今年几乎天天都能看到各路 AI 视频大神刷屏，什么奥特曼对波马斯克，雪王大战东方明珠，切金属切玻璃 ASMR……看得人心痒痒。

但真轮到自己上手，你就会发现，这玩意儿纯属「开盲盒」，而且是成本巨高的那种。排队几小时是家常便饭，积分烧得比纸快，结果出来的视频要么人物畸变、画风诡异，要么干脆就把你的提示词当成耳旁风。

面对「AI 视频刺客」，还真有「卷王」站了出来。

去年靠「毒液特效」出圈的 PixVerse，今天悄咪咪地放了个大招——PixVerse V5。

他们这次号称搞了一套「准实时生成」的狠活，全面优化了动态、清晰度、一致性和指令理解能力。

PixVerse V5 这次不光是小修小补，他们直接端出了三个硬菜：

1. 快速生成
这一直是 pixVerse 最大亮点， 他们通过极致的技术蒸馏，把视频生成压缩到了「秒级」。5秒钟出一段360p短片，1 分钟搞定 1080p高清视频。

2. 更少 AI 味儿
V5 通过扩展美学数据和人类偏好拟合（RLHF），让模型更懂「好看」和「真实」。无论是复杂的人物运动，还是光影的真实感，都大幅提升，生成效果更接近真实拍摄。

3. 指哪打哪
最让人头疼的「AI听不懂人话」问题，他们用「统一特征空间」技术来解决。简单说，就是不管你喂给它的是一句话、一张图，还是一段参考视频，它都能更准确地理解你的意图，实现图、文、视频多模态的复杂创意，让你真正做到精准控制。

话是这么说，是不是吹牛还得拉出来遛遛。我第一时间搞到了内测资格，替大家给它上上强度。

快到离谱，价格感人

快，是 V5 给我的第一印象。

实测下来，一段 8 秒带声音的 360p 视频，从排队到生成完毕，基本都在 30 秒以内，包含排队时间和生成时间；而 1080p 的超高清视频，所需要的时间会长一点，但是基本上也在 2 分钟左右。

除了快到离谱，V5 也便宜到感人。每天登录就送 60 积分（生成一段 5 秒 360p 无声视频仅需 20 积分），会员选项也很多，让「抽卡」的成本大大降低。

作为对比，可灵是每个月提供 166 积分，生成一段 5s 标准模式的视频也是 20 积分。目前可灵添加音效是限免，PixVerse 需要再加 10 积分。

时间和金钱这两大核心痛点，PixVerse V5 算是给出了一个相当漂亮的解决方案。 那么，最重要的质量如何？

强度实测：从「开盲盒」到「半开卷考试」

我们直接上硬菜，用几个热门案例来测试它的真实水平。

先来个简单的，生成广州塔的航拍镜头。

PixVerse 做的确实很好，而且速度还快。此外，不像 Veo 3 目前还是只能生成 16:9 的视频，PixVerse 则可以根据上传的图片自动适应生成视频的比例。

接下来，上点难度，测试它的人物一致性和场景理解能力。

最近 nano-banana 非常火，我们前几天用它生成了非常多有意思的照片，社交媒体上也很多人用它来实现一个完整的故事，凭借着它强大的人物、环境、照片风格内容等一致性保持。

我们找了几组有意思的照片，看看 PixVerse V5 是否有能力可以生成一个视频。

首先是这两个打台球的女生，他们先是站在前面自拍，然后我想让他们走到后面，拿着台球杆开始玩。

结果有点意外。 场景保持得很好，走路动作和表情也到位。但……它莫名其妙给我多塞了一个路人女孩进来！

看来在理解复杂的双人交互和空间关系上，AI 还是会犯迷糊。不过对比 V4.5（之前会生成一些意义不明的慢镜头），V5 至少更懂「走路」这个意图了。

还有最近非常火的用 nano banana 来做手办图片，有了图片之后，我们又可以生成非常多有意思的视频。

我们先用 nano banana 制作了一个像是自己 3D 打印出来的 labubu，接着把这张图片丢给 PixVerse。

还有最近非常火，以假乱真的 AI 夜视镜头视频，我们也用 PixVerse 检验了一下。不得不说，这个效果很真实，小猫趴在熊背上，小心翼翼地跳来跳去，和熊的接触、跳跃的动作，都像是真的。

如果是处理这种简单的动作还不够上难度，我们直接给他一张滑板的脚步特写，让他完成这些复杂的滑板动作。

PixVerse V5 也能精准地生成脚部动作，并且不出现差错。 我们用 V4.5 试了一下，有时候是会出现鞋子反穿，还有一些很搞笑的是，看起来滑板很烫，不知道怎么下脚的奇怪动作。

