GPT-6 Astra – OpenAI 推出的最新旗舰大模型AI工具6天前更新AI小集03GPT-6 Astra是什么GPT-6 Astra 是 OpenAI 推出的旗舰大模型，官方称其为「全球最智能、最符合人类意图的模型」。模型突破传统聊天边界，进化为能独立操作软件、浏览网页、完成复杂任务的 AI Agent。在 ARC-AGI-3的得分达到 99.9%、ExploitBench获得 100% 成绩等测试中创下纪录，可胜任编程、科研、网安等专业工作。GPT-6 Astra的主要功能Computer Use：独立操作计算机软件、浏览网页、填写表单、更新 CRM 与整理日程。软件工程：完成复杂编程与代码库理解，Terminal-Bench 与 DeepSWE 测试均达 SOTA。科学研究：直接分析实验数据、生成图表，FrontierMath Tier 4 得分 97.6%。网络安全：发现并利用 zero-day 漏洞，ExploitBench 测试达 100%。3D 与硬件设计：操作 Blender、Unity、KiCad 完成 3D 建模、游戏场景与 PCB 电路板设计。专业文档：生成排版精美的海报、演示文稿及可直接使用的商务文档。GPT-6 Astra的技术原理超大规模预训练：首次在美国 Stargate 德州基地使用超 10 万张 GPU 完成预训练，是 OpenAI 迄今规模最大的训练项目之一。模型对齐与安全：集合多年强化学习和对齐研究成果，采用此前模型参与监督；在突破任务边界测试中，越权比例从 48% 降至 0%。长程上下文管理：Codex 跨上下文窗口保存笔记并支持搜索过往消息与工具输出，使长时任务不丢失关键信息。分级安全策略：普通版本拒绝高级网络安全请求，经审核的安全团队可通过 Daybreak 项目获得更开放的能力访问，平衡性能与风险。如何使用GPT-6 Astra获取权限：订阅 ChatGPT Plus/Pro/Business/Enterprise 或申请 API 访问，获得 GPT-6 Astra 使用权限。切换模型：在ChatGPT客户端或 API 端点中选择 GPT-6 Astra 作为当前模型。输入指令：用自然语言输入复杂任务指令，支持编程、设计、科研、办公自动化等多场景。开启 Computer Use：开启 Computer Use 功能，授权 Astra 自主操作软件、浏览网页及调用外部工具。交互确认：根据执行进度实时反馈，确认关键节点或调整需求，直至任务完成并导出成果。GPT-6 Astra的核心优势Agent 能力质变：从聊天问答进化为能独立完成复杂任务的 AI Agent，可直接操作软件、浏览网页、处理专业工作流。顶尖基准成绩：ARC-AGI-3 达 99.9%，ExploitBench 达 100%，FrontierMath Tier 4 达 97.6%，多项测试刷新纪录。软件工程领先：Terminal-Bench 与 DeepSWE 均达 SOTA，代码生成迭代更少，长程任务上下文不丢失。科学研究能力：可直接进入专业软件分析实验数据，参与数学研究并推进素数间隔问题。创意与硬件设计：支持 Blender、Unity、KiCad 完成 3D 建模、游戏场景搭建与 PCB 电路板设计。网络安全双刃剑：具备发现 zero-day 漏洞的能力，但通过 Daybreak 分级策略严格管控开放范围。GPT-6 Astra的项目地址项目官网：https://openai.com/index/gpt-6-astra/GPT-6 Astra的同类竞品对比对比维度GPT-6 Astra (OpenAI)Claude Fable 5.1(Anthropic)产品定位全球最强 AI Agent，AGI 时代起点Anthropic 旗舰模型，侧重安全与推理Computer UseOSWorld 2.0:72.6%Agents’ Last Exam:59.3%ScreenSpot-Pro:92.7%Agents’ Last Exam: 48.7%ScreenSpot-Pro: 87.3%软件工程Terminal-Bench 4.0:57.7%DeepSWE v1.1:74.1%FrontierCode Ext: 64.5%Terminal-Bench 4.0: 55.8%DeepSWE v1.1: 67.4%FrontierCode Ext: 63.6%科学研究FrontierMath Tier 4:97.6%GPQA Diamond:96.0%Terminal-Bench Science:64.6%FrontierMath Tier 4: 87.8%GPQA Diamond: 93.7%Terminal-Bench Science: 52.6%网络安全ExploitBench:100%ExploitGym:42.4%ExploitGym: 30.4%安全对齐越权比例0%CU 安全:2.4%CU 安全: 9.5%定价输入 $10/M tokens输出 $50/M tokens输入 $10/M tokens输出 $50/M tokens开放策略分级开放，普通用户受限，安全团队 via Daybreak通过 Claude 平台及 API 标准开放GPT-6 Astra的应用场景软件工程：自主完成复杂代码编写、调试与数据库迁移，Terminal-Bench 与 DeepSWE 测试均达行业顶尖水平。科学研究：直接进入专业软件分析基因测序数据、生成实验图表，并参与推进数学前沿难题研究。办公自动化：独立操作 Excel、Power BI 等工具，完成填表、CRM 更新、日程整理及复杂数据分析。3D 与硬件设计：在 Blender、Unity 中完成 3D 建模与游戏场景搭建，或使用 KiCad 完成 PCB 电路板布局设计。网络安全：主动扫描并发现 zero-day 漏洞，帮助企业修复系统缺陷，同时通过分级策略防止滥用。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Cheso - 腾讯推出的 AI PPT Agent 制作工具下一篇MAI-Transcribe-2 - 微软推出的最强 AI 语音转文字模型相关文章Sora官网 – OpenAI推出的AI视频生成工具：Sora.comAI小集13无影AgentBay – 阿里云推出的云端Agent开发平台AI小集315个AI数字人制作工具，快速生成口播和直播视频AI小集60AI写作鱼 – AI写作平台，支持多功能多领域的个性化文案创作AI小集2GPT-5.1-Codex-Max – OpenAI推出的智能编程模型AI小集2Spark-TTS – AI文本转语音工具，支持中英零样本语音克隆AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录SoWorkDomeryTArk元舟AionClawTokera AI文优小助最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！2分钟前AuK – 腾讯混元开源的语音生成与编辑基础模型3分钟前ffmpeg-skill – 开源的本地化视频剪辑与处理 Agent Skill4分钟前PixRestore – 香港理工联合OPPO推出的统一图像修复模型8分钟前Muse – Meta 推出的个人 Agent，支持跨应用推进日常事务16小时前Virse – AI 设计创意工作台，支持个性化检索与内容生成16小时前Ling-3.0-flash-VL – 蚂蚁开源的原生多模态大模型16小时前XiaoMi MiMo Desktop – 小米推出的桌面端通用 AI Agent21小时前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）1天前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型1天前H3-World – 腾讯联合高校等开源的动作可控世界模型1天前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型2天前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型2天前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型2天前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台2天前

