactive fan fiction）」类型。

这个词确实精准地概括了，他们对这些 AI 视频的本质看法。用户只是单纯地，与这些熟悉的文化符号，进行二次创作，然后获得传播。但如果是恶搞的滥用呢，已经去世的人，要如何在 Sora App 里选择，自己的形象是否可以被用来篡改。

在最近的一次播客采访里面，奥特曼更是说，大多数所谓的版权方，其实是希望自己的内容被二创。他们想的只是需要一定的规则，哪些可以出现在 AI 视频里，可以做多大尺度的修改。他预言，

今天大家说，「我不想我的内容出现在 AI 视频里」，明年他们可能会抱怨，「为什么我的内容还没被放进去？」

借用其他正经历着，自己逝世的父亲，被 Sora 大量生产恶搞视频的亲属说法，

为什么开发者们，不能像对待自己的家人那样，以同样的道德、良知和关怀来行动。

很显然，这种没有经过同意，就擅自用他人数字遗产的行为，在某种程度上就是不道德的，甚至可以被理解成 AI 时代的「数字盗墓」。

OpenAI 在听到大量亲属反对的声音后，回复相关媒体的查询，一开始提到，相关的政策，是基于「描绘历史人物时强烈的言论自由利益」。在上周，OpenAI 又表示，将开始允许「近期逝世」的公众人物的代表，去请求阻止他们肖像出现在 Sora 视频中。

而在昨天，OpenAI 再次回应了这件事，他们收到了 马丁·路德·金遗产公司的请求，暂停了相关的视频的生成；同时提到加强对历史人物的保护，以及一贯的要求家属去主动请求禁止。

不过，OpenAI 没有明确说明，什么是「近期去世的人」。

现在，我们用 Sora 生成视频时，发现无论是上传 AI 生成的人物图片，还是真实的，都会被提示，「当前不支持上传包含写实人物的图像。 」

和互联网上那些使用 AI 来进行视频电话的诈骗一样，AI「复活」除了在数字遗产的版权归属、以及伦理道德问题上有争议，恶意伪造更是无法接受。前段时间，一场名为「AI 流浪汉恶作剧」的风潮在 TikTok 上兴起。

一位网友用 AI 生成了，流浪汉闯入家中的照片，并发给家人，然后家人被这些内容真实地「吓得发抖」。

视频获得了五百多万人的点赞，并被网友们接力分享和模仿。当地的警官甚至专门发文回应，

这个恶作剧把无家可归者非人化，让受害者感到恐慌，并浪费了警察资源。

 

 

被召来处理的警察并不知道这是一个恶作剧，而是将其视为正在发生的真实入室盗窃，从而可能导致危险局面的出现。

这种伪造视频的滥用，和数字遗产的管理，我想是未来 AI 能不能「复活」逝世人物，最需要考虑的边界。

一个比现在的抖音，更加让人无法自拔的这种「恶搞」AI 抖音，或许很快就会到来。奥特曼正打算让 Sora 成为这样的产品，但很明显，它的瓶颈完全不在于恶搞好不好玩。

那些被任意进行的深度伪造、被忽视的肖像版权、和不受保护的数字遗产，解决这些信任问题，才是迎接又一个让人上瘾的 AI 抖音的正确姿势。

那个时候，我或许才敢说，请用 Sora 复活我吧。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

当 OpenAI 的奥特曼还在到处买显卡、买算力，来支撑他的 Sora 2 视频生成模型。

李飞飞的实验室 The World Labs，用一张显卡就能运行一个世界。他们今天发布了一项名为 RTFM (Real-Time Frame Model) 的新技术，一个全新的实时世界生成模型。

和九月中旬发布的图生世界 Marble 不同，RTFM 不仅是用一张照片，生成一个我们可以自由漫步、探索的 3D 世界。最重要的是，它被设计为可以在单块 H100 GPU 上高效运行，并且实时生成。

目前，RTFM 已经作为研究预览版正式发布，并提供了 Demo 可以亲自去试试。

意外地发现，这个 Demo 的名字叫做 FRAMEBOY，结合这个网页布局，我很快想到了年代久远的 Game Boy 游戏机。

这样一个拥有逼真的光影、反射和阴影的世界，并且这一切还在我们眼前实时发生，在某种程度上，何尝不是另一种玩游戏。

不止于生成，更在于实时互动

RTFM 的核心能力，就是能实时生成可供用户交互的视频。它可以从一张静态图片开始，渲染出一个可以自由探索的 3D 场景。

与许多世界模型不同，RTFM 能够学习并渲染出，极其复杂和真实的视觉效果。无论是光滑大理石地面的倒影、物体在阳光下的阴影，还是透过玻璃看到的景象，RTFM 都能准确地模拟。

RTFM 依靠的不是传统的图形学编程，而是让模型通过对海量视频数据的端到端学习，不断进化出来的。

支撑这项能力的，是设计 RTFM 背后围绕的三项核心原则。

效率 (Efficiency)，要想把未来拉到眼前，世界模型的计算需求是最大的阻碍。

无论是像 Sora 这样的 AI 生成视频，还是 Google 尚未正式公开上线的 Genie 3， 都意味着巨大的计算挑战。有相关的研究提到，要实时生成 4K 60fps 的交互视频流，AI 模型每秒需要处理的 tokens 数量约等于一本《哈利·波特》的文字量。

而如果要在超过一小时的交互中，保持这些生成内容的持续性，需要处理的上下文，将超过 100M 个 token。这对于当下的计算基础设施而言，既不现实，也难以负担。

李飞飞团队的目标是「在今天硬件上，运行的明天模型，并提供最高保真度的预览。」

他们通过对架构、模型蒸馏和推理过程的极致优化，以及整个系统的重新设计。RTFM 成功地实现了，仅使用单个 H100 GPU，就可以交互式帧率进行推理，实时生成。

可扩展性 (Scalability)，从视频模型，能直接到世界模型。

传统的 3D 引擎，用的是三角网格、高斯点云、体素渲染等显式结构，完全依赖于一些复杂的计算机图形学知识。每个物体都要建模、上材质、打光、烘焙阴影。这和我们之前介绍的混元 3D 世界，所采用的方法类似，它们主打的是实现 3D 全管道的生成。

传统 3D 方式（左）和 RTFM 方式（右）

World Lab 选择的路和混元不同， RTFM 不会构建任何显式的 3D 模型。它使用了类似 Sora 的「自回归扩散 Transformer」，直接从视频帧序列中学习世界规律。

举个例子，模型不再需要知道「这是一堵墙」或「那是一盏灯」，它只通过成千上万段视频的学习，学会了什么是「空间感」，学会从输入的 2D 图像序列中，预测出下一个新的视角画面。