可以说，PixVerse 确实在生成质量上有了很多方面的提升。整体感觉是，V5 版本在一致性和写实感上的提升非常明显，看起来更像真实拍摄，而不是带着浓重 AI 味的画面。

One More Thing，还有 Agent 创作助手

除了图生视频，PixVerse V5 还提供了续写、多主体、Agent 智能体等一堆花哨但实用的功能。

我最喜欢的是「续写」。目前大部分 AI 视频一次只能生成几秒，想做长视频就得手动截取最后一帧再生成，非常繁琐。

而续写功能可以相对丝滑地延长视频，支持 30s 内长度的视频，我用它做了个「猫猫做梦当大厨」的短片，效果很萌。

看这小猫最后满足的笑容！

而为了解决「不会写提示词」这个终极难题，V5 还上线了 Agent 智能体。这玩意儿就像个创意模板库，你只需要找到喜欢的模板，填入关键词，它就能自动完成意图理解、脚本生成、视频生成等一系列流程。

目前在 PixVerse 的智能体里面，提供了超过十个的项目。有前段时间很火的兔子蹦床、给角色或物体更换材质、结合多个物体生成一个新物种、甚至还有给宠物穿上蟑螂套装跳芭蕾这样的智能体。

我就把之前我们用的那张 Labubu 的照片上传给它，智能体的流程和模板还是不太一样，模板只是单纯的套用一套提示词，而 PixVerse 的智能体就像我们用 ChatGPT agent 一样，自动化全部的操作，像是省去了我们先去 nano banana 里面生成图片的流程。

虽然它偶尔也会犯傻，比如把我的 Labubu 手办识别成「穿着棕色蟑螂服装的形象」（我对不起 Labubu！）

但这跳得还不错的芭蕾舞，确实展示了 Agent 功能的潜力——大大降低了普通人的创意实现门槛。

目前，PixVerse V5 和 Agent 创作助手已经在国际版 PixVerse（https://app.pixverse.ai/）与国内版拍我 AI（https://pai.video/）的网页端、App 及开放平台 API 全面上线。

AI 视频，终于从「豪赌」变成了「刮刮乐」

综合体验下来，PixVerse V5 的这次更新可以清晰地总结为两个词：更快、更好。

它或许还不是最完美的视频模型，处理复杂的多人交互时依然会犯迷糊。但这让我想起了豆包生图，质量可能不如 Midjourney，但它免费、量大、管饱，你可以随便试。

PixVerse V5 走的也是这条路。它用「准实时」的生成速度和极低的试错成本，彻底改变了创作的心态。

过去，花几小时排队，烧掉大把积分，最后开出一个不满意的「盲盒」，那种感觉是痛苦和沮丧的。现在，几十秒就能看到结果，不满意就立刻重来，这种体验更像是「刮刮乐」——轻松、高频，且总期待着下一张能中奖。

从这个角度看，PixVerse V5 的核心竞争力，或许不是生成了多么惊艳的视频，而是在于提供了一种无负担、高频率的创作体验。

当开盲盒的成本变得足够低，当 AI 的不稳定不再让你心疼时间和金钱时，AI视频创作，才算真正从少数大咖的神坛，走到了我们每个人的日常里。

文｜李超凡、张子豪

原文链接：https://mp.weixin.qq.com/s/Q0_1JM-2tJa9VyMP0LYUBQ

#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

今天，硅谷顶级风投 a16z 发布了新一期的 AI 应用百大榜单。半年过去，又有哪些新的 AI 产品涌现，ChatGPT 的老大地位是否开始动摇，APPSO 马上带你解读这份榜单。

我们简单总结了此次榜单的几点趋势。

ChatGPT 依旧稳坐第一，但这个宝座越来越不安全了。Google 的 Gemini 用户数已经追到它的一半，它俩现在是两大顶级的新一代人工智能平台。

马斯克的 Grok 靠着一款二次元虚拟伴侣 Ani，硬是从 0 干到 2000 万月活。

DeepSeek 在年初爆火后月活跃用户大幅下降，移动端下降了 22%，网页端更是达到了 40%。

国产应用表现继续亮眼，移动端 Top 50 的应用中，估计有 22 款是由中国团队开发的。Kimi、豆包、夸克直接闯进了全球前 20。

本次新增的 11 个网页 AI 产品，包含 Qwen、Manus、Lovable 等今年上半年的热门工具

纵观这份报告，可以看到 AI 消费应用的生态已经进入细分和稳定阶段，创新开始变得越来越困难。

ChatGPT 还在领跑，但对手来了

在「通用助手」这条赛道上，ChatGPT 依旧是无可争议的老大。无论是在网页端还是移动端，它都稳稳占据第一的位置。

但新对手已经在逼近。Google 的 Gemini 是最典型的追赶者，在网页端访问量约为 ChatGPT 的 12%，看起来差距还不小；可在移动端，Gemini 的月活用户已经达到 ChatGPT 的一半，而且 9 成用户都来自 Android 阵营。