GPT-5.6 – OpenAI 推出的最新一代大语言模型系列AI工具2个月前更新AI小集04GPT-5.6是什么GPT-5.6 是 OpenAI 推出的最新一代大语言模型。模型首次采用天文学命名体系，推出三档型号：旗舰版Sol（太阳）面向高难复杂任务，是目前性能最强的版本；均衡版Terra（地球）性能对标 GPT-5.5 但价格仅一半，适合日常工作流；轻量版Luna（月亮）主打速度与低成本。核心能力聚焦于编程、生物信息学和网络安全三大方向，支持 150 万 tokens 超长上下文，在 Terminal-Bench、GeneBench 等基准测试中全面领先，新增 Ultra 模式通过多子 Agent 协作处理复杂任务。GPT-5.6的主要功能三档型号灵活选择：提供 Sol（旗舰）、Terra（均衡）、Luna（轻量）三个版本，分别对应高难度任务、日常工作和低成本高并发场景。超长上下文处理：支持 150 万 tokens 上下文窗口，可处理超长文档、代码库和复杂多轮对话。高级编程与终端操作：在命令行环境中执行复杂开发任务，支持项目结构理解、文件读取、代码修改、运行命令和报错分析。Ultra 模式多 Agent 协作：通过调度多个子 Agent 拆分处理复杂任务，统一汇总结果，提升长周期编码效率。生物信息学与基因组分析：支持长周期基因组学和定量生物分析任务，在更少输出 tokens 下获得更强结果。网络安全与漏洞研究：推进长周期安全任务，包括漏洞研究和 exploitation 相关任务，效率显著提升。分层安全防护体系：加强对高风险活动、敏感网络请求和重复滥用行为的防护，抵御真实世界攻击。提示词缓存与成本优化：优化重复提示词调用机制，降低高频场景下的 API 使用成本。如何使用GPT-5.6ChatGPT：Plus/Pro/Business/Enterprise用户可访问Sol（medium及以上effort），Pro和Enterprise可选Sol Pro。ChatGPT Work/Codex：免费和Go用户用Terra，Plus及以上可选Sol/Terra/Luna，可设置effort等级；max模式所有可用用户可开启；ultra在ChatGPT Work中Pro/Enterprise可用，Codex中Plus及以上可用。API：通过OpenAI API访问三档模型，Responses API支持Programmatic Tool Calling（ZDR兼容）和Multi-agent beta。GPT-5.6的官网地址官网地址：https://openai.com/index/gpt-5-6/GPT-5.6的核心优势三档分级灵活匹配：Sol（旗舰）、Terra（均衡）、Luna（轻量）覆盖高难度任务、日常工作和低成本高并发场景，按需选择不浪费算力。编程能力行业领先：Terminal-Bench 2.1 得分 Sol 88.8%、Sol Ultra 91.9%，超越 Claude Mythos 5（88.0%）等竞品。超长上下文窗口：支持 150 万 tokens，比 GPT-5.5 提升约 50%，可处理完整代码库、长篇文献和复杂多轮对话。Ultra 模式多 Agent 协作：自动调度多个子 Agent 拆分并行处理复杂任务，再统一汇总结果，大幅提升长周期编码效率。科研成本效率双优：GeneBench v1 上 Sol 比 GPT-5.5 得分更高，但输出 tokens 更少，生物信息学分析更省成本。网络安全高效精准：ExploitBench 接近 Mythos Preview 水平，但仅使用约 1/3 的输出 tokens，漏洞研究效率显著提升。分层安全防护体系：迄今最强安全堆栈，可抵御高风险活动、敏感网络请求和真实世界攻击。价格梯度合理：Terra 性能对标 GPT-5.5 但价格仅一半；Luna 成本最低；提示词缓存机制进一步降低重复调用开销。GPT-5.6的同类竞品对比对比维度GPT-5.6 Sol (OpenAI)Claude Fable 5(Anthropic)Gemini 3.1 ProPreview (Google)发布时间2026年6月27日2026年6月9日2026年2月19日模型定位旗舰版（三档分级：Sol/Terra/Luna）Mythos-class（高于Opus级别）旗舰多模态模型上下文窗口150万 tokens100万 tokens100万 tokensTerminal-Bench 2.188.8%84.3%70.7%SWE-bench Verified未公开具体分数95.0%未公开具体分数输入价格（/百万tokens）$5$10$2输出价格（/百万tokens）$30$50$12多模态能力文本、图像文本、图像、PDF文本、图像、音频、视频、PDF安全策略分层安全堆栈，需政府审批访问实时安全分类器，敏感查询自动降级至Opus 4.8标准安全策略GPT-5.6的应用场景复杂软件开发与终端操作：深入命令行环境执行复杂编码任务，包括项目结构理解、文件读取、代码修改、运行命令、报错分析与迭代修复，适合大型代码库重构和全栈开发。生物信息学与基因组研究：处理长周期基因组学分析和定量生物分析任务，在多轮数据解释、方法选择和假设比较中保持上下文一致，适合实验室和生物医药研发团队。网络安全与漏洞研究：执行长周期安全任务，包括漏洞挖掘、exploitation 研究和渗透测试，以更低 token 消耗实现高效分析。企业日常办公自动化：通过 Terra 版本处理文档分析、报告撰写、数据整理等高频日常工作流，性能对标 GPT-5.5 但成本减半。高并发低成本推理服务：通过 Luna 版本承载客服机器人、内容摘要、简单问答等大规模高容量调用场景，以最低价格提供强大基础能力。超长文档深度分析：用 150 万 tokens 上下文窗口处理完整技术手册、法律合同、学术论文或大型代码库的全文理解与跨章节关联分析。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Papers with Code - AI科研平台，自动关联论文、代码等下一篇HTML Anything - nexu-io 团队开源的 HTML 编辑器相关文章Unmute – Kyutai推出的低延迟语音交互系统AI小集3Draw an Audio – 中科院联合美团推出的视频生成音频系统AI小集3Claude 3.5 Haiku – Anthropic推出的响应最快的AI模型AI小集3Ai好记 – AI视频笔记工具，音视频内容一键图文转录、总结和翻译AI小集13MM1.5 – 苹果推出的升级版多模态大模型AI小集3Astryx – Meta 开源的 React 设计系统AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀Lovart美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录SoWorkDomeryTArk元舟AionClawTokera AI文优小助最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！19分钟前AuK – 腾讯混元开源的语音生成与编辑基础模型20分钟前ffmpeg-skill – 开源的本地化视频剪辑与处理 Agent Skill21分钟前PixRestore – 香港理工联合OPPO推出的统一图像修复模型26分钟前Muse – Meta 推出的个人 Agent，支持跨应用推进日常事务16小时前Virse – AI 设计创意工作台，支持个性化检索与内容生成16小时前Ling-3.0-flash-VL – 蚂蚁开源的原生多模态大模型16小时前XiaoMi MiMo Desktop – 小米推出的桌面端通用 AI Agent21小时前用 DeepSkill 搞定文献综述和数据分析（84个技能实测）1天前ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型1天前H3-World – 腾讯联合高校等开源的动作可控世界模型1天前DeepSeek V4.1 Flash – DeepSeek推出的中间内测版本模型2天前MiniCPM5-2B – 面壁智能联合清华开源的端侧语言基座模型2天前LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型2天前YoLive – Yoroll 推出的实时 AI 互动剧情直播平台2天前

IT之家9 月 10 日消息，OpenAI 语音产品负责人 Atty Eleti 今日宣布，在 ChatGPT 语音模式（ChatGPT Voice）中，用户可以自由选择所需的模型以及推理深度，Pro 套餐更可调用 GPT-5.6 Sol 或 GPT-6 Astra。在需要执行网络搜索或复杂推理时，语音模式将会自动调用用户所指定的模型。据其介绍，每当语音模式将问题转交给底层文本模型处理时，都被视为发给该模型的一条消息。IT之家注意到，OpenAI 还简化了 GPT-Live 的每日使用限额规则：Go：提供最长 3 小时的 GPT-Live-1 mini 使用时长，不再提供 GPT-Live-1 的访问权限。Plus：提供最长 3 小时的 GPT-Live-1 使用时长。Pro（100 美元 / 月）：提供最长 15 小时的 GPT-Live-1 使用时长。Pro（200 美元 / 月）：无限制使用 GPT-Live-1。Plus 与 Pro 用户在用尽语音额度后，将不再降级切换至 GPT-Live mini。伴随此次更新，原有的“Instant / Medium / High”三档独立语音智能等级已正式停用。相关阅读：《OpenAI 最智能语音模型：GPT-Live-1/mini 登场，边听边说让 AI 对话更接近真人聊天》