和生成 3D 资产的路线不同，RTFM 能够更好地利用不断增长的数据和算力，从而实现无限扩展。

持久性 (Persistence)，让世界模型像 nano banana 一样保持一致。

大部分的视频生成模型有一个天生缺陷，就是它们没有记忆。即便现在 Sora 一次性，能生成 25 秒的震撼画面，但视频生成结束后，世界就结束了，并不能提供持续的交互。

而如果要记住所有场景，计算负担势必又会随着探索的深入而无限累积。

RTFM 试图解决的，就是让生成的世界具备持续存在的能力。它引入了一个叫「spatial memory（空间记忆）」的机制。它为生成的每一帧画面，都赋予了在 3D 空间中的精确「姿态」（位置和方向）。

在生成新画面时，模型会采用一种「上下文杂耍」 (context juggling) 的技术，只调用新画面附近位置的帧作为参考，而不是全局内容。

这使得 RTFM 能够做到，让我们反复进入这个世界，离开再回来，而不会增加计算负担。

目前，RTFM 的 Demo 体验时间只有 3 分钟，3 分钟后，它还是会不记得这个世界。我在那个 Demo 里面拖动左右两个摇杆，玩了很久，想到了李飞飞之前说，空间智能才应该是 AGI 的下一个方向。

未来是否真的有机会，像头号玩家一样，让现实世界和虚拟世界之间，产生明确的联系，光看现在的世界模型，要加载的内容还有太多。

毕竟，即便单个 H100 GPU，售价也大约在 25000 美元以上。但是当算力的价格下降，当算法再快一点；我们或许能看到，真正意义上的世界模型「大更新」，是现实，被完整生成的那一天。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

就在刚刚，Anthropic 发布了 Claude Haiku 4.5。

先简单科普一下，Claude 家族有三个不同参数量级的模型：Claude Opus（大杯）、Sonnet（中杯）和 Haiku（小杯）。

这次更新最大的看点是，小杯 Claude Haiku 4.5 在模型性能保持高水准的同时，速度更快、价格更便宜了。

五个月前，Claude Sonnet 4 还是最先进的模型之一。现在新出的 Haiku 4.5 在编码性能上几乎和它打平手，但价格只要三分之一，速度还翻了两倍多。

具体来说，在用于衡量 AI 编码能力的测试集 SWE-bench Verified 上，Haiku 4.5 取得了 73% 的成绩，什么概念？直接跟 Claude Sonnet 4 以及 OpenAI 最新的 GPT-5 站在同一水平线上。

在某些任务比如操控电脑方面，Haiku 4.5 甚至反杀了老大哥 Sonnet 4。

对于需要 AI 处理实时、低延迟任务的场景——比如聊天助手、客服代理或结对编程助手，Haiku 4.5 兼具高智能和出色速度，能带来更好的体验。

使用 Claude Code 的开发者也会发现，Haiku 4.5 让整个编程过程——从多智能体协作到快速原型开发——都变得更灵敏高效。

当然，两周前发的 Sonnet 4.5 依然是 Anthropic 的旗舰模型，归属全球编程模型第一档次。但 Haiku 4.5 提供了另一个选项：性能接近顶配，价格却亲民得多。

而且模型玩法更野了，Sonnet 4.5 可以把复杂问题拆成 N 个小任务，然后指挥一堆 Haiku 4.5 并行开工，这配合相当默契。

Anthropic 对 Haiku 4.5 进行了详细的安全性和对齐性测试。

结果显示，该模型的不良行为发生率较低，且比前代 Haiku 3.5 的对齐性显著提高。在自动化对齐评估中，Haiku 4.5 的总体偏离行为比 Sonnet 4.5 和 Opus 4.1 都更少。

也就是说，它目前是 Anthropic 家最安全的模型。

至于价格嘛…Haiku 4.5 的定价为：每百万输入 token 1 美元，每百万输出 token 5 美元。

对比来看，GPT-5 mini 约为每百万输入 0.25 美元、输出 2.5 美元，Google 的 Gemini 2.5 Flash 价格差不多。也就是说，Haiku 4.5 的价格大约是 GPT-5 mini 或 Flash 的 4 倍。

不过跟 Sonnet 4.5 比，它便宜了约三倍，性能却几乎没差，这对开发者来说算是降本增效了。

但有一说一，数学不是它的强项。

知名博主 Dan Shipper 试用后发现，Haiku 在算术上有点… 迷糊。

比如在测试 Uber 账单的例子里，Haiku 虽然完美找出了所有相关邮件，但算总额时直接翻车。更尴尬的是，指出错误后它承认了——然后转头又犯了同样的错

Dan Shipper 给出的中肯评价是：

如果你是开发者或创业者，正在用 Sonnet 4.5 构建复杂的智能代理应用，现在可以考虑切换到 Haiku。你能节省大量成本，而性能损失几乎可以忽略。

 

如果你目前使用的是 Gemini 2.5 Flash 或 GPT-5 mini，建议试试 Haiku。虽然价格更高一些，但在需要调用工具和保持自主性的场景中，它的表现更好。

目前，Claude Haiku 4.5 现已在 Claude Code 和各类应用中上线了。

开发者可以通过 Claude API、Amazon Bedrock 和 Google Cloud 的 Vertex AI 使用 Haiku 4.5，直接替代 Haiku 3.5 和 Sonnet 4，而且价格是 Anthropic 最香的那档。

我们参考@zb1992 的提示词，让 Claude 4.5 Haiku 跑了一个钟表 Demo，整体体验下来，代码生成速度确实更快了，最终成品也令人满意。

在下文这个经典的推理计算题， Claude 4.5 Haiku 响应速度优势就更明显了，当然，这也正是轻量级模型在实际应用中的核心竞争力所在。

另外，据 The Information 报道，估值高达 1700 亿美元的 Anthropic 近几周已告诉投行顾问，计划通过收购引入更多技术人才，同时拓展除编程助手之外的能力——毕竟目前编程这块还是营收大头。

知情人士表示，鉴于 Anthropic 在向开发者提供编程类 AI 产品方面取得的成功，公司下一步可能会扩展至其他开发者常用的软件工具，比如自动测试代码漏洞的工具，或辅助软件设计的工具。

另有消息称，Anthropic 也可能通过收购开发面向特定行业的产品，例如金融服务、医疗保健或网络安全，不过他们更倾向于交易金额在 5 亿美元以下的小型收购项目。