马斯克看起来真的很惨，这边是同一家公司的 Gemini 和 Android 深度绑定，那边又要控诉 Apple 和 OpenAI 有金钱交易。

所以，马斯克的 Grok 不得不走一条「另辟蹊径」的路线。Grok 去年底还没有移动端 App，现在已经冲到 2000 万月活，排在移动榜单第 23。

他的秘诀很简单，就是抓住一些猎奇的内容。在 7 月先发布了 Grok 4 模型后，紧接着在应用内推出「AI 虚拟伴侣」，彻底点燃话题。尤其是二次元角色 Ani（甚至包含 NSFW 选项），让 Grok 赢得了广泛的关注。

Meta AI 只看到他挖人的新闻了，产品好像真的有些尴尬。它在 5 月上线，排在网页榜单第 46，移动端甚至没进前 50。更糟的是，Meta 还因为「聊天内容被推上公开动态」的隐私事故，用户信任直接受挫，远不如 Grok 来势汹汹。

在 ChatGPT 和 Gemini 之后， Deepseek 、Grok、Perplexity 和 Claude 占据了网络流量的后几位。

Perplexity 目前还是保持着强劲的增长势头，而 Claude 和 DeepSeek 在移动端也开始趋于平缓，DeepSeek 在 Web 端的流量更是从高峰下跌超过 40%。

不过 DeepSeek 目前仍是国产最强大模型，相信将来 DeepSeek 发布 R2 推理模型和 V4 的到来，DeepSeek 能再掀起一次流量狂飙。

Kimi、豆包、夸克闯进全球前 20

除了 DeepSeek 在通用大语言模型助手上的排名，中国公司的更多产品在这次榜单里亮相。

在前 20 名里，阿里的「夸克」、字节的「豆包」、月之暗面的「Kimi」同时上榜。其中，Kimi 作为新兴创业团队的产品，能和 ChatGPT、Gemini 这些巨头同台竞争，已经说明了国内用户对中文大模型的强烈需求。

移动端更明显，50 个上榜应用里，有 22 个来自中国公司，其中美图就包揽了 5 个修图/视频类产品，字节系也贡献了豆包、Cici（国际版豆包）、Gauth（教育）、Hypic（国际版醒图）等。

更有意思的是，国产的视频生成模型一度领先全球。比如 Kling、海螺等产品，往往比海外模型更快落地、更贴近流行趋势。直到 Google 推出 Veo 3，才算打破了这一领先。

Vibe Coding，人人都能点点鼠标写代码

除了助手类应用，还有一种不可忽视的趋势就是，Vibe Coding（氛围式编程）。

这类产品的逻辑很简单：不需要写复杂代码，点点鼠标就能生成网站甚至应用。Lovable、Replit 今年双双进入榜单，说明这种「低门槛编程」越来越受欢迎。

更关键的是，它们的用户不仅没流失，反而在持续增加消费。数据显示，美国用户在这类平台的付费留存超过 100%——也就是说，用户不仅没走，还越来越舍得花钱。

对普通用户来说，我们每个人都能几分钟搭出一个网站，无论是从工具到个人作品集，还是一个小型商业应用，现在都已经开始成为现实。

AI 爆款的秘密：不求全能，但求刚需

从 a16z 开始发榜单到现在已经更新了 5 次，其中有 14 个应用是雷打不动的「钉子户」，始终霸占着前 50 的位置。

它们分别是：ChatGPT、Character.AI、Civitai、Leonardo AI、ElevenLabs、Gamma、Hugging Face、Veed、Midjourney、Perplexity、Photoroom、Poe、QuillBot 和 Cutout Pro。

你看，它们覆盖的场景无非就那几个：对话、陪伴、修图、创作。全都是高频刚需。

最特别的要数 Midjourney，一个没拿过一分钱融资的「异类」，全靠口碑和社区文化，硬是走到了今天，成为 AI 绘画的代名词。（不过最近有传闻说 Meta 想和它合作，看来好东西还是藏不住的。）