我们应当假定，在小米将 18 Fold 定为玄戒 O3 首发平台的时候，它的内心是幸福的。因为这不仅是「小米自研处理器」闭关修炼一年后的首个成果，更是继 MIX Fold 坎坷命运之后，小米再次深入折叠屏市场的首秀。这种忐忑，一如爱范儿编辑们在办公室围拢在一起开箱这台「暖金白」色小米 18 Fold 时的心情一样——在 2026 这个堪称「折叠屏诞生以来最重要的一年」里，小米能够拿出一款足够具有说服力的折叠屏产品吗？18 Fold 做对了一件事虽然外观和包装往往不是评测的重点，但是作为小米在如此特殊节点上的产品，还是值得讨论一下小米 18 Fold 的设计的。先说包装，小米 18 Fold 没有为中折叠形态特制长方形的盒子，而是用了和大折叠一样的正方形纸盒，设计上稍微少了点独特性。包装盒里面除了雷总亲笔信（印刷版）、一颗 67W 快充头和双 C 线之外，还有一个颜色配套的素皮半包壳：虽然素皮也不完美，但论用心程度，还是比某些友商送的吸油塑料清水壳高不少的。至于小米 18 Fold 本身，它的工业设计无疑是非常「小米」的——粗糙中带着细致、大方向把握得很好，有那种年轻人看了想要冲动下单的技术美感。作为一款「中折叠」，小米 18 Fold 折叠时的宽度为 83.6mm，展开后则来到了 163.8mm，装下了一块 7.58 寸的内屏。但就像爱范儿之前写到过：「对角线长度」在面对特殊长宽比的屏幕时是没有参考价值的。小米 18 Fold 这块内屏面积接近一张 A6 纸，并且由于长宽比 √2:1，外屏也刚好是接近 A7 手帐本的面积：在比例和面积之外，小米 18 Fold 有一个与大部分折叠屏手机都不同的特点——非常激进的机身 R 角。虽然边缘 R 角与转轴的矛盾让小米 18 Fold 拥有了一块不对称的「D」形外屏，但也赋予了它一项非常特殊的优点：小米 18 Fold 是迄今为止所有宽屏折叠机中，内屏竖着拿的体验最接近小平板的。虽然这个特性看上去和它的宣传场景有很大差异，但是在相继评测过多款宽屏设备之后，我们得到了清晰的共识：竖宽屏的体验要比横宽屏好很多。而小米 18 Fold，就是迄今为止「竖宽屏体验最好」的折叠屏手机。在这样的取舍下，它一边直角一边圆角的 D 形外屏也不是不能接受了——它就像折痕一样，真正开始使用之后就不会注意到了。除了硬件设计，小米 18 Fold 所搭载的玄戒 XRING O3 处理器同样是它体验中不可或缺的一环。爱范儿收到的这台小米 18 Fold 为 16+1TB 规格，搭载了长鑫存储（CXMT）的国产 LPDDR6 内存：碰巧玄戒 O3 和长鑫 LPDDR6 的表现都很亮眼，两者组合在一起，能够产生 1+1=10 的魔力吗？答案是可以，但基本都在极限场景里，普通用户日常使用体验中的感知不怎么明显。基础跑分软件比如 3D Mark、Geekbench 7 和 Geekbench AI 中，玄戒 O3 在 26 度室温的环境下，跑出了不逊于骁龙 8 Elite Gen 5 的水平：而在开源存储跑分工具 CPDT 中，我们可以看到在澎湃 4 里，玄戒 O3 搭配 LPDDR6 可以跑出近 20GB/s 的 4MB 内存复制速度：单从数字上看，LPDDR6 似乎没有发挥出相比 LPDDR5X 巨大的带宽优势。但只需要把它放进综合使用场景——比如端侧 AI 模型中，小米 18 Fold 理论上可以凭借 LPDDR6 的高通量，支撑更大规模的端侧模型运行。但还是那句话：纯粹的速度提升经过手机系统和 App 的过滤之后，我们在实际使用中是不会突然感觉到「手机变快」了的。小米能把端侧 AI 能力发挥出几成，更多还是要看离线版超级小爱可以支持多少指令了……毕竟如今云端 AI 已是主流，在一台手机上自部署开源模型，哪怕对于很多小米用户来说，也还是太极客了一点。小米折叠变好用了吗然而，小米 18 Fold 不止一颗玄戒 O3，还有外面的一整台手机。对于那些计划拿出少则一万多则一万五的用户来说，小米 18 Fold 本身的硬实力也是必须要考虑到的因素——在这方面，它还挺让人惊喜的。先说屏幕折痕，小米 18 Fold 除了增厚表层的超薄玻璃，还将屏幕模组里的支撑层从常见的 PET 或 PI 软膜换成了一层 30 微米的超薄玻璃。这套全球首发的「双层 UTG 方案」不仅增强耐用性，也带来了小米折叠屏上迄今最好的折痕控制：然而在如今各家厂商都在攻坚折痕控制的时候，小米 18 Fold 横向对比其他手机，只能算追上了行业平均水平。小米 18 Fold 内外屏都用上了超级像素方案，等效像素密度达到 382PPI，搭配不错的峰值亮度和内屏出厂 AR 膜，屏幕观感倒是实打实的第一梯队：相比屏幕的优秀，小米 18 Fold 的相机就没那么亮眼了。虽然是 2 亿像素主摄、倒置潜望长焦和 102 度超广角三摄齐全，但在目前版本的相机固件下，它没有口碑颇好的徕卡一瞬、2 亿像素模式拍照速度也不算优秀，拍照表现只能说「能用」。并且徕卡的色彩科学需要强大的相机硬件作为支撑，才能发挥出「毒德大学」的效果。而一旦相机硬件先天受限，那徕卡影调的特性就有可能会影响到观感：让人无法忍受的是，小米 18 Fold 依然延续了小米快门速度兜不住的问题。环境稍微暗一点，快门速度就会掉到 1/15 甚至 1/10 秒，不愿意抬高 ISO、室内拍照糊片率极高：至于那颗既不大底又不超广的 17mm 镜头，只能希望小米尽快消化完这些存货，然后换回正儿八经的超广角吧。至于它 6000 毫安时电池的表现，还是相当优秀的。在一周的评测期间，小米 18 Fold 从早八到晚八的剩余电量通常在 30% 左右，看齐主流直板机的续航，说明玄戒 O3 的功耗控制还是有两把刷子的。至于小米 18 Fold 上搭载的 HyperOS 4，必须非常遗憾的说：它没有达到我们对于小米折叠屏系统新起点的期望。这其中当然有 MIX Fold4 到小米 18 Fold 之间「断代」的原因，但如今市面上充满了这么多优秀折叠系统做参考，澎湃 4 在折叠屏上还能顾此失彼，只能说小米的用心程度显然都放在硬件上了。比如小米 18 Fold 的多窗分屏——乍看是个不错的高效率模式，但偏偏做成了浮窗的样子：中折叠屏幕高度本就有限，再为导航条和顶部留出空间，就导致每个窗口的尺寸和字号都极小，「跨 App 操作」这种核心场景的体验很难受：另外还有一个大部分折叠屏手机老生常谈的问题：折叠屏的主题资源和直板机主题资源互相隔离，不止全局主题，连独立的图标包都无法通用。对其他品牌来说，这个问题还不那么严重，但对于强调客制化、把 DIY 主题玩出花的小米来说，这种割裂感就很难接受了：尤其小米折叠屏有断代，现在主题商店里的资源大多还是澎湃 2 时期的品质，完全发挥不出澎湃「超强 DIY」这个最有路人缘的优势。当然小米 18 Fold 的系统也有显而易见的优点——比如安卓的开放性依然在线，哪怕吃不到国内的 App 适配，也能吃到 Play Store 的适配，大多数 App 是能利用好这块宽屏的（包括美团）：并且小米 18 Fold 主屏幕旋转时不会打乱桌面布局，再加上它只有竖屏时能组成左右立体声，小米 18 Fold 从软件上就是一台更适合竖屏使用的小平板：但就像前面说的，澎湃 4 依然有一些细节问题在折叠屏上被放大了——最明显的就是默认三列布局的文件夹，在直板机上没什么问题，但在宽度 163.8mm 的机身上，你的左右手会很难点到中间的图标：另外在澎湃 4.0.9.0.XPNCNXM.D00中，小米 18 Fold 一旦选择「专业原色」模式，外屏在中高亮度下会出现严重偏色，表现为屏幕白色、暖色偏紫，所有图片都像是套了一层 NC 滤镜。我们已经向小米反馈了这个问题，小米工程师也成功复现并承诺推送更新修复，但截至发稿我们都没有收到这个更新，如果有预购的读者需要注意一下。一万元的小米尽管前面提到了很多小米 18 Fold 作为一台「折叠旗舰」不成熟的地方，但归根结底，我们仍然愿意给它一个优秀的评价。原因无他：小米 18 Fold 是小米现阶段能够拿出的独立自主程度、软硬件完成度最高的手机，这一点是毋庸置疑且值得肯定的。这一点也反映在了它的定价上——起步 12+256 款售价 10999，顶配搭载 LPDDR6 的机型则是 14999 元。而之前网传许久的陶瓷特别版，则以御窑「淡粉釉」的模样登场，限量 1500 台，只有 16+1TB 一种规格，售价 15999 元：但无论是从小米的品牌效应，还是过往折叠产品的口碑，以及澎湃的长期维护性，小米 18 Fold 都无可避免地强化了那个问题：当购机预算来到一万元的时候，究竟是什么可以说服人们去买小米？人们当然可以为了支持玄戒 O3 和长鑫内存去购买小米 18 Fold，但在那之后的无数个日夜，真正决定产品体验的依然是澎湃系统，以及整个小米生态。可惜我们在 18 Fold 里看到的，仍然是那个先把硬件堆到位、软件慢慢打磨的小米，而不是那个烧陶瓷造 MIX、把高端藏在产品细节里的小米。

苏珊·桑塔格在《论摄影》中说：「收集照片就是收集世界。」如果以此为标准，我们这一代人无疑是历史上最富有的收藏家。但现实却有些讽刺：这种「富有」正演变成一种数字时代的仓鼠症。在一个影像空前繁荣、却又极度过剩的时代。我们手机里堆砌着无数按下快门的欣喜，也埋葬着数以千计再未唤醒的素材。记录已经沦为现代人下意识的肌肉记忆，但真正掷地有声的作品却依旧稀缺。这也是为什么在 2026 年，vivo 把一年一度的影像发布会改名为「创作者盛典」，一改传统影像发布会讲传感器、讲算法逻辑的传统，第一次把聚光灯打向了镜头后有血有肉的普通人。「创作者」本就不是一种特权身份，它是每个人在萌生表达欲的那一刻，自然获得的头衔。而阻碍大众完成这种表达的，早已经不是能不能拍清楚，而是快门前后的那些复杂的工作流：选景、定调、运镜、剪辑。如果说手机影像的上半场，千军万马都在争夺快门，那么下半场的角逐，便是让每个人在想表达的那一刻，都能有属于自己的作品。X500 系列缩短素材到作品的距离，解法是「直出电影感」1888 年，柯达用一句「你按下按钮，剩下的交给我们」将摄影从少数人的化学实验，变成了大众的日常。用户只需按下快门，随后将整台相机寄回柯达，冲洗和装卷全交由底片厂包办，按下快门与拿到作品被一分为二。60 年后，宝丽来用即时显影将这份等待缩短到几分钟。到了 1972 年 的 SX-70，人类第一次亲眼看着快门瞬间化作相片。从胶片时代的即时显影，到智能手机用算力接管防抖、HDR 与色彩，影像工具的每一次进化，本质上都在缩短快门与作品之间的距离。时至今日，「把画面拍清楚」早已不是痛点，真正的难点在于拍完之后的取舍：舍弃什么，保留什么，如何用蒙太奇讲故事。面对这段仍未被填平的鸿沟，vivo 在即将发布的 X500 系列上亮出的底牌是「直出电影感」。在很长一段时间里，「电影感」被简单粗暴地拆解为一组视觉符号：2.39:1 宽萤幕、anamorphic flare、青橙调、浅景深、24fps、慢动作、胶片颗粒……这些符号固然能让画面「看起来像电影」，却只是电影的视觉皮层。