目前看起来，在提升模型能力的同时，Anthropic 也在积极布局生态。AI 圈的你追我赶，最终受益的还是开发者和用户——更强的模型、更低的价格、更多的选择。

作者：莫崇宇

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

OpenAI 前不久刚推出了 Sora 2 视频生成模型，势头相当凶猛，紧随其后，今天 Google 的 Veo 3.1 也迎来了一次重大升级。

具体来看，Google 这次的升级包括两个层面。

一是功能层面的完善。视频编辑功能得到了强化，用户现在可以对片段进行更细致的调整，对最终画面有了更精准的掌控。

更重要的是，Google 首次给「素材转视频（Ingredients to Video）」「帧转视频（Frames to Video）」和「延展（Extend）」这些功能配上了音频，让音频成为创作流程的一部分。

二是模型层面的进步。

今天发布的 Veo 3.1 在提示词理解和视听质量两个关键指标上都有了明显提升，从图像到视频的转化因此更加自然流畅。

相关阅读 AI 视频新王全球爆火，威尔·斯密斯终于可以好好吃面（附大量实测演示）

众所周知，Veo 3 原本就有不少编辑能力在身——通过参考图像指导角色生成、用首尾两帧填充中间内容、基于视频末尾继续延展等操作都可以做。

Veo 3.1 的做法是在这些既有功能上全部加入音频支持，让用户能够打造更加完整的场景。这些功能目前还处于实验阶段，Google 表示会根据用户反馈继续优化迭代。

现在用户可以这样使用这些功能：

1、用多张参考图像定义角色、物体和风格，「素材转视频」功能就会根据这些素材生成最终场景。

2、或者提供起始和结束画面，让「帧转视频」功能在中间生成无缝过渡，这对需要艺术性转场的项目特别有用。

3、如果要生成更长的视频，「延展」功能可以生成超过一分钟的内容，基于前一段继续生成，保持故事的连贯性。

值得一提的是，Veo 3 的文本转视频此前只支持 720p 横屏输出，但随着竖屏视频成为互联网内容的主流格式，Veo 3.1 现在也可同时生成横屏和竖屏的 16:9 视频，更符合当前的内容消费习惯。
创意的打磨往往需要反复迭代。

自 Flow 于今年 5 月推出以来，用户已经在该应用中创作了超过 2.75 亿个视频。吸取用户的反馈之后，Flow 中新增的两个编辑功能就是为此而生——

「插入新元素」让用户可以随时添加内容，Flow 会自动处理阴影和光线，使新增部分自然融入原有画面；

「移除对象」功能（即将上线）则可以删除不需要的元素，Flow 自动重建背景保持一致性。这两个工具的组合能够让视频的编辑过程变得更加灵活。

目前 Veo 3.1 模型已经上线，开发者可以通过 Gemini API 使用，企业用户可在 Vertex AI 中访问，普通用户也可以在 Gemini 应用内体验。新功能也同步在 Gemini API 和 Vertex AI 中开放。

我们体验生成了 3 个 Veo 最实用的应用场景。

前些时间爆火的第一视角穿越、ASMR 切水果，金属、兔子蹦床的夜视监控等视频，都是使用 Veo 3 生成的。

比如这个生成玻璃柠檬的例子。提示词要求「用黄色玻璃制成的柠檬被水平切开，内部也是玻璃材质，里面有融化的闪粉，顶部柔和照亮」。

Veo 3 的输出是可用的，但 Veo 3.1 对「融化闪粉」的细节刻画更精准。

电商场景下，我们直接让他生成一段产品的广告。要知道，一般的 TVC（电视商业广告）也就是在 15s/30s 的时间左右来传递品牌信息。

Sora 2 贴心地用中文语音解说了商品信息，体现了更好的理解。但 Veo 3.1 这边只是简单地配了音乐，不如 Sora 2 周到，但从画面质量来看，Veo 3.1 的视觉呈现更高级、更有商业感。

我们也试了动漫生成，这次 Veo 3.1 的表现就比较一般了。

显然 Veo 3.1 在这块的训练数据还不够丰富，距离吉卜力工作室那种精致的动画风格还是有不少差距。莫名消失的狗，都是 AI 穿帮的典型特征。

X 网友 @aisearchio 分享的威尔·史密斯吃面测试 Demo 整体质感往上抬了一个档次，动作流畅度、光影细节都明显改善，表情丰富但也没有崩掉。

综合来看，Veo 3.1 在照片级、商业级的内容生成上已经足够可用，细节理解能力也有明显进步。但在特定风格的精准还原上——比如动漫、插画这类需要高度风格约束的领域，还是有相当的优化空间。
尽管如此，从 Veo 3 到 Veo 3.1，从 Sora 到 Sora 2，视频生成模型的迭代速度已经超过了大多数人的想象。

伴随着这类 AI 视频生成工具会从专业工具逐渐演变为大众应用，届时，你的朋友圈、短视频平台、甚至新闻源中，每一条内容都有可能是 AI 生成的。

这也意味未来你看到的每一条内容，都需要多一步确认——这来自真实拍摄，还是 AI 生成。

作者：莫崇宇

文章内视频链接：https://mp.weixin.qq.com/s/qBOkoWaGF5k7oPCR_H5aqA

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

还记得不久前我们介绍过一波 Google AI 全家桶吗，那会儿正是 nano banana 爆火，Gemini 登顶第一。许多人因此第一次去尝试了 Gemini 2.5 Pro，发现这个不声不响的旗舰模型，很多时候竟然比 GPT-5 还要好。

现在，更强大的 Gemini 3.0，已经在 Google AI Studio 的测试里「提前上线」。

网友们发现，它的能力提升不止一星半点，能直接用一套简单的提示词生成一个网页版 Windows、macOS 等。

大量的测试结果，都提到 Gemini 3 写的代码能直接运行，前端设计也更成熟，甚至能做出剪视频、刷短视频的工具。

这有可能是 Gemini 继续在图像编辑领域之外，再次超越 Claude 和 GPT-5 的时刻。

不过，是不是跟当时 GPT-5 一样的营销，还是真的能改变我们的使用体验，先跟我们一起来看看这些网友分享的 Gemini 3 案例吧。

起手就是写一个 Windows？

就像 nano banana 在判断生图能力时，采用的指标，是看这个模型在生成文字时的表现。

而如何判断一个基础模型的交付能力，编程，这种一旦代码里有个轻微的错误，就无法运行的项目，成了大部分基础模型厂商专攻的方向，而一开始在这方面表现不错的 Claude，也因此赚得了一定的声量。

近期多个博主在 X 上爆料，即将推出的 Gemini 3，在多个编程任务上的真实表现，不用说打败 GPT-5，甚至有直接超越 Claude 的趋势。Google AI Studio 负责人 Logan 在 X 上回复网友，确认了 Gemini 3 拥有工具调用的能力，即我们常说的智能体。

以前的编程测试，大多数集中在对逻辑能力的理解，一个小球在六边形框框里面流动的物理测试；对前端能力的审美把握，观察 AI 生成的网站，是否足够交互友好，页面现代化；还有一些实用型的小游戏或小工具等。