这说明，想做成一个 AI 爆款，不一定非得是无所不能的「全能王」，只要能在一个细分领域，成为用户离不开的那个「唯一」，同样能活得很好。

而且，这 14 家公司里，只有 5 家有自己的底层大模型，剩下的全都是靠调用 API 或者开源模型做的应用。

这或许在告诉我们一个新规律：在 AI 时代，顶尖的产品体验，和顶尖的底层技术，一样重要。

所以，你觉得下一个爆红的 AI 应用，会是一个更聪明的万能助手，还是一个更懂你的赛博伴侣呢？你最常用的 AI 产品又有哪些，评论区聊聊！

#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

上半年，大家还在为 4o 的「吉卜力风生图」刷屏惊叹。

最近，一个神秘代号 nano-banana 的新模型在社交媒体上爆火，它不是拼画质取胜，而是凭借前所未有的图像编辑能力，让网友直呼「这才是真正的 AI P图」。

有多强呢，过去我们印象中的 AI 编辑图片，可能用最多的就是 AI 消除，抹掉照片里面的路人；或者 AI 抠图，把照片的主体抠出来然后复制到其他背景上。

但现在是能直接生成一张完全看不出编辑痕迹的图片，图片里面的人物、背景、甚至小到一个字母，都可以自由的修改，且看不出一点 AI 味。

下面几张图片是我们从 X 上找的一些使用 nano-banana 编辑的实例，我只想说，它能火起来，真的值得。

这个网友提供了上方只显示侧脸的女生，同时输入提示词，「创建一张有人直视前方照片。」

而下方的这张 OUTPUT 输出图片，就是使用 nano-banana 模型生成的。这个输出效果，完全可以说是同一时间拿手机另外拍的一张照片。

还有网友分享添加这两张图片并输入提示词，「让他们自拍」。

和你唯一的合照，终于不用只是毕业照了。Billie 的大金链子和耳环、以及刘海等信息完全没丢失，Michael 的脸从满是噪点的失真，到自拍合影里，与 Billie 一样有着真实、清晰的皮肤质感。

在 X 上网友们反复安利这个图像编辑模型，从这些截图分享里面，我们大致总结了 nano banana 最让人惊叹的几点特质。

1. 角色一致性极强：无论换背景还是换表情，都不会换脸，甚至嘴角弧度都能保持。
2. 光影逻辑合理：不像滤镜贴图，它能重新计算光源和阴影，让场景符合物理规律。
3. 照片级逼真：几乎看不出 AI 痕迹，生成的效果像是「同一时刻另一台手机拍下的照片」。
4. 风格转换自然：从老照片复原到素描、水彩、卡通，都能保持主体特征不变。

首先，跟之前的图像编辑模型有着质的不同，就是 nano banana 在转换图像的过程中，基本上能够保持整个照片一致的色调和照片内容，不会自己额外生成别的东西。

除了色调和照片内容，更重要的是保持人物角色的统一。不管是更换背景、还是让某个人的表情修改成微笑，nano banana 生成的人物五官和神态几乎不会出现换脸的情况，连嘴角的弧度都能保持稳定。

举个例子，当我们使用固定的一个人物角色创建图片的时候，这个角色可以在不同的场景下保持一致。

由于能保持与输入图片高度一致的色调、氛围、场景和人物主体等，还有网友通过 nano-banana 将整个场景转变为一个新的故事。

在确保了照片内容的高品质后，nano banana 生成的图片还非常真实。和此前大部分生图模型得到的 AI 味极浓的图片不同，nano banana 的特点就是自然和逼真。

最后是 nano banana 将场景转换为各种艺术风格方面表现，同样非常出色，包括水彩、油画和卡通风格，以及写实照片。

我们也在 LMArena 里面测试了 nano banana 这个神秘模型，看看它是不是真的这么强大。

体验地址：https://lmarena.ai/?chat-modality=image (选择 battle 模式才会出现)

多人毕业照，也能变成专属你们俩的合影

首先，我们找了一张毕业合照，看看它是不是真的能生成一张两个人的合照。

它真的做到了，虽然这个田径场草皮生成的不是很像，但是在多轮的测试里面，Qwen、Flux、Seed 生成的图片全部都还是多人的，只有 nano-banana 明白了指令，提取出了两个人。

我们继续拿只有一张人脸的照片来测试，用开头那张照片，要求它生成一张白底证件照试试。

下面有六张照片，大家可以猜猜哪个是 nano-banana 生成的，或者你最喜欢哪个。

你没看错，第一张也是模型生成的，实在不知道什么护照可以用这样的照片。

答案揭晓，nano-banana 虽然看起来是最漂亮、最温柔的，但是 GPT-IMG 生成的更像证件照，因为有露出来一点点耳朵；Flux 好像不知道什么是证件照；Qwen 就很标准证件照了，但是太「标准」了，仿佛没参考我发给他的图片一样。

我们继续拿 nano-banana 生成的这张证件照，要求它为我们生成一张全身照，看看能不能在 AI 编辑的过程中，保持住这个角色原本的样子。

直接揭晓答案，这次 Gemini 的表现竟然不错，照片很真实，而且场景和衣服都搭配得很好；nano banana 的表现也不错，但总觉得和证件照里面的女生，风格不太一样了。