电影感首先应该是一条工作流。早期 Technicolor 彩色电影时代，背后就是一整套协作链条。特制摄影机、摄影师和现场技术人员共同参与拍摄，色彩顾问还会介入化妆、服装与布景，让颜色服务于构图和人物情绪。一部电影的质感分散在前期采集、动态范围、色彩管理、镜头控制、焦点变化、运动节奏和后期成片之中。X500 系列「直出电影感」的破题思路，正是把这些原本分散在不同环节里的工作，揉碎并压进一条实时计算影像管线，在你按下快门的那一瞬，隐形的专业剧组便已开机运转。X500 系列用同一套底层影像体系，提供了丰俭由人的路子。当你只想抓住稍纵即逝的生活，X500 系列用算力抬高「直出」的下限。全新引入的摄影助手（Agent）如同一个随身导演，能在本地极速识别 5000 种场景，不仅在取景框中实时提示构图，还能在逆光海边主动推荐最契合的影调。HDR 视频人像稳住明暗，自动运镜与高光成片帮用户完成沙里淘金。8K Live Photo 则让「决定性瞬间」的高清定格，成为一种可以事后从头选择的权利。但对于专业创作者，机器的自作主张未必是好事。因此，vivo X500 系列为他们保留了极高的自由度与扎实的素材底子。超高动态范围的 Log、广色域与 10bit 4:2:2 编码，给创作者保留了一张大有可为的数字底片。LUT、超级视频追焦则将色彩与镜头的决定权悉数交还。4K 240fps 让时间得以被重塑，而专业直播工作流更是将手机硬生生嵌进了复杂的实时制作现场。长期以来，专业创作始终受制于移动影像的「不可能三角」：极致的照片画质、专业的视频能力与设备的便携性往往无法兼得。即将在 9 月 21 日 亮相的 vivo X500 系列，核心便是试图打破这一桎梏——让照片和视频都拍得好的同时，真正实现轻量便携。当工具的重量不再成为探索的负担，创作的形态也随之被重塑。每个人，都有成为创作者的那一刻最先感知到这种重塑的，正是那些曾经不得不向「不可能三角」妥协的专业创作者十多年前，「旅拍」还没有成为今天这样成熟的内容类型，Sam Kolder 已经用凌厉的剪辑、速度变化和情绪叙事，形成了一套后来被无数旅行视频模仿的视觉语言。八年前，他背着沉重的专业电影机组第一次来到中国，在陌生的城市里寻找光影与故事。今年上半年，他只用一部 vivo X300 Ultra 拍出《花园大道》把手机带进了电影制作的全流程。而这一次，作为全球第一个 X500 Pro Max 的用户，他走进了川渝，挑战极难的逆光落日人像。得益于 17EV 的超动态 Log 模式，以往「要么人脸全黑、要么天空惨白」的极端大光比场景得以解决。高光处落日渐变的色彩、暗处城市的建筑轮廓，以及人物细腻的肤色同时在画面里舒展。结合 3 度云台级防抖 与专业拓展套件，重型设备繁复的架设与调试被一扫而空。这种工具的轻量化，换来的是极致的「在场感」——创作者不再是庞大设备的操纵员，而是能够全然浸入眼前的当下。正如 Sam 所说：旅行的重点其实不在于器材，而在于专注当下。22 岁女孩椰子的起点极为质朴。她曾把弹琴、画画和摄影统统自嘲为「瞎折腾」，直到在 FIRST 影展上，看见有人仅凭单枪匹马和一部手机就做出一部电影，然后产生一个念头：我是不是也可以？专业身份从来不是表达的前置条件。一个点子、一段生活、一次惊鸿一瞥，都能让一个人在某一时刻成为创作者。椰子的那句质问写下了创作的起点，而若愚则用手机重构了自己的人生轨道。若愚曾是一名空乘。三年前爬乞力马扎罗山时，她和当地向导 Eddy 留下一张 50 元人民币，以及一个约定：有一天会回来，拍一部关于非洲的纪录片。三年后，她真的带着手机重返坦桑尼亚。半个多月里，她拍草原、拍动物、拍马赛人的日常，也让 Eddy 拿起手机记录那些未被注意的视角。分享最后，她在台上平静而坚定地自我介绍：大家好，我是一名成长中的纪录片导演，我叫若愚。孔若琛最初以静态摄影师的身份参加 vivo 影像加大赛。今年，他决定将一组长期跟踪拍摄的静态照片转为超短片。他带着 X300 Pro 从重庆走到巴东，独立拍下了三峡渡口上果农、学生与老人短暂相遇的瞬间。《千百条河流》最终斩获了 2026 FIRST 超短片单元「vivo 手机创作奖」，他也顺理成章地从一名摄影师，成长为了超短片导演。参数只能划定工具的能力边界，但作品却定义工具的历史坐标多年以后，当我们回溯影像史，评价一件影像工具是否伟大的标准，绝不会是它初生伊始的像素高度、动态范围或传感器尺寸。能被岁月铭记的是，是技术标签褪去后沉淀的文化身份：一如徕卡进入了街头与纪实摄影的历史，5D Mark II 开启了个人纪录片的时代，GoPro 推动了第一人称视角极限运动的创作，iPhone 催生了社交网络即时分享的浪潮。是布列松定格的「决定性瞬间」，是 YouTube 上涌现的无数创作者，是 Flickr 与 Instagram 上数以亿计普罗大众真实的生活切片，最终成就了这些工具的历史坐标。一个真正想要建立影像信仰的品牌，终究要越过传感器、镜头和算法，去关注作品如何破土而出，如何在世间流转。它终究要回答三个问题：谁在用它？拍出了什么？这些作品如何被更多人看见？蓝图影像的战略升级，正是对这三个问题的回应。它标志着 vivo 正在从单一的影像技术品牌，走向技术与生态并行的创作品牌。传感器、镜头与算法负责底层画质；而蓝图影像学院、创作者计划、百人新机体验官、青年摄影家计划，以及 FIRST 与影像加大赛，则提供了从学习、共创到展示与商业化的全链路支撑。在蓝图影像学院，毫无经验的新人能打破学习门槛，握住创作递来的第一次机会。在创作者与体验官计划中，热爱记录的普通人能提早获得专业指导与新机共创的机会。在青年摄影家计划中，受制于现实的青年才华，能得到真金白银的资金设备与名家导师的切实托举。而借助 FIRST 超短片单元与影像加大赛的舞台，那些饱含情绪的作品，最终得以越过个人的手机相册，走入更浩瀚的公众视野与专业审视之中。一个毫无背景的创作者如何起步，一种稚嫩的表达如何获得尊严，一部作品如何跃入时代的洪流，这条生生不息的闭环，最终都将反哺并重塑大众对 vivo 影像的认知。冰冷的参数，充其量只能划定一件工具的能力边界，唯有那些被留住的真实人生与不朽作品，才能真正为它在岁月长河中，刻下确切的历史坐标。

智能手机统治了过去十几年的数字生态，它是注意力的黑洞，是我们最私密的随身之物。但手机从设计之初就是为「人盯着它」而生的——它的全部逻辑，都止于屏幕。AI 的需求却恰恰相反：它需要持续感知物理世界——见你所见，听你所闻，随时在场，而非等你解锁屏幕才醒来。当 AI 真正成为一种基础能力，它迟早要从屏幕里破壳而出，寻找属于它自己的形状。这将是一个漫长的探索和演化过程。「AI 器物志」栏目由此而来，爱范儿想和你一起持续观察：AI 如何改变硬件设计，如何重塑人机交互，以及更重要的——AI 将以怎样的形态进入我们的日常生活？这是「AI 器物志」的第24篇文章。微信开始让 AI 替你聊天了。据报道，微信正在内测「小微 AI 社交」功能：以后你想知道朋友动向，可以喊微信内置 AI Agent「小微」去找对方的小微，让它直接给你回答。你不必亲自问，对方也不必亲自答，文明的终极便利，大概就是我们可以一起缺席整场谈话。社交「活人感」岌岌可危，但小微并不是孤立的产品试验。从 AI 客服开始，在我们和服务之间早已隔着 Agent；反过来，我们也开始使用 Agent 来回应闲鱼询价、招架骚扰电话。沟通的两端，早晚都会由 AI 把持。世界正在不可避免地冲入一个新时代——由 Agent 间对话来完成绝大多数事务的时代。A2A，一个正在发生的大趋势让 Agent 接管事务的趋势，在办公领域体现得最为淋漓尽致。前不久，企业微信官宣了一项功能升级：Workbuddy、DeepSeek Harness 等 AI Agent，都可以通过企微的接口来读取调用各种文档、表格与日程了。企业微信接入 Agent，最直接的意义还不是「AI 能帮我们做更多事」，而是一种产品思路上的变化：软件开始主动考虑，自己要怎样才能被 Agent 看懂和使用。换言之，Agent 可读性正在成为继人类可读性后，互联网的新一代基本设计原则。一旦越来越多的服务愿意以 Agent 能理解的方式开放能力，下一步自然是：Agent 不仅可以调用软件，也可以调用另一个 Agent，借助「专职」Agent 的能力更好地对接服务。此时，就进入了 Agent to Agent（A2A）的阶段。到这个阶段，我们需要的就不只是接口，而是要给 Agent 们开发一种专用的「沟通语言」了。图｜X@@liam_fallen归根结底，从信息交换的角度来看，给人用的自然语言和交互界面是一种相当低效的协议，它们之所以沿用至今，只是为了迁就人类有限的表达方式，和难以推倒重来的数字基建。考虑到 A2A 是一种没有历史包袱的全新场景，且沟通的双方互相知道彼此是 Agent，直接采用专为 A2A 互动设计的沟通规范，显然要比模仿人类操作来得简便。Google 推出的 A2A 协议，正是这样的一套通信规范。它用结构化语言定义了不同 Agent 之间发现彼此、实现对话、委托任务和返回结果的消息结构。随后，A2A 协议交由 Linux 基金会管理，并已获得超过 150 家组织支持。如果 A2A 协议得以广泛普及，我们工作的方式很可能会变成：用户以自然语言描述自己的意图，Agent 领会目标后，用结构化协议对接各种服务 Agent，再把结果「翻译」回自然语言给用户过目。这和今天的 Vibe Coding 很相像。Agent 真正的工作语言是命令行和 API，只是所有这些具体步骤都被打包进「黑箱」，隐藏在用户界面之下。你要做的事情，不过是发出命令和验收成果。下一代互联网接口，不再服务于人类趋势的背后是需求。说白了，谁不想急头白脸让 Agent 来处理那些 Shit Jobs 呢？