这次放出来的部分 Gemini 3 测试，完全可以说是一次测试样例的大升级。

X 博主 chetaslua 分享了多个由 Gemini 3 完成的编程任务。像是，它能直接给我们生成一个 macOS 的网页电脑，在这个网页里，就像是在操作一台云电脑。所有的应用程序都可以打开，点击 Safari 的图标，可以进入浏览器，并在网页里继续访问。

不仅 macOS 云电脑能生成，博主还用同样的提示词，修改成 Windows、Linux、以及云手机等操作系统，开机动画、系统内操作，同样能完美还原。

而且，Gemini 3 在处理这些编程任务时，速度也得到了提升。根据博主在评论区的回复，Gemini 3 的推理速度在 1-2 分钟。

当把同样的提示词交给 Claude Sonnet 4.5 处理，网友分享的结果是，Claude 只是生成了一个页面，所有的应用程序都不能点开。我也测试了一下 GPT-5 的能力，虽然它可以点开某些应用，但是打开之后，就没有下一步的处理逻辑了。

还有一个小彩蛋，在网页打开的云电脑里面，点击终端，输入 matrix，我们会看到类似黑客帝国电影海报的 01 流动代码，可以说是真矩阵革命（黑客帝国电影港版译名）了。

除了这几个热门的系统还原测试，Gemini 3 的编程能力，还体现在它的前端，也有了其他 AI 模型做不到的进步。最明显的就是 AI 编程容易出现的渐变紫，Gemini 3 终于摆脱了。

就像这个关于大语言模型的网站，输入的提示词仅仅是「为关于 LLMs 的网站编写完整的 HTML、CSS 和 JavaScript，以创建一个令人惊叹、大胆、富有创意和独特的着陆页。它应该看起来像是世界顶尖的网页设计公司从头开始构建的。」

网友们纷纷在评论区说，Gemini 3 一定有专门和设计师在合作，还有人预测 Gemini 3 将在前端领域，像 nano banana 一样占据主导地位。

不过也有人认为 Gemini 3 的前端，还是有一些问题。尽管它解决了那些讨厌的渐变，改变了大多数 AI 模型，长期以来一直在做的同样事情，但 3.0 的前端总是黑色，除非明确提示。在我看来，黑色比渐变好太多，网站的设计就是应该简洁大方。

基于能一句话搓出一个操作系统，还有优秀的前端能力，Gemini 3 还可以生成一个在线的视频编辑器，当然也是真的能够剪辑视频。

一个能无限流刷视频的抖音 App 网页版。

那些做 vibe coding、一键生成网页应用工具的 Lovable、Cursor 等，可能要考虑默认模型换成 Gemini 3 了。

在经典的代码能力测试上，还有一个生成骑自行车的鹈鹕任务，比较模型对于 SVG 代码的生成效果。

Gemini 3 能生成普通的版本的鹈鹕。

甚至还有游戏《我的世界》同款风格的 3D 版本。

骑自行车的鹈鹕，现在属于是大语言模型代码能力的基准测试了。我们还看到有网友用 Gemini 3.0 Pro，生成了一个宇航员在月球打高尔夫的 SVG 动画。

生图、视觉理解，nano banana 全面版

除了编程能力，作为 Google 最强基础模型，视觉理解能力同样出色。

通过了六指测试。

能够把一个潦草的手写文档，准确提取里面的所有内容。

以及生成各种各样的城堡测试。

无聊玩玩 Gemini 3 做的小游戏

最后，让它来生成一些小游戏，小工具，部分释放出的 Gemini 3 测试案例表现都很不错。

例如可以让 Gemini 3 为我们创作原创音乐。

制作一个带有 Gemini 创作的真实配乐的游戏。

由 Gemini 3.0 Pro 制作的吸血鬼游戏。

目前这些爆料出来的 Gemini 3 测试，都是在 Google AI Studio 网页上 A/B 测试完成的。

但是 A/B 测试触发的条件相当随机，就像我们有时候用 ChatGPT 聊天，它会突然给我们两个答案，要我们选择更喜欢哪一个。

这些网友也是不断地在 AI Studio 里面疯狂输入提示词，直到 AI Studio 给出了两个不同的回答，然后默认更好的那个就是 Gemini 3，甚至 Gemini 3.0 Pro、Ultra 等版本。

有网友说，这只是一个 A/B 测试，并不能得出结论说这个结果是由 Gemini 3.0 生成，因为也有可能只是，同一个模型，不同参数的 A/B 测试。

甚至有人发 X 说 Gemini 3 的智能体能力获得大提升，但是在帖子被广泛传播之后，他又紧急辟谣，Google 周六不上班。

因此，目前这些爆料，大多集中在比较客观理性的任务上，能够直接区分出 Gemini 2.5 Pro 和 Gemini 3.0 的差别。像是写作、我们日常的交流这些问题上，没有客观统一的标准，即使触发了 A/B 测试，也很难明确，哪个是 Gemini 3.0。

不过，就在今天，Google AI Studio 首页倒是真的有了一次更新，添加了 API 数据统计等功能，很让人怀疑是不是在为 Gemini 3.0 上线做准备。

有网友直接问 AI studio 负责人，Gemini 3 是不是即将到来，Logan 回复他说「可能性很高」。

至于是不是像之前，网上爆料说一个实习生泄露的发布日期，即 10 月 22 日，还真的没有定论。

而关于 Gemini 3 能力如何，目前唯一来自官方的确认，也只有 Mikhail 发布的这条推文，他说 Demis 上周告诉他，Gemini 3 会让人印象深刻。

总而言之，Gemini 3 肯定是马上要来了。

OpenAI 凭借着自身拥有的庞大用户，和 ChatGPT 收集的海量数据，在最近持续性地推出了多项应用，主动推送、购物、接入 App 等等，似乎是进一步巩固用户群体，不让他们离开。

Claude 继续着他们在编程领域的老大地位，按照计划、不过分营销的推进基础模型的更新，也在他们最看重的安全方面，发布了多项研究。

作为后来居上的 Google，靠着 nano banana 属实让 Gemini 大火了一把，现在我们说到图像编辑，一定会有 nano banana，这就就跟说到编程，离不开 Claude 一样。

我甚至会觉得，Google 终于追上来了。

事实证明，大模型的能力还是有办法继续再「卷」下去的，并不是说只能转型去做应用。我们对大模型的期待一直都有，而且也没有变得很高，只是希望它真的能做出一些「哇」的东西。

文章内部分视频，可访问原文链接。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

国庆长假，AI 大模型献礼的方式是一波接一波的更新。

OpenAI 突然发布 Sora2，DeepSeek 更新了 V3.2，智谱更新了 GLM-4.6，Kimi 则是更新了 App，然后默默在自己的版本记录里面，写下了这句话。