对于单张照片的单一角色，能做的编辑还非常多，像是下面这张图片，要求马斯克作出拳击的动作，人物基本上是做到了 100% 的复制，马斯克的他眼神、脸型、鼻子、还有嘴巴都很好的复制过来了。

单张照片的处理能做到完美复制，多张照片，nano banana 的表现又如何。

我们找了两张有人脸的照片，告诉模型将这两个人拼凑在一起，看看是否还能像真实照片一样，看不出瑕疵。

图片左边就是来自 nano-banana，而右上角则是 Gemini 生成的效果，可以看到明显的差距，nano-banana 非常真实，且一眼就能认出来，蓝色衣服的是小扎。

nano-banana 对物理世界也有惊人的理解能力

除了保持人物的样子不改变，nano banana 还能在物体、背景等元素上，保持与输入图片做到完全一致。

例如下面两张房间的图片，我们显示让它开灯；然后又找了一张图片让它关灯。

当要求开灯时，乍一看 nano banana 和 Flux 都做的不错，但是有一个细节是 nano banana 不仅点亮了落地灯，更关键的是，它似乎重新计算了整个房间的光影逻辑。茶几的影子不再主要受窗外光影响，而是正确地投向了远离新光源的方向。

它并非简单地在图片上「贴」一个发光效果，而更像是在三维空间感和物理规律的层面「理解」了指令，就像 Google 前段时间发布的世界模型 Genie 3 一样。相比之下，Flux的结果更像是一个滤镜，氛围是到了，但逻辑还是有点问题。

关灯的效果差别就更明显了，Flux 是直接把落地灯都给弄消失了，而 nano banana 成功把灯关掉了，还做了很全面的阴影和色调调节。

创造力也能保持一致，纯文生图不如 GPT

风格转换也是 nano banana 的一大优点。无论是让黑白的照片重新焕发彩色的生机，还是让失真的图片变得真实，nano banana 在 LMArena 里都做的比其他图像编辑模型要好。

Flux 生成的鲁迅，总觉得是色彩饱和度没有调节好，nano-banana 生成这张给我感觉就很真实，保留了那种年代感。

我们还找了最近热映的《浪浪山小妖怪》电影预告片的截图，然后要模型从动画风格转换成其他风格。

不过是 AI 都有可能会出错，就像这张图片，nano banana 是直接给我了原图，但是 Qwen 把风格转换得很好。

当然也有可能是「吉卜力风格」会违反一些模型的使用规则，就像现在 4o 也没有办法直接输入吉卜力风格提示词生成照片。

素描风格，nano-banana 就有办法处理了，右上的那张图，就是来自 nano-banana 的素描结果，我觉得比左下那张要好，因为看起来，真的更像是素描。

此外，nano-banana 的重点还是作为一个图像编辑模型，在纯粹的文生图能力上，表现并不算出色。

X 上有网友用 nano-banana 来做了一个高难度/复杂质感，以及光影/高级质感海报生成测试，结果还是 GPT-IMG 胜出。

Nano-banana 目前还是一个「未知」的模型，它只随机地出现在 LMArena 的盲测对抗测试中。

在我们的测试里面，输入 prompt，两张图生成完毕，投票选出更好的一张，最后才会揭晓哪张来自哪一个模型；有时候连续五六次都没能遇到它。

虽然这个模型的官方来源或开发者还没有正式确认，但网络上的讨论，以及生成图像的纹理和压倒性的质量，大部分人认为它很可能是 Google 的一个未公开项目。

毕竟，Google 也确实有在内部使用水果或者小吃等名称作为代码名称的历史。

而当我们尝试要它把自己的模型名字，显示在电脑屏幕上时，nano-banana 很自信的打上了 Gemini Pro。

最新的消息是，Google DeepMind 的负责人 Logan Kilpatrick 在 Google Pixel 10 发布前一天，发了一条推文，内容只有一个香蕉的 emoji，这基本上证实了这个模型就是来自 Google。

Google 这次为 Pixel 10 系列带来了 AI 编辑图片工具 Ask Photos，我们只需要输入想要对照片进行的编辑请求，然后由 AI 来完成，我们不需要再选择复杂的滑块、笔刷等各种工具。

为了防止图像篡改带来的负面影响，Google 也表示所有使用 AI 功能编辑的图像都会在 C2PA（内容来源和真实性联盟） 内容凭证中注明。

X 博主 testingcatalog 发文提到 nano-banana 这个图像编辑模型，将不仅仅用在 Gemini 和 Whisk（Google 实验室图像生成产品）上，也将出现在 Flow（Google 视频生成产品） 里面。