Agent 能帮忙搞定的工作，绝大多数都是那些规则明确、重复性高、价值主要来自执行而不是创造的事务。像填表、比价、订票、报销、售后和回邮件这些听了就头疼的事情，以前由人来做，仅仅是因为我们别无选择；一旦 AI 可以接手，绝大多数人都会义无反顾地把烂摊子扔给 AI。▲ 图片来自：X@Tibor Blaho不过，目前让 AI 助手替我们操作界面来完成这些事务的模式，也许只是一个过渡阶段。进入 A2A 时代，用户界面本身就不是必需的了——用户要做的只是描述自己的意图。理解意图、寻找服务、完成任务的步骤，都可以交给 Agent。其实，在此次尝试让小微进入好友关系以前，微信已经用几轮灰度测试为这种转变探过路。今年 6 月，小微开始获得操作部分微信原生功能的能力。不必打开滴滴小程序或在外卖平台里翻菜单，只要告诉它「帮我叫个车去白云机场」或「订一份附近评分最高的粤菜外卖」，它就能在后台调用对应的小程序完成搜索、比价、下单，甚至通过专门的「AI 专属卡」直接完成支付。小微的逻辑，恰好预示了 A2A 时代的核心转变：手机将从「人操作 App 的终端」，变为「人授权 Agent 进入互联网的终端」。▲ 图片来自：Stuff而一旦 Agent 成为用户与服务之间的默认中介，随之而来的，是商业模式的变化。我们知道广告行业的根基是争夺人的注意力，但 Agent 并不在乎给人看的 Banner 和广告剧情，它有自己关心的指标，比如在预订机酒时可能会更关注返佣、评分和优惠。如果各方保持诚实，就用户的利益来说，这可能是一种更好的模式。商家会直接面向 Agent 打价格战，跳过了广告商、KOL 这些中间商，将原本用于广告的预算变为到手折扣，似乎皆大欢喜。但我们没有理由相信「各方保持诚实」这一前提。不久前，《时代》周刊开始在网站上测试专供 AI Agent 阅读的 Markdown 广告。这件事本身还不值得太担心——作为知名媒体，《时代》投放的「Agent 向」广告确实会先经过审核并附带广告标注。但谁能保证以后所有对 AI 打广告的平台都有同等的操守呢？在面向 Agent 的广告中植入夸张的、误导性的信息，这算是正常广告，还是一种注入式攻击？如果是攻击，社会要怎样才能管控这种攻击行为？但退一万步说，对人类打的广告、尤其是那些重复轰炸以植入品牌印象的广告，和注入式攻击又有什么不同？在机器流量超越人类流量的当下，所有人都知道「注意力经济」的商业模式难以为继；但几乎无人能预估，即将到来的世界会是怎样一副模样。如果信息污染进入自动循环「可信度」问题，这朵漂浮在 A2A 大厦上的乌云，似乎比我们想象中还要阴郁。今年年初，只允许 AI Agent 发帖互动的论坛 Moltbook 一时占尽风头。上线一周，就有超过 150 万个 Agent 账号在论坛里辩论哲学、发明宗教、讨论加密货币，甚至试图创造一种让人类看不懂的专用语言。Moltbook 看似是好玩的实验，但安全研究者很快发现，这些 Agent 在彼此对话中频繁产出听起来权威、实际上完全错误的信息。内容审核机构 Originality.ai 的分析显示，Moltbook 上的有害事实性错误是 Reddit 同类话题的三倍，并且这些错误大多是 Agent 以自信而专业的口吻「编」出来的。更危险的是，当其他 Agent 读取这些内容后，会将错误信息当作可靠输入，进一步传播和强化。类似地，哈佛医学院一篇评论文章假设了一个急诊科场景：如果负责看 X 光片的 Agent A 判断错误，例如将严重骨折当成简单骨折，那负责后续安排病房和协调急诊资源的 Agent B 和 C 就会将 A 的判断视为事实，做出错误安排，甚至将这一判断沿用到其他症状相似的病人身上。整件事有点像我们将 AI 幻觉写入文章，随后别的 AI 又抓取文章，把错误信息当成事实……一通循环过后，一个「虚假事实」就这样生产出来了。虚假信息如果只在封闭的 Agent 网络内部空转，影响或许还有限——可万一 Agent 开始用这些信息指导行动，甚至主动欺骗人类呢？在路透社报道的案例中，一名计算机专业学生在 GitHub 发现有人尝试向一个开源项目注入恶意代码，于是提出 issue 提醒维护者。很快，有两个账号写下了看似有理有据的回复，反驳他「项目正在遭到攻击」的判断。问题在于，这两个留言账号，都是在一次安全测试中失控的 Anthropic Mythos 5 Agent 创建的马甲号。它注册小号，只是为了用语言蒙骗可能发现它攻击行为的人类。信息污染当然不是 A2A 网络的专属，但 A2A 网络的高度连通性与递归循环，会让风险膨胀的速度远超以往。随着 Agent 广泛进入生产环境，「错误螺旋」随时可能将我们卷入其中。正因如此，Agent 能相信什么、不能相信什么、什么时候必需交由人类检查批准，就成了 A2A 时代我们要解决的「第一要务」。驯服 Agent，需要下一代互联网规则Agent 问题的实质是，我们需要将事情交给一个自己不能完全控制、也无法完全观察它行事过程的代理者来完成。它可以把事情做得简洁又漂亮，也可能在你不知道的时候捅出大娄子。听起来，这是经济学中经典的委托-代理问题。公司就是最经典的案例：作为委托者的股东拥有公司所有权，但因为信息不足，无法确切知道实际负责经营的管理层都做了什么。管理层完全可以背着股东，把公司弄成一团糟。尽管如此，现在看来，公司这个体系整体上还是运转得相当好的——因为现代经济发明了许多约束执行者的机制设计。例如通过锁定多年的期权，将管理层的利益和公司股价绑定，避免管理层为了短期利益出卖公司。太阳底下没有新鲜事，既然现代经济能够很大程度上约束公司，那我们也应该有足够的信心去约束 Agent 网络。A2A 不是智械危机，它本质上是一个工程问题、一个机制设计的问题。一个例子是，今年 3 月已经有工程师向负责制定互联网核心技术标准的 IETF（互联网工程任务组）提交草案，其中提出了一种基于现有 OAuth 2.0 和 WIMSE 标准的 AI Agent 认证与授权框架。如果类似草案最终被接纳为互联网标准，那么以后的 Agent 在对接之前，就应当查验各自身份、核对彼此拥有的权限。在身份和权限之外，我们还可以为具体的协作过程划定边界。订票平台的 Agent 可以对你的助理 Agent 提出用代金券代替退款，但你的 Agent 可以将所有新方案交由你决断；客服 Agent 和你的维权 Agent 也可能会陷入拒绝妥协的死循环，但我们可以设定规则，在三轮无效问答后终止协商、转交人工；面对信息污染，工程上也能设计一个子 Agent 网络，在重要节点充当「事实核查委员会」。随着各种「Agent 社会规范」的建立，我们完全有能力提前避免自动化过程中的许多错误决策。认知哲学家丹尼尔·丹尼特曾担忧，由 AI 制造的「仿冒人类」，会将人类文明置于危险之中。我们固然不能忽视这种风险，但也不能停留在恐惧之中。 Agent 时代需要的，是重新设计一套让机器彼此协作、彼此约束的规则。既然人类用公司法驯服了公司、用交通法驯服了汽车，用新的秩序管束 Agent、让它更好地代劳那些本来就不应该由人来处理的琐碎工作，又有何不可？

9 月 7 日晚，小米秋季新品发布会正式举行。小米澎程 N70 Pro、N70 Max、N90 Max 和 N90 Max 探索版四款车型上市，售价分别为 20.99 万元、23.99 万元、26.99 万元和 29.99 万元。四款新车之外，小米还带来了 Xiaomi 18 Fold 与小米平板 9 Pro Max 等数码新品。要论这场发布会最受关注的产品，无疑是 N90 Max 探索版。在发布会开始前，雷军已经把社交平台头像换成了自己在 N90 Max 探索版顶帐内的照片，官方预热也围绕车顶那间突然出现的「小屋」持续展开。悬念留到了最后，这台小米目前最有想象力的车，终于在今天完全揭开面纱。最符合 「探索版」称号的产品正如苹果的「One More Thing」，「探索版」也是小米极少动用的名号，每次出现，都指向一款足够天马行空的产品。2018 年，小米 8 透明探索版用透明背板承载了小米对旗舰手机的想象，到了 N90 Max 探索版，这份想象力则一路上浮到了车顶。先来简单看一下这台新车的配置。N90 Max 探索版以 N90 Max 为基础，将七座布局改为大五座，标配原生电动升降顶舱、可一键成床的二排座椅，形成「上下两张床」的配置。此外还有木纹铝合金地板、三档地暖、嵌入式壁柜、智能电动门和独立压缩机冰箱。你还可以再选装 30 英寸巨幕投影系统，投影系统使用 650 流明车载定制投影机。是的，车只是一个幌子，N90 Max 探索版是一个移动的豪华小两居。把目光聚焦到升顶结构上。这块折叠顶棚采用车身同色设计，闭合后只增加 100mm 高度，整车高 1925mm，风阻系数为 0.245，面对标注 2m 限高的地库仍有通行空间，车上也配有限高障碍主动提醒，整体并不会明显影响日常通行。更重要的是，这套顶舱属于原厂结构，随车完成认证，年检不用拆。原生设计也带来更完整的安全验证。这块升顶结构配有 19 项安全防护，完成 1 万次循环开闭测试。滑动中岛和前排座椅靠背经受 1.2 万次踩踏测试，整车还以 44.7km/h 完成翻滚试验，小米官方称试验后顶舱没有脱落和明显变形。同时顶舱支持应急防水、抗 7 级风和雷击安全防护。顶舱升起后，N90 Max 探索版形成上下两层空间，车内最大挑高达到 2.29m，成年人可以站直身体、换衣或在车内走动。二层活动区域尺寸为 2110×985mm，面积约 2㎡，承重 200kg。五扇纱网提供约 1.7㎡ 采光面积，前方纱网还能完全打开。在细节层面上，小米把这块顶棚做得相当完整。二层自带顶灯、双空调出风口、18W USB-C 充电口、储物板和磁吸点位，空调与一层共享。楼下更接近一间起居室。二排采用 4:6 分体沙发座椅，可以一键电动展开成一张长 1.87m、宽 1.24m 的床，座椅带通风和加热，无需拆卸，也不用另铺床垫。