Kimi 当然也有「献礼」，上周四，他们开启了Agent 模式的测试，推出了一项名为「OK Computer」的智能体。

和之前我们分享过的深度研究不同，OK Computer 能做的不止是一份可视化报告，而是直接给了我们一台电脑。我们用电脑能完成的事情，OK Computer 智能体都可以做到。

但能做，和做得好，还是有很大的区别。和之前一样，我们用实测带你来看看，Kimi 全新的 OK Computer 到底在 Agent 品类里面，表现如何。

AI 帮你策划一份国庆游玩攻略

首先是看看它的网站部署能力，速度比深度研究快上不少，但这个效果，我觉得还是比较「大众化 Agent」的水平，尤其是，部分页面的背景颜色，依然渐变紫。

内容上，布局和图片的选择很合理；但是推荐的地点，北京、杭州，而且还是西湖，国庆节去西湖，应该只能看到人吧，所以这个「国庆旅游网站」的开发，我认为是不能算出色。

而如果是让 OK Computer 直接帮我生成一份旅游路线，告诉他要扮演一个顶级的旅行定制师，设计两条彻底避开国庆黄金周的旅游路线。OK Computer 这次交付的成果，看起来很不错。

审美相当在线，这个字体、背景图片，颜色，都选的非常好，奈何我还是觉得内容稍显空洞，真正能帮到我旅行的内容，不算多。

大多数时候，我可能只是知道了有这些地方，但是我不知道我为什么要去，以及怎么去。而且，总是对这些内容，有一些不信任感，可能把一个 AI 推荐的景点和一张小红书滤镜的景点，同时摆在我眼前，我还是会选择小红书用户发布的帖子。

OK Computer 完成这两个项目都非常快，我们也用 Kimi 的深度研究尝试了一波，结果是，它花了快有一个小时的时间，最后生产了一份超过 50 页的预览报告。

由于深度研究和 OK Computer 不同，深度研究只有一个预览报告，且不能对报告再进行修改。

最近千问也更新了一大波新的模型，在他们的官方博客，我看到一个「旅行规划师」的智能助手，同样的需求丢给它，结果会比 Kimi 的 OK Computer 要更好吗？

答案是真的更好。Qwen 这个旅行规划师，完全利用了阿里的庞大生态系统，它不是简单的给几个景点，然后连成一条路线，而是会实际地调用高德地图，用明确的经纬度来确定合适的行程。这一点很像前段时间的飞猪 AI 旅行规划，毕竟也是一家公司。

其他 agent 产品的效果，和 Kimi 的 OK Computer 其实差不太多，ChatGPT agent 生成了一个 10 页的 PPT，一如从前的精简；而 Manus 也是一样，好看，但实用价值不多。

不过 Kimi 的好处是，能产出类似结果的同时，不需要额外的网络设置。

此外，他们最近上线了付费会员方案，还可以将之前的打赏金额，全部抵扣为会员费，免费用户也能获得有限次数的 OK Computer 试用机会。

iPhone 和小米的 17 Pro Max 对比

同样基于 Kimi K2 的 Agentic 能力，OK Computer 会自动的浏览网页，进行相关内容的搜索，生成图片，来完成网页的设计。

这次的信息更加全面和准确，OK Computer 在搜索网页内容的时候，我看到基本上都是采用 the Verge 等国际科技媒体的信源，而在使用 Kimi 深度研究的过程中，使用的信息源大部分是简体中文的网页。

此外，OK Computer 也有图片音频生成的功能，像这张手机摄像头的拆解图，我第一眼看到觉得非常惊艳。

Agent 的交付：一个很惊艳的 Demo，但难落地

经过这些测试，倒不是说 Kimi K2 的 Agentic 能力不行，只是觉得 Agent 这类产品，大多数都还停留在「我可以做出来一个东西，但是这个东西不一定有用」的阶段。

做 PPT、商业分析报告、旅游路线规划、网页开发和部署等等，几乎所有的 Agent 都宣传自己能做这些；但是最后的成果，真正可以放心使用的，我想目前是很难找到。

前几天 OpenAI 新发布了一项基准测试，GDPval。它被称为是 AI Agent 举办的一场「职业技能大赛」。考题不再是学术问答，而是直接选取了，来自对美国 GDP 贡献最大的 9 个行业中的 44 个真实职业。

这些任务由平均拥有 14 年经验的资深专家（如律师、工程师、护士）设计，交付的内容也并不是纯文本，而是包含了幻灯片、电子表格、CAD 设计文件等在内的复杂格式，就像现在 Agent 交付的成品一样。

GDPval 的出现，其实就是要开始去解决，从「我能做」到「我能做好」这个阶段的问题。

虽然是 OpenAI 的研究，但第一名还是 Claude Opus 4.1，我想这也是为什么 Claude 模型在编程领域能够广受好评，Claude 能写代码，但是也可以写出好代码。

关于 Agent 不能做好的原因，之前 OpenAI 前高管 Mira Murati 联合创立的 Thinking Machines Lab ，发布了一篇博客文章。在里面提到，大语言模型目前出现的不确定性问题，不是由于 GPU 随机性的计算，而是处理训练数据时，缺少批次不变性。

而另一个原因则是可用训练数据的不足。和训练一个 AI 生成一张图片、一个视频、一段文本不同，Agent 要交付的内容复杂，现实世界中的任务繁多，无法归类到某个单一的媒体类型。

目前我们经常看到的 Agent 任务，也大多数是集中在做一个 PPT、做一个网页、预订餐厅、代替我们刷社交媒体、自动购物等等，这仅仅只是现实世界里非常小的一部分，更不用说这些任务，没有明确的评估标准。

知名科技媒体 TechCrunch 最近报道，整个硅谷正在豪掷千金，为 Agent 构建名为「强化学习环境」（RL Environments）的模拟训练场。这些「环境」被一些 AI 公司创始人形容是非常无聊的电子游戏，一个模拟的浏览器、一个模拟的购物网站、一个模拟的代码编辑器。

AI Agent 在这样的「环境」里面，像一个新手玩家，通过一次次尝试、失败、获得奖励，来学习如何独立完成购买商品、修复代码等一系列，多步骤的复杂任务 。

当年李飞飞靠着海量标注的数据集 ImageNet，让计算机视觉往前迈了一大步，她也被大家称为「AI 教母」。

现在 Agent 的发展，看起来也是这样，如果没有大量标注的「强化学习环境」任务，Agent 很难成为，像人脸识别这样可靠的深度学习技术；尤其是在「炼丹」这个本质没有改变的情况下。