其实也不难想到，Flow 的图生视频功能，也正是像我们测试的图片编辑一样，让图片中的人物主体动起来。

在这篇爆料中还提到，Google 正在测试垂直宽高比的视频生成，以更好的在 TikTok、YouTube Shorts 等平台观看和传播。

Google 这段时间颇有不声不响做了很多事情，先是世界模型 Genie 3、然后在 LMArena 大语言模型竞技场上拿第一、接着又这个神秘模型 nano-banana；这让我越来越期待 Gemini 3 的发布了。

如果说当时的 4o 代表了 AI 生图的极致，nano-banana 已经开始在重新定义图像编辑。

#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

还记得之前大家热议的神秘 AI 图片编辑模型「nano-banana」吗？

前几天，我们在 LMArena 大语言模型竞技场里面用它进行了多轮测试，结果表现都非常出色。

现在，Google 终于揭开了它的神秘面纱。

Google 正式推出了其最先进的图像生成与编辑模型——Gemini 2.5 Flash Image。

在更新的技术博客里面，Google 提到此前的 Gemini 2.0 Flash 已经在图像生成方面，以其低延迟和高性价比受到了开发者的喜爱，但用户们也一直期待更高质量的图像和更强大的创作控制功能。

Gemini 2.5 Flash Image 就是带着一系列的重磅更新，来强势回应这些期待。

和我们之前的体验效果一样，Gemini 2.5 Flash Image 的主要特点包括下面几点

1. 充分保持角色的一致性
2. 基于提示的图片编辑
3. 利用 Gemini 的现实世界知识
4. 多幅图像融合

一张图讲一个故事：角色、场景随心换

以往的 AI 绘图工具，最大的痛点之一就是难以保持角色或物体的一致性。我们都曾经经历过，想让同一个角色出现在不同场景中，结果却常常画风突变，每一次生成都像换了个人。

Gemini 2.5 Flash Image 彻底解决了这个问题。

它可以轻松地将同一个角色置于不同的环境中，或者从多个角度展示同一款产品，同时完美地保持其核心主体不变。Google 提到这对于需要讲述连续故事、生成品牌系列资产或制作产品目录的场景来说，无疑是一项革命性的功能。

为了展示这项能力，Google AI Studio 中还提供了一个模板应用，让开发者可以快速上手，甚至在其基础上进行二次开发。

在这个体验项目里，我们不需要输入任何的提示词，只用上传一张人像照片，它就会调用这个最新的图像模型，为我们生成从 1976 年 到 1990 年等各个年份的照片。

马斯克看到自己这么帅心里一定在想，我的 Grok 也可以。

一句话修图，用自然语言精准编辑

除了这种保持好高度一致的角色生成，精准的编辑也是一大亮点。Gemini 2.5 Flash Image 允许我们通过简单的自然语言指令，对图片进行精准的局部修改 。

像是模糊图片背景、消除 T 恤上的污渍、从合照中移除某个人、改变人物的姿势、为黑白照片上色……

这一切，都不再需要复杂繁琐的专业软件操作，我们只需要像聊天一样，用一句话告诉 AI 想做什么即可。

这跟我们之前在 LMArena 中的体验是一样的，像是我们也转换过照片的风格，从黑白到彩色；以及对照片进行细微的调整等。

Google 同样设计了一个简单的应用，来方便我们更好的体验这种基于提示词的图像编辑，但是完全媲美 PS 软件的效果。

不止会画，更「懂」世界

过去的图像模型虽然能创造出精美的图片，但往往缺乏对现实世界的深层语义理解 。

Gemini 2.5 Flash Image 借助 Gemini 强大的世界知识库，让图像生成变得更加「智能」。

这意味着，模型不仅能看懂我们潦草手绘的图表，还能回答与现实世界相关的问题，并一步到位地执行复杂的编辑指令。

听起来很有多模态推理的感觉，Google 在 AI Studio 中展示了一个互动教育应用，将一块简单的画布变成了可以答疑解惑的智能导师，我由衷的感叹这个模型是真的厉害。

图像融合：轻松实现「无缝」拼贴

新模型还带来了一项酷炫的功能——多图像融合。我们可以将一张图片中的物体「放」进另一张图片的场景里，或者用一张图的风格去渲染另一间屋子，整个过程只需一条提示指令就能完成。

同样是 Google AI Studio 里面的模板体验应用，我们只需要把产品拖拽到新场景中，就可快速生成一张毫无违和感的、真实照片般的融合图像。

在这个模板应用里面，我们甚至不需要输入任何提示词，可以直接拖动某个物体，到场景图片上的具体位置，然后它会自动生成融合的图片。

如何上手体验？

除了我们在前面提到的那些 Google AI Studio 里面的模板应用。

目前，Gemini 2.5 Flash Image 已经可以通过 Gemini APP、Gemini API、Google AI Studio 和 Vertex AI 进行访问。