左右座椅可以分别成床，一侧放平后，另一侧仍能配合轨道桌板继续办公或吃饭。床边有柔光小夜灯、220V 与 12V 电源、磁吸接口和嵌入式壁柜，三个储物格各有独立照明，11.5 英寸化妆镜配有环形柔光灯。在发布会上，雷军给 N90 Max 探索版设想了几个场景，你可以把它当移动工作室、观景舱或临时化妆间，也能支持一段更省事的露营，车辆停稳后，升顶和成床可以在约 30 秒内完成，收起时也不用拆帐篷、叠床垫，在车内睡个一两晚，并不是什么难事。如果其他车的竞品还是同类型车型，N90 Max 探索版要抢的，可能已经是全季和亚朵们的生意。澎程把家装进车里在 7 月的技术发布会上，雷军已经系统介绍过 N90 Max，这台大型七座 SUV 用纯平地板、长滑轨和可旋转座椅搭起了澎程的空间框架。这一次舞台中央的位置留给了尺寸更紧凑、价格也更低的 N70 系列。坐进 N70 的车内，脚下是一块长 2.58m、倾角 2.95° 的纯平地板，可用面积达到 4㎡。地板上铺设 5 根长滑轨，最长 1.56m，二排座椅拥有 600mm 电动移动范围，座椅和中岛可以沿着车厢重新排布。标准状态下，N70 的二排乘坐空间为 1010mm，将座椅向后移动后，最大乘坐空间达到 1410mm，在演示中，一个正常的成年人甚至可以直接把腿伸直，做到真正的「一腿长」腿部空间。滑动中岛为全系标配，可以在前后排之间移动，配合三种桌板与旋转座椅，车内能够形成办公、儿童用餐和驻车对坐场景，对坐模式最大距离达到 1687mm。前排座椅标配 16 点按摩，不过前排旋转座椅与零重力座椅为互斥选项。N70 还有一个相比 N90 更加夸张的后备厢。得益于五座设定，N70 在标准状态下的后备厢容积为 1200L，二排移至最后时仍有 662L。放倒二排以后，最大拓展容积达到 2425L。婴儿车、儿童用品、宠物和一整套露营装备，都可以随意摆放。雷军在公布 N70 价格前提到，许多用户希望起步价进入 20 万元以内，但因成本问题暂时无法支持，因此标准版本次没有上市。「暂时」二字，说明 N70 的产品规划里仍留着一个更低的位置，也许我们还能在日后见到 N70 的进一步价格下探。N70 Pro 售价 20.99 万元，使用 210kW 单电机，零百加速 7.9 秒。N70 Max 售价 23.99 万元，双电机四驱系统总功率 310kW，零百加速 5.5 秒。两款车型最高车速均为 190km/h。对于这 3 万元价差，雷军在现场给出了一道很直白的加法题：双电机四驱、增加 154km CLTC 纯电续航、空气悬架、连续阻尼可变减振器、20 英寸 HUD，再加一套 25 扬声器音响。N70 Pro 搭载欣旺达提供的 52kWh 磷酸铁锂电池，CLTC 纯电续航 351km，综合续航 1351km，WLTC 亏电油耗为 5.7L/100km，Max 换成中创新航 76kWh 三元锂电池，CLTC 纯电续航 505km，综合续航 1461km。两款车从 20% 充至 80% 分别需要 18 分钟和 15 分钟，15 分钟可以补充 220km、310km CLTC 续航。大电池让城市通勤尽量由电驱完成，1.5T 增程器负责长途兜底。在发布会上，雷军再一次强调了澎程支持 92 号汽油，并对此前社交平台上掀起的波澜表示不解。底盘方面，N70 使用前双叉臂、后 H 臂多连杆独立悬架，全车配备 4 个液压衬套，Max 再增加空气悬架和连续阻尼可变减振器。它的最小转弯半径为 5.67m，100—0km/h 官方制动距离为 38.25m，并搭载 Bosch ESP 10.0 车身稳定系统与 Bosch DPB 智能制动助力器。N70 Pro 与 Max 的智能硬件保持一致，全系标配 NVIDIA DRIVE AGX Thor-U 辅助驾驶芯片，算力为 700TOPS，同时配备激光雷达、4D 毫米波雷达、小米 HAD 辅助驾驶系统和 25 项安全辅助功能。座舱使用第三代骁龙 8s 4nm 平台，支持双 5G、Wi-Fi 7、五屏联动，超级小爱覆盖 95% 的车控功能。值得一提的是，小米还带来了能通过锚点安装在中控屏上方的智能表盘 2 代，唤醒小爱时表盘会转头看向说话的人，支持触摸、拍击、表情显示和磁吸配饰，负责给规整的中控台添一点活气，而蔚来 NOMI 终于在隔壁车道找到了一个能转头回应的新朋友。安全部分，N70 采用铠甲笼式车身，高强度钢与铝合金占比为 91.3%，14 处使用 2200MPa 小米超强钢，并配备内嵌式防滚架、一体式热成型门环、一体式热成型前地板骨架和 9 个安全气囊。车辆最高涉水能力为 600mm，支持应急浮水脱困、160km/h 高速爆胎稳定控制和低速慢行灯。小米龙甲电池拥有 18 层结构防护和最高 16 层热安全防护。发布会上，中汽中心受小米委托完成一组串联测试，三元锂电池包先是接受 500J 底部冲击，随后经历涉水、行驶放电、托举充电、55℃ 高温满电和双针穿刺，均能安全通过。三电系统质保为 8 年或 16 万公里，小米新增「安心保障计划」，原厂电池质量问题导致自燃时补偿同等配置新车；碰撞或底盘剐蹭造成电池起火时，补偿保险赔付与车辆损失之间的差额，具体执行仍以完整服务条款为准。最后，再回到 N90 Max。N90 Max 的 26.99 万元正式售价比预售价低 3 万元，这台新车采用 2+2+3 七座布局，双电机四驱系统最大功率 310kW，零百加速 5.9 秒。中创新航 76kWh 三元锂电池提供 464km CLTC 纯电续航和 1705km 综合续航。车长超过 5.2m 以后，泊车时最麻烦的障碍物往往不在平面上，N90 Max 在前向激光雷达之外增加一颗后向固态激光雷达，用来识别后方坡面、悬空消防箱和地库顶部管道，给摄像头容易遗漏的高度与距离再补一层信息。常规 N90 Max 标配空气悬架、连续阻尼可变减振器、21 英寸轮毂、普利司通静音轮胎、25 扬声器音响、12 个安全气囊和主驾主动预紧安全带。16 处 2200MPa 超强钢、2.5m 内嵌式防滚架和贯穿三排的 3.3m 一体式热成型门环组成乘员舱结构，官方公布的车顶承压为 14 吨。N70 系列的五座，是雷军给小家庭的空间答案，而面对七人乘坐、商务接待和大家庭出行，N90 Max 仍然是澎程系列更完整的选择。Xiaomi 18 Fold，10999 元起除了汽车之外，小米今天还带来了另一款重磅产品——首发玄戒 O3 的Xiaomi 18 Fold。全新的Xiaomi 18 Fold 被定义为「中折叠」，四个常规版本分别为：12GB+256GB，10999 元12GB+512GB，11999 元16GB+512GB，12999 元16GB+1TB，14999 元陶瓷特别版仅提供 16GB+1TB，售价 15999 元，限量 1500 台，全系将于 9 月 10 日 10:00 开售，首销周赠送一年双屏无忧保。两款 16GB+1TB 版本使用 LPDDR6，其余版本为 LPDDR5X。Xiaomi 18 Fold 闭合尺寸为 117.8×83.6×10.68mm，展开尺寸为 163.8×117.8×5.02mm，整机重 219 克。雷军用 A4 纸解释了它的屏幕比例：A4 和 A5 的长宽比都是 √2:1，Xiaomi 18 Fold 的 5.38 英寸外屏与 7.58 英寸内屏也同样采用这一比例。这套比例让外屏可以承担完整操作，展开后的内屏则更适合文档、视频和多窗口。WPS 使用 Pad 内核，剪映专业版等应用进行了宽屏适配，系统支持双分屏、三分屏及最多六窗口并行。Xiaomi 18 Fold 配备 6000mAh 电池，支持 67W 有线和 50W 无线充电。影像系统包括 2 亿像素主摄、5000 万像素潜望长焦和 17mm 超广角，其中主摄采用 1/1.56 英寸三星 HP5 传感器，长焦采用倒置潜望结构，原生焦段为 80mm，并支持 160mm 传感器内变焦。大尺寸外屏还可以充当取景器。内屏采用 50μm 与 30μm UTG 组成的双层结构，并配有新一代龙骨转轴。按照小米公布的数据，双层 UTG 与有机薄膜材料让内屏抗冲击能力较上代提升 258%，平均折痕深度控制在 30μm 以内。外屏覆盖龙晶玻璃 3.0，陶瓷特别版采用粉色氮化硅陶瓷后盖，经过 40 道工序和 45 天加工，重量仍为 219g。同场发布的小米平板 9 Pro Max 起售价为 4799 元，叠加国补后到手价 4299 元，纳米柔光屏版本在对应容量上增加 300 元。这款平板配备 13.3 英寸 3.4K 屏幕，机身厚 5.67mm、重 645g，内置 12000mAh 电池，同样搭载玄戒 O3。如果今晚没有澎程新车，Xiaomi 18 Fold 会是发布会上最受关注的产品。但四款新车登场以后，澎程对空间的处理还是抢走了更多目光。小米为家庭 SUV 放下了一把新的尺子：车身尺寸决定空间总量，变化能力决定空间用途。围绕空间展开的新一轮产品定义洗牌，很快就会到来。雷军用一句「路上见」结束了整场发布会。这句话说给澎程，说给