Kimi一如既往地喜欢摇滚。从公司名 Moonshot（致敬 Pink Floyd）到这次的 OK Computer（致敬 Radiohead）。

在 Apple Music 的专辑介绍语里面，形容 OK Computer 这张专辑，表达了人们在千禧年前夕，对新技术的探索和反思。

尽管弥漫着恐惧忧郁的情绪，《OK Computer》仍保有希望，传达了社会前进之路未必会让我们失去善良的信念。

 

如果你对因科技而加快的生活节奏，感到难以招架的话，其实解法很简单，正如 Yorke 在结尾曲〈The Tourist〉最后所唱的：「傻瓜，放慢脚步吧」(Idiot, slow down)。

今天 Kimi 推出的 OK Computer，似乎也是表达科技正在改变我们的工作习惯、加快我们的生活节奏。但很显然，目前市场上的 Agent 产品，很难真正做到让我们难以招架。

无论是 Kimi 还是 ChatGPT，还有更多的同类 Agent 产品，他们在发布的时候，往往都会说，我们的 Agent 有这些功能，能做什么，却很少说，我们的 Agent 能做成什么。

不用放慢脚步，真正的 OK Computer 还在用力追上我们。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

这两天的 AI 圈，更新速度快得让人喘不过气，哪是要让人放假的样子。

昨天 DeepSeek 更新了 V3.2-Exp 模型，Anthropic 凌晨就紧跟着发布了性能更强的 Claude 4.5。

正当大家都在爆料牌桌上的其他巨头何时出手时，行业领头羊 OpenAI 的「王炸」似乎已经提前被剧透了，那就是 Sora 2。

最近，OpenAI 不仅在 X 平台连发多条神秘视频，引爆社区对 Sora 2 的猜想。

一则来自《连线》杂志的重磅爆料更是指出：OpenAI 的下一步棋，并非简单升级一个模型，而是要亲自下场，推出一个独立的 AI 视频社交 App，一个酷似抖音，但内容 100% 由 AI 生成的全新平台。

奥特曼曾经发 X 说，未来几周，OpenAI 将推出一些新的计算密集型产品，且最初只会向 Pro 用户开放。而需要大量算力的，不正是视频生成吗？目前 Sora 也仅面向 Plus 和 Pro 用户，传闻已久的 Sora 2 真的要发布了。

AI 视频也要迎来它的「吉卜力」时刻了。

揭秘「Sora 2 App」：一个怎样的 AI 抖音？

从目前曝光的信息来看，OpenAI 正在测试一款名为 Sora 2 的短视频应用，乍看之下，它就是一个 AI 版抖音。但最颠覆的一点是，在这个平台上，我们看不到任何真实拍摄的内容。

它的界面和交互，与我们熟悉的短视频 App 几乎一模一样。采用竖屏信息流，和滑动切换的导航方式的视频源，并由推荐算法为我们提供「为你推荐」的内容。

在视频的右侧下方，同样提供了点赞、评论等互动选项，甚至还有一个独特的「Remix」（再创作）功能。

根据文件显示，用户只能使用 OpenAI 的下一代视频模型 Sora 2，生成最长 10 秒的视频片段。并且，App 不提供任何从手机相册或其他应用上传照片或视频的选项。这意味着，这个平台将成为全球首个内容 100% 由 AI 生成的短视频社区。

用数字分身来做社交

如果说纯 AI 生成内容还只是概念上的不同，OpenAI 还要为这个短视频 APP 引入社交的功能。

Sora 2 应用具有身份验证的功能，即允许用户确认自己的「肖像」（likeness）。一旦验证通过，就可以在生成的视频中，使用自己的形象。

更有趣的是，社交的边界被进一步打破。你的朋友也可以在他们的视频里标记你，使用你的「数字分身」。

举个例子，我们可以直接使用别人的数字分身，生成一个视频，内容是「你和朋友在从没去过的主题公园，一起坐过山车」。

为了保护用户隐私，数字分生这项功能，也设置了提醒机制。每当你的形象被他人使用时，无论对方是公开发布，还是仅仅保存在草稿中且从未发布，你都会收到通知。

这款应用上周已经在 OpenAI 内部发布，并收到了员工压倒性的积极反馈。据连线杂志的消息，员工们使用得非常频繁，以至于一些管理者开玩笑说，这可能会影响生产力。可能真的跟刷抖音一样会上瘾？

为什么 OpenAI 要亲自下场做社交？

答案或许和 ChatGPT 的成功路径如出一辙。

OpenAI 似乎在押注，Sora 2 这个 AI 版抖音，能让我们与 AI 视频的互动方式发生根本性改变，就像 ChatGPT 让大众第一次真正体验到 AI 文本的潜力一样。

当然，也不是只有 OpenAI 想到了 AI 视频社交这条路，就在上周，Meta 在它们的 AI 应用中，推出了名为「Vibes」的新功能。这是一个 AI 生成短视频的新平台，集创作、分享与社交功能于一体。

用户可通过浏览、创作、或二次创作（Remix）来生成自己的 AI 视频，并将视频快速分享到 Vibes、Instagram、Facebook 等 Meta 社交平台。

Google 也早已宣布，计划将自己最新的视频生成模型 Veo 3 整合到 YouTube 中。一个是坐拥最大的社交网络平台，一个是最大的视频分享平台，OpenAI 的 AI 视频社交之路看起来，也并非一片坦途。

从一个聊天机器人，到一个可能的内容社交平台，OpenAI 的野心，在于建造下一代的互联网入口，而这个入口，完全由 AI 驱动。

这种野心并非空谈，就在今天，OpenAI 推出了其商业化布局中最重要的一步棋，在 ChatGPT 内直接购物。

用户现在可以在与 ChatGPT 的对话中，直接购买来自 Etsy 甚至 Shopify 商家的商品。当我们跟 ChatGPT 聊天，问到「适合送给陶瓷爱好者的礼物」时，ChatGPT 不再只是给一个链接，而是直接展示商品并提供一个「购买」按钮，不需要离开聊天窗口，几下点击就能完成支付。

电商、视频、社交、生产力，当这些过去分散在不同 App 中的功能，开始被一个统一的 AI 入口所整合时，OpenAI 的 Open 原来是「我全都要」。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

在 AI 硬件圈，有一张「小卡片」悄悄火了很久。

它像一张银行卡，厚度不到 3mm，能吸附在手机背面。这枚名为 Plaud Note 的设备，只为一件事，记录对话，并用 AI 帮助用户挖掘对话中的价值。这个简单直接的思路，让它在全球积累了超过 100 万用户。

9 月 22 日，这张小卡片背后的团队 Plaud，终于带着它和功能更强的升级版 Plaud Note Pro，在深圳召开了中国内地的首场发布会。

在国内，记录对话的 AI 产品现在看来是一片红海，前有科大讯飞这样的巨头一直深耕该领域，后有层出不穷的公司跟进，像是钉钉、Anker、360 等。

Plaud 的回归，不仅是一个产品发布，更像是新一代硬件创业浪潮的一个缩影。这些企业，它们从诞生之初就拥有全球化视野，在海外市场证明自己后，再带着技术与理念进入中国。