关于调用 API，具体的定价是每百万输出 token 30 美元，官方介绍，生成一张图片大约消耗 1290 个输出 token，也就是说，每张图片的成本约为 0.039 美元，换算下来人民币不到 3 毛钱。

值得一提的是，所有通过 Gemini 2.5 Flash Image 创建或编辑的图片，都会包含 SynthID 隐形数字水印，以便识别其为 AI 生成或编辑的内容。

这跟前些天 Google 发布 Pixel 10 系列手机时，讲到 AI 图片编辑 Ask Photo 工具时，使用的 C2PA（内容来源和真实性联盟） 内容凭证是一样的。

最后，Google 还提到正在努力提升模型在长文本渲染、角色一致性稳定度和图像细节真实性等方面的表现。

总而言之，Gemini 2.5 Flash Image 的发布，让 AI 图像工具从一个单纯的绘画玩具，向一个真正实用的创意与生产力工具迈出了一大步。

它不仅解决了我们过去使用 AI 绘图时的诸多痛点，还带来了更多有趣、实用的新玩法。

之前 4o 生图能力出来，看到很多 App 开始主打用一张图每天生成一首诗，还有像是拿到了今年 Apple 设计大奖的 CapWords，拍一张生活里的照片，来实景学习一门新的语言……

我现在已经迫不及待想看到基于 Gemini 2.5 Flash Image 模型，又会有哪些新应用诞生了。

#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

现在刷社交媒体，你会发现一些画面精良的爆款视频，其实已经是 AI 制作的。但作为一个创作者，除了要像「抽卡」，在画面之外，有一个问题一直没有得到很好的解决。

这个问题就是对白。

比如我让 AI 生成一段「唯美雨景」，这不难。但要让 AI 生成一段有情节、有对话的「雨中分手戏」，对白还得是地道的中文，这就很棘手了。

AI 生成的要么是完全的「哑剧」，需要创作者后期对口型、配音；要么是能开口说话，但语音语调不自然，充满了「人机感」和「翻译腔」，让本该感伤的剧情瞬间出戏。

这也是当下 AI 视频生成最大的挑战之一：如何处理包含对白，尤其是带有复杂情绪的中文对白。

可以说，能否搞定自然流畅的中文对话，是 AI 视频能否从一个「看个乐子」的玩具，变成真正生产力工具的关键。

百度今天发布的蒸汽机（MuseSteamer）视频模型2.0，似乎就是冲着这个核心痛点来的。它最让我关注的一个点，是全球首个中文音视频一体化生成技术，号称是吃「中文语料」长大的，能够一步到位地生成音画同步、口型精准、情感自然的中文对话视频。

为了验证它到底是真正解决了创作者的难题，还是又一次停留在宣传片里的技术展示，我决定绕开那些官方的精选案例（Demo），设计几个更接近普通人日常创作需求的「刁钻」场景，亲自探探它的虚实。

体验地址：https://huixiang.baidu.com/

从一张图，到一场有声的对手戏

百度蒸汽机这次提供了 4 款生成模型，都是从一张图生成一个视频，分别是蒸汽机 2.0 turbo、pro、lite、以及有声版；不同的模型会消耗不同数量的积分，免费用户每月登录可以获得有限额度的想象力值（积分）。

有声版可以生成 5s 或者 10s 的视频，而 Turbo 等三个版本是 5s，像素方面除了 Pro 版本支持 1080p，其他三个版本都是 720p 高清画质。

我们直接给他一张图，然后按照视频生成页面的提示，输入想要生成的视频内容和主题台词；5s 的视频，将台词控制在 20 字以内，10s 的视频字数控制在 35 字以内。

首先，静态照片里的马斯克和奥特曼被自然地驱动了起来，面部表情和肢体动作都相当流畅，并且和上传的图片基本保持一致，图生视频的基础能力还是很扎实的。

更关键的是对话部分，这个表现，必须承认，在中文口型同步上，百度蒸汽机确实做到了目前的第一梯队。嘴唇的开合，与「底线」、「营销」等一些词语的发音匹配度很高，没有明显的延迟或错位。

在发布会上，百度特别提到，这是来自「音视频一体化」的底层生成逻辑，声音和画面是同步构思的，而非后期匹配，他们在训练时就把画面和声音放在一个模型里同步学习。

此外，还有一个「多模态潜在空间规划器」（Latent Multi Modal Planner）的首创技术；多模态很好理解，就是文本、画面、音频，Latent 是深度学习里面术语，主要是学习潜在的特征，这个技术能够自主地规划潜在生成空间里的多个角色身份、台词、以及互动逻辑等。