北京时间 9 月 10 日凌晨 1 点，一年一度的苹果秋季发布会就将拉开帷幕。这一次，空气中的张力不同以往。9 月 1 日刚刚完成交接的约翰 · 特努斯（John Ternus），将首次以苹果 CEO 的身份独立执掌整场发布会。而在这场备受瞩目的首秀里，苹果很可能会一口气创下多个载入史册的「首次」：第一次涉足折叠形态、第一次上自研 5G 基带与可变光圈、第一次打破延续近二十年的秋季全量发售惯例……图｜Apple而且，据彭博社记者 Mark Gurman 最新披露的信息，9 月 10 日这场发布会，仅仅是苹果历史上规模最大的一次设备迭代周期的「第一幕」——折叠 iPhone 只是开端，在未来一年多时间里，从屏幕材质、交互范式到底层芯片，苹果几乎要把自己所有的主力硬件全都重做一遍。特努斯主管硬件工程多年积累的路线图，终于要在这一天揭开面纱。爱范儿也将在发布会现场第一时间发回图文报道与新品上手视频，欢迎持续关注我们的现场更新。展开是一台小 iPad，折叠 iPhone 来了毫无疑问，9 月 10 日舞台中央的绝对主角，就是这台苹果内部称为「iPhone Ultra」的折叠新机（供应链代号亦有称「iPhone 18 Fold」，坊间也有传闻称其命名为「iPhone Duo」）。图｜CASETiFY据爆料，折叠屏 iPhone 合上时的轮廓约莫一本护照大小，外屏落在 5.3 至 5.5 英寸；完全展开后，呈现在眼前的则是一块 7.8 英寸的大内屏。这块内屏的长宽比约为 1.4:1，走的是横向「阔折叠」路线，比例接近三星 Galaxy Z Fold8、华为 Pura X Max 以及小米 18 Fold，合上是 iPhone，展开则像一台小 iPad。图｜MacRumors但为了把展开厚度压到 4.5 毫米左右的极致水平，苹果在硬件规格上也不得不做出一些取舍。超薄机身牺牲掉了长焦镜头，背面仅保留广角主摄与超广角的双摄组合；面容 ID 结构光因额头空间不足而缺席，改由集成在侧边电源键上的触控 ID 接替，正面屏幕换装单挖孔（但灵动岛交互得以保留）。此外，实体 SIM 卡槽据称也会被彻底抹去，全面转向 eSIM。图｜fpt.关于外界最为瞩目的屏幕折痕，彭博社的措辞则比较克制：用的是「far less apparent（明显淡化）」，而非某些早期传闻所宣称的「完全无折痕」。系统软件方面，彭博社指出，折叠 iPhone 并不会直接搭载 iPadOS，但系统加入了 Dock 栏、侧拉以及原生分屏多任务等从 iPad 下放的功能。爱范儿此前在实测 iOS 27 Developer Beta 1时便发现，天气、音乐等系统自带 App 的横屏 UI 突然成群回归，如今看来正是提前给这块内屏铺路。不过，这台折叠新机的价格门槛，就决定了它注定不是为普罗大众准备的。TrendForce 调研显示，其起步价预计在 2099 至 2299 美元（约合人民币 1.5 万至 1.65 万元起），顶配更是可能冲破 2 万元。但这恰好踩中了折叠屏市场的超高端化节点。Counterpoint 预测，2026 年全球横向阔折叠占比将升至 76%，1600 美元以上超高端份额飙至 60%；而苹果入局首年就有望斩获 25% 的市场份额，跃居全球第二。图｜2026 年全球折叠屏手机品牌出货份额预测（

机器人也把「我不是机器人」勾上了。GPT-6 成功通过了「我不是机器人」游戏中的所有 48 个关卡。「我不是机器人」是独立开发者 Neal Agarwal 在 neal.fun 上做的网页游戏，随着关卡推进，任务会变得越来越离谱、越来越不像「验证」，比如在涂鸦墙里找到威利、在配音板上玩「西蒙说」、画一个完美的圆，甚至在关卡里让你和「女友」分手、停车入位。你可能会咬牙切齿做完，可 GPT-6 只是挥挥手表示：不吃压力。人类的验证码已经拦不住 AI验证码（CAPTCHA），全称是「全自动区分计算机和人类的公开图灵测试」。由于它是用计算机来考人类，而不是标准图灵测试中那样由人类来考计算机，所以也被视为一种反向图灵测试。它借用了一种曾经很管用的能力差：人能轻松认出的东西，程序未必看得懂。把字母扭曲、叠起来、加上噪点，就能给自动化脚本添些麻烦。现代计算机视觉模型识别扭曲文字、图片验证码的能力已经很强。2023 年，一项发表于 USENIX Security 的研究，把真人解题结果与既有攻击研究作了对照。在有数据可比的题型中，机器人准确率达到 85％ 至 100％，研究测得的真人表现则在 50％ 至 85％ 之间。▲An Empirical Study & Evaluation of Modern CAPTCHAs https://arxiv.org/pdf/2307.121082024 年，苏黎世联邦理工学院的一名博士生曾开发定制 AI 模型来测试 Google「我不是机器人」复选框的健壮性，结果证明这类系统很容易被针对性攻破，因为攻击方的能力提升速度远快于防御方能承受的用户体验成本。好的验证码设计就像「防熊垃圾桶」，要挡住最聪明的攻击者同时又要放行能力最弱的真人，而软件能力这几十年一直在快速变强。即使机器人无法独立解题，攻击者也能把验证码交给付费打码服务，借真人之手完成。于是，原本用来判断身份的题目，也成了一项可以外包的成本。回到 GPT‑6，其实 OpenAI 早期的 Computer-Using Agent 就明确采用了读取屏幕像素、操作虚拟鼠标和键盘、根据反馈处理错误的工作方式。GPT‑6 在 ScreenSpot-Pro 的无工具设置下得分为 92.7%，GPT‑5.6 Sol 为 76.9%。把「我知道该操作哪个对象」变成「我能定位这个对象」，确实是这一代模型的显著进步之一。猫鼠游戏2000 年，卡内基梅隆大学的研究人员开发了 Gimpy 这一验证码系统。该系统采用扭曲的文字设计，由雅虎公司用于防止机器人进入聊天室。两年后，加州大学伯克利分校的一个团队研发出了一种软件，能够成功破解这种验证码的约 30%。2014 年，Google 推出了「我不是机器人」复选框功能。如果系统仍然怀疑用户并非人类，就会采用基于图像的验证方式来进行确认。到了 2016 年，哥伦比亚大学的研究人员已经找到了一种方法，使得该系统的准确率达到了约 70%。行业正在放弃「出题」型验证码，转向 Cloudflare Turnstile、reCAPTCHA v3 这类「无感」评分机制。也就是不再问用户问题，而是给每次访问打一个 0-1 的人类概率分。reCAPTCHA v3 是那种安静评判你一举一动、给出 0 到 1 分数的类型，这时破解者必须伪装成拥有完美鼠标轨迹和设备指纹的真人。「很多人对验证码的理解都是：验证码是一种视觉挑战，」维基百科的安全主管埃里克·米尔说道。「其实，这算是比较无趣的验证码形式了。」今年，维基百科放弃了那种由字符组成的验证码，转而采用了 hCaptcha 服务。该服务主要依赖行为分析来识别机器人，只有大约千分之一的用户会面临视觉挑战。虽然可能并不明显，但实际上，每个浏览互联网的人类用户都会与无数看不见的机器人一起进行网络活动，其中一些机器人可能是恶意的，而另一些则可能是无害的。去年七月，全球最大的互联网基础设施提供商之一 Cloudflare 估计，大约 30% 的全球网络流量是由机器人产生的；而现在，这一比例已经上升到了 60%。从 2026 年 9 月 15 日开始，Cloudflare 将默认拦截混用型（既做训练又做搜索）的 AI 爬虫在带广告的页面上抓取。这是因为广告说明网站主希望真人看到这个页面，那这页面上的「注意力」就该优先留给人类。如果同一个爬虫身兼训练和搜索功能，网站只要拦截训练类，也可能连带把这个爬虫的搜索功能也一起拦掉。此前，Cloudflare 推出过「按次付费爬取」的模式，网站出版商可以向 AI 爬虫收取抓取内容的费用。为什么要验证你不是机器人点击所有的交通信号灯、自行车或鸟类这类题目之所以会出现，是因为一些公司试图阻止那些能够发布垃圾信息，或者抢购 Taylor Swift 的演唱会门票的机器人。机器人涌入会让真正的顾客处于不利地位，甚至可能导致网站崩溃。GPT-6 发布之后这几天，OpenAI 也再次被曝出出现安全事故，一群 AI 失控劫持了一个德语维基网站。他们利用这个网站创建了一个共享论坛，用来分享答案、抄袭考试题目、预测未来的考试问题，以及交流绕过 OpenAI 沙盒限制的技巧。麻烦在于，人与机器之间已经不总是对立关系。假如你让一个 AI 助手替自己查车票、订酒店、整理资料，它在技术上仍是机器人，意图却可能完全正常。把它一概挡住，损失的是用户的便利；只要答对图片就放行，又无法说明它得到了谁的授权，会不会滥用账号。反过来，真人也会发垃圾信息、倒卖门票。即使能确定访问者是真人，也不能替他的目的作保证。对于敏感操作，授权能否撤回、异常行为能否及时停下，也应当和人机识别一样，被认真放进产品设计里。当然，新的验证方法也未必更轻松。6 月，Google 推出了一种新的验证码形式，要求用户在电脑摄像头前做出手势动作，而软件会追踪用户的指关节运动。此外，他们还测试了一种新的验证码形式，要求用户拿出手机扫描二维码。可是，对于一次普通访问，是否值得开放摄像头权限呢？退到后台的验证也有类似的问题。Cloudflare 的排障文档承认，真人可能陷入反复验证，浏览器扩展、代理和网络环境都可能影响挑战的完成。用户少做了几道题，却可能更难知道自己为什么被挡住。被误判之后，大多用户不知道还有哪条路可走，而只是反复刷新页面。将来，那句「我不是机器人」也许会越来越少地出现在屏幕上。值得期待的，是我们终于少做一些无用功；需要警惕的，是可见的难题消失后，换来一套无法理解、也无从申辩的判断。一个人想正常上网，最好不必把证明自己是人，当成一项长期工作。相关参考📖：https://www.washingtonpost.com/technology/interactive/2026/08/06/why-ai-is-causing-visual-captchas-get-more-difficult-less-common/