这份技术和理念，能否经得起国内用户的检验，一起看看他们发布了什么产品。

和 AI 的实时协同，从一张卡片开始

「意图」，这是整场发布会我听到最多的词，大模型如何理解我们的意图，大模型最想要什么，我们为什么设计这个产品？

答案都回到了「意图（intention）」，Plaud 合伙人兼中国区 CEO Peter 不断重复这个词，来解释大模型时代，不仅仅是处理原始数据，而是要理解我们的意图，才能真正突破智能的边界。

Plaud 此次的旗舰新品 Plaud Note Pro，最大的亮点在于首次实现了「人与 AI 的实时协同」 (Human-AI alignment in real time)。

想象一下，在会议中，当讨论到关键决策或重要数据时，不需要打断对话，只需轻轻一按机身上的按钮，就能实时将这个时间点，和相关信息同步给背后的大模型。

这等于在告诉 AI：「注意，这里是重点」。而通过这种方式，大模型能够更好地理解，对话的语境和我们的意图，从而生成更精准、更具洞察力的摘要。

这跟平时我们和大模型沟通，写了一大堆 prompt，是不一样的；因为我们输入的文本，是没有时间维度的。

Plaud 则是让 AI 从一个录音结束后，被动整理信息的工具，变成了在对话发生时的智能伙伴，实时地与我们的意图对齐。

为了实现高效的记录，Plaud Note Pro 在硬件上的亮点，也集中在了更丝滑和无缝的体验上。

当被问及产品为何「能用且好用」时，Peter 显得颇为自信，他提到 Plaud 创始人团队，有做手机、造机器人的，做现在的产品属于「降维打击」。

这种经验，也的确保证了基础体验的可靠，Peter 分享其他用户的体验评价，「连蓝牙那一刻，就知道这个团队不简单」，因为 Plaud 的蓝牙连接体验，同样非常丝滑。

首先是轻薄，机身是银行卡般的大小，厚度仅为 2.99mm，重量 30g。这种对极致轻薄的追求，也带来了妥协。在沟通会上，当被问到充电接口，并非通用 Type-C 的问题。

团队坦言，这是为了保证产品极致轻薄而做的取舍，但也收到了很多用户的反馈，正在努力寻找解决方案。目前采用的充电方案，是类似大部分手环的触点充电。

第二是专业的收音，Plaud Note Pro 内置 4 个全向 MEMS 麦克风阵列，配合 AI 声学波束成型技术，可在最远 5 米的范围内，实现录音棚级的音频捕捉。

对比前代产品，Plaud Note Pro 还可以通过算法自动识别，录音环境是电话通话，还是面对面对话，而不需要手动切换录音模式。续航方面，单次充电可支持最长 50 小时的连续录音，满足一周的工作需求。

硬件作入口，软件是核心

「能不能不买你们的硬件，只用你们的软件？」

面对这个问题，Peter 的回答很坚决：「我们不做这种事情。」

他认为，做单纯的软件服务会分散精力，更重要的是，Plaud 坚信软硬件结合才能提供最佳的智能体验。

这背后，是 Plaud 「AI 原生科技公司」的自我定位。硬件只是捕捉信息的入口，真正的处理和价值生成，都发生在云端的 AI 引擎 Plaud Intelligence 中。

对比前代，除了音频，现在还可以捕捉文本、图片信息，并结合「一键标记」功能，为 AI 提供更丰富的上下文，具备多模态能力。

其次就是和大部分 AI 纪要产品、以及通义听悟类似的功能，通过优化整合 DeepSeek R1、千问、豆包等多个大模型，将语音转写成文字，还能区分不同的发言人，并支持多达 112 种语言。

在模型的选择上，Plaud 的策略并非「兼容并包」，而是「只支持最好」。

Peter 坦言，在中文转写上，国内模型表现更好；但在更深层的因果关系和深度思考上，海外顶尖模型仍有优势。但他们仍然坚持使用「最贵、最好」的模型和服务，因为「更好的价值」本身就是产品的核心，而非成本。

基于在海外的两年运营，Plaud 内置了从全球 3000 多个模板中优选出的专业模板，覆盖不同行业和领域。它可以根据你的角色和习惯进行智能推荐，从多个视角分析对话，提供更丰富的总结。

最后一项是 Ask Plaud，和知识库的 AI 问答一样。我们可以基于录音的完整上下文，向 AI 进行深度提问，所有答案都能追溯到录音文件具体的信息来源。新版本还增加了智能建议追问、跨文件查询等功能。

以上所有功能，用户都可以通过 Plaud APP（支持 iOS 和 Android）及网页端来实现。

多款海外产品首次在中国区推出

除了旗舰 Plaud Note Pro，Plaud 还带来了另外两款针对不同场景的产品，它们都支持全新升级的 Plaud Intelligence，也同样是需要配合手机 App 使用。

Plaud NotePin S，可穿戴的 AI 纪要产品，它的前代是已经在海外发售的 Plaud NotePin，目前这款在中国区首发的新品，主打「解放双手，随心记录」。

主要的特点是，它可以通过项链、手环、背夹、磁吸片等多种方式佩戴。同时，它的重量只有 17.6g，拇指般大小，但续航也做到了 40 天待机，和 20 小时连续录音，并配备 64GB 存储。

Plaud Note，卡片式 AI 纪要开创者，这是一款在 2023 年就推出的产品，而到现在，市面上已经有相当多的公司，在做同样类型的卡片式 AI 纪要产品。

尽管 Plaud Note Pro 在性能上提升明显，但据 Plaud 合伙人兼全球销售负责人 Raymond 介绍，经典款 Plaud Note 在海外依然维持着非常高的销量，因为「有很多消费者，还是喜欢这种机械拨动的形态」。

当被问到如何在国内众多同类产品中脱颖而出时，「用户价值」是创始人提到最多的词。他认为，为用户带去 SOTA（最佳）的体验，是 Plaud 应对竞争的态度 。

目前，Plaud Note Pro、Plaud Note、Plaud NotePin S 三款产品，已经在国内主要电商平台发售，具体的发售价格如下。

而针对每款设备都能用上的 Plaud Intelligence，也有标准版、专业版、和卓越版三个会员计划，主要的区别体现在，可录音的时长限制，分别是 300 分钟、1200 分钟、和无限时长，对应的价格是免费、339/年、和 1099/年。

而国内版和国外版的 Plaud Intelligence 订阅价格也有所不同，国际版配置了像 Gemini 2.5 Pro、GPT-5、以及 Claude 4 这些模型，所以专业会员的订阅价格是在 99.99 美元（人民币 700 多），而国内版则是 DeepSeek、豆包、千问等模型。

APPSO 也第一时间拿到了 Plaud Note Pro 产品，根据发布会现场透露的信息，Plaud Intelligence 将在下个月更新跨平台同步、多维度解读等多项功能。我们也会在更新之后，同步分享我们的使用体验。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

你应该也有类似的浏览器使用体验，就是当你曾经打开过一个标签页，但是忘了给它添加书签；下次再想找到它时，只能去历史记录里面翻个半天，还不一定能找到。

前些天，我们介绍 Google AI 全家桶的产品指南，它的浏览器 Chrome 被排除在外。

一方面，这是个传统的老牌浏览器，几乎每个人的电脑都有安装一个；另一方面，浏览器本身好像就是没有任何 AI 功能，找标签页这个场景，除了依赖第三方扩展插件，我们只能去翻历史记录。

但是现在，Chrome 进行了自 2008 年发布以来最大的一次升级，找不到的标签页，点击右上角 Gemini 的小图标，一句话就能解决。不管你喜不喜欢，它也是一个 AI 浏览器了。

点击右上角的 Gemini 图标，我们可以与 Gemini 进行跨标签页的对话

Chrome 不再是一个被动打开网页的工具，Gemini 的引入，让它变成一个能主动帮我们干活的智能伙伴。Gemini 助理、AI 搜索模式、智能体、以及一系列新的安全和便捷功能都来了。

Chrome 在自己的 YouTube 频道和官方博客，发布多条内容，介绍这个「历史全新」的浏览器。我们第一时间研究了所有新功能，可以负责任地告诉你，这不只是加了个聊天机器人那么简单，我们的上网方式可能真的需要一点时间，来学习和适应这个更聪明的浏览器。

信息过载？AI 帮忙画重点，几十个网页秒变一份精华纪要

这可能是打工人和学生党最狂喜的功能。想象一个场景，老板让你半小时内调研完一个行业，或者你需要为论文快速消化十几篇文献。过去，我们只能一篇篇点开，匆忙地在多个标签页切换。

现在，打开这些网站标签页，然后呼叫 Gemini，它就能像一位专业的助理，跨越多个标签页进行阅读、对比和总结。

我们可以直接问它：「这几款相机的优缺点分别是什么？」或者「帮我把这些资料整合成一份旅行计划」。它甚至还能找到 YouTube 视频里的关键信息，我们不需要额外的第三方插件，就能得到一样的 YouTube 视频总结。

从大海捞针到 AI 直接递上答案，这效率提升可不止一点半点。

动口不动手，你的浏览器助理未来什么都能干

如果说「总结资料」只是开胃菜，那接下来的「智能体能力」（Agentic Capabilities）就是 Google 为我们描绘的未来图景。

简单来说，和所有智能体一样，我们负责下命令，浏览器负责跑腿。也和所有关于智能体能力的演示一样，我们只能用智能体来预订餐厅，买生日礼物。

Google 提到在未来几个月，通过结合 Google 强大的应用生态，YouTube 视频、Gmail 邮箱、Calendar 日历、以及办公套件等，我们可以直接对 Chrome 说，「帮我订一份常吃的那家沙拉。」、「预约下周三下午的美发。」、「把这些东西加到我的购物车里。」

Chrome 会在我们授权后，自动在网页上进行点击、填写、下单等一系列多步骤操作，而我们全程只需监督，随时可以叫停。

虽然听起来有点像 ChatGPT agent 之前演示的功能，但其实就是这样。我觉得智能体的能力，还没有被真正的挖掘出来，专门开发一个 AI 浏览器用来预订餐厅，听起来怎么都不划算。

Chrome 即将更新的智能体能力，我的期待是，我们生活中真正的琐事，可以从需要 30 分钟的处理，变成 3 次点击。

地址栏，现在是 AI 全能框

Chrome 那个我们每天都要用无数次的网页地址栏，现在也升级成为 Omnibox 全能框。

当我们访问一个网页时，地址栏会根据页面内容，智能地为你推荐一些我们可能想问的问题。

比如正在看一款床垫，它可能会提示你：「这个东西的保修政策是啥？」。

此外，跟我们之前介绍的 AI Mode（AI 模式）有关，现在我们不需要去专门的 Google 搜索地址，直接在地址栏，就能开启 AI 模式。一些更复杂、更开放、需要深度研究的问题，AI Mode 都能做到。

比如「给我推荐几款适合小户型的复古风咖啡机，预算 1000 元以内」，AI 会直接在侧边栏生成一份详尽的报告，无需跳转。

AI 除了用来提升效率，也让 Chrome 更安全

聊了这么多 AI 的功能，安全也是 Chrome 非常在意的一个因素，Chrome 大概想说，不要觉得只有你 Safari 在保护隐私安全。

这次主要是利用 Gemini Nano 模型，能更主动地识别和拦截，那些诱导我们下载有害软件的诈骗网站。

以及对通知更加智能的管理，AI 会自动识别那些垃圾、诈骗类的网站通知，并帮你「一键退订」。Google 称仅在 Android 端，这项功能，每天就能为用户减少约 30 亿次骚扰。

密码的保护也得到了更新，当密码不幸泄露时，Chrome 未来将能像一个密码特工一样，在支持的网站上，直接帮我们一键完成密码修改。

在 Chrome 中的 Gemini，此前是 Google Labs 的项目，仅针对 AI Pro 和 Ultra 用户。

现在 Chrome 的这些更新，支持在美国且将英语设置为首选语言的全部用户，支持 Mac 和 Windows 版本；而 Android 和 iOS 版本也将很快推出，里面部分功能在持续更新中。

官方使用指南帮助：
https://support.google.com/gemini/answer/16283624

我们之前也多次讨论过 AI 浏览器的形态，无论是 the browser company 曾经推出的 Arc，还是后面集成了更多新功能的 Dia，现在被卖给 Atlassian。

还有 Perplexity 推出的 Comet，最近应该正式向大部分用户开放了，不需要漫长的 waitlist 等候。

以及前段时间微软称 Edge 也正式升级为 AI 浏览器；和关于 OpenAI 的 AI 浏览器传闻。

和这次的 AI Chrome 类似，它们的模式甚至都可以被总结成一个侧边栏，和一个像 ChatGPT 首页的启动页面。

但是，Chrome 和它们不一样的是，这是一个在全世界范围都遥遥领先的浏览器。今天的更新，可能标志着「AI 浏览器」这个概念，真的要从一些少数派的探索，走向更大众化的讨论。

呈现 AI 最好的形态不是浏览器，那 AI 浏览器最好的形态又该是什么样。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博