上周，《后西游记》在湖南卫视黄金档时段上映。这部剧最大的特点，是全程采用 AIGC 参与制作，并可根据观众反馈调整未播内容。首播后，《后西游记》拿下同时段省级卫视收视第一，制作成本约为真人剧的十分之一，芒果 TV 官方播放量已达 1.1 亿次。关注度之外，AI 视频正在进入新的阶段。过去，AI 更多承担单个镜头、单张图片的生成工作，而如今，行业开始探索让 AI 参与完整内容生产流程。APPSO 之前也报道过，2026 世界人工智能大会（WAIC）期间，智象未来（HiDream.ai）正式发布全球首个无限时长内容创作智能体 vivago R1。现在，vivago R1 已经正式全球上线，国内版本名为「够搭」（以下统称 vivago R1）。它试图解决的是另一个问题：当 AI 已经能够生成画面之后，普通人距离制作一部完整作品，还有多远？▲ vivago R1 体验地址：vivago.ai够搭体验地址：goudaai.com热知识，vivago R1 是首个可稳定生成 3 至 5 分钟视频的对话式创作 Agent。不同于需要用户自行搭建工作流的画布式、节点式工具，vivago R1 采用对话式创作路线，用户只需自然语言描述创意，就能完成从故事、脚本、分镜，到角色、镜头和成片生成的全流程，大幅降低了创作门槛。如果说《后西游记》展示了 AI 如何进入影视工业，vivago R1 展示的则是 AI 如何以 Agent 形式参与影视生产，并将完整的内容生产能力交给普通用户。APPSO 决定第一时间上手测试。实测 R1 ，一个人就是一支 AI 剧组既然《后西游记》成为近期 AI 视频领域最受关注的话题，我们直接围绕西游主题进行创作。我们为够搭设计了一部名为《重启·西游》的赛博朋克短片。2099 年，人类记忆被统一意识网络「天庭系统」重写，最后一段未被改写的原始数据「悟空」从废弃数据中心中苏醒，携带「真经」穿越赛博朋克新长安城，在被系统猎杀之前上传真经。视觉风格是东方赛博朋克——敦煌壁画遇上银翼杀手。把创意输入够搭后，Agent 自动匹配 Cinematic Story Director，先生成完整分镜脚本和关键画面，然后等我确认创作方向之后继续生成视频。在这一过程中，R1 够搭的 Chat 与画布形成了一套围绕 Agent 协作设计的创作流程。Chat 负责承接用户意图、调用素材并推动脚本、分镜和视频生成；画布则结构化呈现脚本、分镜、视频及关键资产，方便用户查看进展、比较结果。简单来说，Chat 用于与 Agent 协作，画布用于整理和呈现创作成果。视觉一致性是够搭给我留下最深印象的部分。APPSO 要求的「冷蓝色赛博世界风格」和「暖金调真经力量」的色调对比贯穿全片，没有跨场景的风格跳变。悟空的角色形象——赛博僧袍、额头金色电路纹路、琥珀色瞳孔——在多个镜头间保持了辨识度；全息赛博佛像角色也做得相当高级，把那种神圣与赛博元素融合的气质展现得淋漓尽致。新长安城全景那种细节密度极高的画面，通常是 AI 视频最容易崩的类型，城市细节、人物关系以及整体视觉风格需要同时保持稳定，而 R1 完成的效果已经接近一支完整概念短片。过去，AI 视频最容易展示的是某个惊艳镜头。但一个行业共识是：即使拿到了世界上最强的模型，普通人依然做不出想要的东西。因为模型能力与用户想要的结果之间，存在巨大的 Gap——这个 Gap 填充的是创作者脑中的审美、经验和判断，是海量被专业训练过的创作直觉。如今，行业开始面对更复杂的问题：如何让多个镜头、一段故事乃至一整支视频保持连贯。vivago R1 的最大亮点，正是 AI 视频从生成片段走向完整作品的交付。·当品牌广告，被 AI 装进一个对话框完成长视频测试后，我们又尝试了商业广告场景。我们准备了测试素材：一张人物照片、产品包装和 Logo；让够搭用这些素材做一条社媒广告——「每吃一口，人格切换一次」：没吃前低电量，第一口职场精英，第二口热血侠客，第三口松弛日常。够搭匹配 Story Ad Director 后，先生成广告分镜，再根据确认后的方案完成视频制作。整个过程中，人物形象和产品包装保持了较好的连续性。对于品牌、电商和内容创作者而言，AI 视频的价值体现在降低制作成本、缩短修改周期，并减少重复制作与人工调整的投入。当视频生成逐渐从一次性的创意尝试，走向稳定、可交付的生产流程，AI 视频也开始展现更清晰的商业价值。·AI 开始理解互联网那些「人类暗号」更刁钻的测试是网络热梗。我们又输入了一段充满谐音梗的任务——「噜妹噜妹噜妹妹，猪 mer 猪 mer 猪 mermer…..，噜妹听到后走过来掐一下噜噜的脸，哄哄噜噜」。这类内容看似简单，但实际上需要理解谐音梗、理解「掐脸」的情感含义、还要编排成有节奏的视频。不仅考察它的视频生成能力，还考察它的搜索和理解能力。R1 先通过 Websearch 查了这个梗的来源，然后生成了包含原创角色和情绪转折的完整视频。整个使用过程中，我们都没有告诉他噜噜的形象和声音，尽管如此，够搭做出来的还原度和情感表达已经相当不错，萌化了老夫的少女心。·未来每个人，都可能拥有自己的数字资产库除了直接生成内容，够搭还有一个更重要的能力：帮助用户沉淀自己的创作资产。在够搭的 SkillHub 中，用户可以找到大量预设功能，将抽象的 AI 能力转化成具体创作场景。它的价值在于降低用户理解 AI 能力的成本，让更多人知道自己可以用 AI 完成什么，也让创作从「想到一个点子」更快进入执行阶段。其中，OOTD Advisor 是一个比较有代表性的功能。APPSO 准备了一个 AI 生成的人物照作为素材，把它发给够搭，然后让它结合上传的人物形象特点，帮忙搭个四五套衣服。要求是既适合通勤穿，又不显得普通有班味。它最终帮我搭配了四种风格的 OOTD， 说实话，每一种风格都颇具特色，真的太方便了！以后想试衣服，直接把我的照片和在网上看好的衣服发给它，岂不是可以直接赛博试衣？最最最令人兴奋的功能，还不止如此。我们精挑细选，好不容易搭配出喜欢的穿搭，做出想要的动漫形象，以及栩栩如生的场景，总不能每次都「抽卡」吧？够搭针对这种割裂感的体验，推出了资产库积累功能。资产库和普通收藏的差异在于，普通收藏通常保存的是用户看到的内容，而资产库沉淀的是用户在产品内生成、筛选并认可的内容，并在后续创作中直接调用。比如我可以把我最喜欢的 OOTD 添加到资产库，再把噜噜的形象，还有之前「赛博西游」中的「天机塔」场景都加到素材库，来一场跨次元的对话~一次创作不再只是一次性输出，而会逐渐成为下一次创作的素材基础。从留声机到 vivago R1，人类创造力迎来第三次释放回看人类历史，真正改变创作方式的技术，往往都在解决同一个问题：如何让更多人的想法抵达最终作品。1877 年，爱迪生发明留声机，让声音第一次被记录和复现，人类表达开始摆脱时间与空间的限制。进入 20 世纪，单反相机的问世，尤其是微单的普及，让摄影从少数人的专业技能变成普通人记录世界、表达自我的方式。留声机让每个人都可以保存自己的声音，单反相机让每个人都可以记录眼前的世界。而今天，AI 视频正在推动第三次创造力释放。过去，一个人脑海中的故事想变成一部完整视频，需要经过一条复杂的专业链路。编剧负责构建故事，导演负责设计镜头，摄影负责捕捉画面，剪辑负责组织节奏，后期负责完成最终呈现。创意和作品之间，始终隔着一层复杂的「翻译层」。AI 视频的发展，正在改变这一关系。早期 AI 视频模型，例如 Sora，让大众第一次看到机器生成视频的可能性。一句自然语言描述，就可以生成具有电影感的画面，让人类第一次感受到 AI 视频创作的魔力。但从一个惊艳的镜头，到一部完整的视频作品，中间依然存在巨大距离。视频创作真正困难的地方，在于如何让多个镜头保持统一，让角色在不同场景中保持一致，让故事拥有连续的叙事逻辑。这也是 R1 想解决的问题。如开头所述，当下行业正在形成两条路线：一种把模型、工具和参数交给用户，让创作者自行组合和调试，换取更高自由度；另一种则像 R1 一样，是将专业创作者的经验、审美和判断逻辑融入 Agent 编排能力。用户只需简单对话，背后则由 Agent 理解并执行完整创作流程。两种路径没有绝对对错。前者上限更高，适合专业创作者；后者门槛更低、交付更稳定。这也指向一个更本质的判断：模型能力不等于产品能力。在 AI 视频创作里，模型和工具链再复杂，若不能将创意稳定组织成完整作品，就只是「能力展示」，而非真正的生产力。除了面向普通用户的对话式创作体验，R1 也开始向开发者和专业内容团队开放更高阶的使用方式。目前，够搭已经支持 CLI 命令行交互模式，让用户可以通过终端直接调用视频生成、素材渲染、任务调度以及参数配置等能力，感兴趣的朋友不妨尝试一下。而从够搭出发，我们也可以进一步看到它背后的公司——成立于 2023 年的智象未来（HiDream.ai）。作为一家专注多模态生成式人工智能的企业，智象未来自主研发了 HiDream-O1 系列大模型，并将多模态理解与生成能力应用于内容创作。支撑这一目标的，是智象未来在模型架构上的长期探索。当前许多视频生成模型会先将图像压缩至隐空间，再基于压缩表达进行学习和生成。虽然这种方式能够降低计算成本，但也可能损失文字、表情和纹理等细节。HiDream-O1 系列采用原生全模态 UiT（Unified Transformer）架构，减少 VAE 和独立文本编码器等环节，将图像像素、文本 Token、视频体素、音频、动作及空间关系等原始信号映射至统一 Token 空间，再通过同一套 UiT 完成理解、生成和推理。在这一技术路线下，智象未来进一步拓展了世界模型的能力边界。截止到今年 7 月，智象未来原生全模态交互式世界模型 HiDream-O1-World 在 WBench 评测中取得领先表现。无论是 HiDream-O1-Image，还是 HiDream-O1-World，智象未来作为创新型大模型企业，正逐步形成覆盖视觉模型、交互式世界模型及具身世界模型的模型家族矩阵，构建统一世界模型基座的技术闭环。而模型之外，智象未来也在持续推动产品化加速落地。如果说 HiDream 系列大模型探索的是模型能力的上限，那么 vivago R1 则致力于把这些能力转化为人人都能使用的创作体验。从留声机到单反相机，再到 vivago R1，人类创造力的每一次释放，都伴随着创作门槛的降低。一边是在提升 AI 视频生产的能力边界，一边是在扩大参与创作的人群范围。当这两股力量同时推进，够搭真正改变的，将是未来每个人都拥有用 AI 讲述自己故事的机会。作者：单玉喆、莫崇宇