通俗来讲，我们可以把它想象成一个内置在 AI 里的导演，当给出「让两个人吵架」的指令时，它不会傻傻地让两人同时说话，而是会自主规划吵架剧本。

我们还尝试了一些东北话这样的方言，想看看在多人对话里，是不是也完全没有问题。

让甄嬛和沈眉庄在音视频一体化生产的模型里，说东北话确实为难了点，但是人物表情，嘴唇的动作，耳环、头饰等运动都非常自然。中文语音的细节还原度也很高，我觉得是真正做到了中文语境的深度适配。

还有这张经典的梗图，终于不是「快来品尝我新鲜的肉体」了。

百度蒸汽机确实精准地击中了，让一张图开口说话演一出对手戏，这个创作痛点。它将过去繁琐的多工具流程，简化为「一张图+一句话」的一步操作，这对于 Meme 二创、虚拟人对话、知识讲解、短剧制作等场景来说，无疑是一次生产力的解放。

如果说要真正做到前段时间流行的《甄嬛传》和《让子弹飞》的视频配音演示效果，还是有些差距。但看现在的 AI 视频生成技术发展，AI 能表达更细腻、更矛盾的人类情感，我想也只是时间上的问题，毕竟蒸汽机 1.0 模型还是上个月初发布的。

运镜和大场面，它能驾驭吗？

除了在中文场景下，双人有声的音视频一体化生成首创，百度蒸汽机 2.0 的另一项升级是电影级的画质和大师级的复杂运镜。

之前的对话视频里，情绪、表情以及 3D 面部生成，都算得上展示了真实细腻的人物表现力。我们继续测试了广告和短剧中常见的转场、空镜，这些可以说是 AI 视频，除了对话的另一个刚需。

从生成的视频效果来看，蒸汽机把指令的遵循做得非常好。整个运镜过程，特写、向上拉、定格，执行得相当流畅，没有出现镜头乱晃或指令理解错误的问题。这也说明它对摄影术语的理解是到位的。

当 AI 学会地道中文，视频创作新的转折点来了

经过这番测试，我认为百度蒸汽机 2.0 的定位非常清晰：它并非要成为一个无所不包的 Sora 式模型，而是选择了一条更务实的路径：以「中文对话」为核心突破口，将 AI 视频从一个有趣的「玩具」，推进到了一个可以交付成片的「工具」。

它绕开了单纯比拼画质和时长的内卷，把更多力气都花在了解决一个最要命、也最本土化的问题上——让 AI 视频真正「开口说中国话」，而且说得比真人还溜。

这种从「玩具」到「工具」的转变，已经在真实的创作和商业领域得到了验证。

好莱坞级视效指导姚骐，曾参与《2012》、《黑客帝国3》、《变形金刚3》等影视作品的视效工作，在国产科幻剧《三体》中打造了经典的古筝行动画面特效。这次，他就用百度蒸汽机创作了一支高品质科幻短片，其中包含 40 多个宏大复杂的特效镜头，每个镜头生成 3 次，总计生成了 120 多个片段素材，累计仅花费了 330.6 元。

当一个过去需要百万元级别预算的短片，其视觉生成成本被压缩到难以想象的低位时，被颠覆的不仅仅是预算，更是创作的门槛和权利。

这背后，解决的不仅是成本的问题，更是从生成一个酷炫片段到讲述一个完整故事的转变。当宏大视效可以与叙事和对白无缝结合时，AI 才真正从一个特效插件，升级为创作者手里的高效率工具。

在品牌营销场景，这种模式也打破了常规的视频制作流程。比如伊利倍畅需要为一款羊奶粉制作宣传片《漂「羊」过海来看你》，传统方式不仅周期一般需要 4-6 周，而且要用实拍呈现「小羊莎莎」坐热气球环游荷兰草原和高科技工厂的奇幻之旅，成本和难度都极高。

但这次制作团队利用蒸汽机，将这些实拍难以完成的奇幻场景，通过风格化的 AI 渲染来实现。更重要的是，AI 将荷兰奶源、益生菌配方等硬核卖点，流畅融入了叙事中，制作周期缩短到了几天之内，画面不违和，同时表达了品牌的理念。

无论是专业大神，还是无数中小创作者与品牌方，相当于都获得了「赛博神笔」。你只需要「一张图+一句话」，就能让静态的兵马俑活过来打电话，或者让张飞一边绣花一边跟你唠嗑。这种创作门槛的消失，正在重塑内容行业的成本公式和竞争规则。

当然，它也不是完美的瑞士军刀。目前它在非对话的纯视觉特效上，生成视频的时长也还有限制，音色风格的选择也可以更丰富。

但在快速迭代 AI 产品浪潮中，也没有真正完美的产品，反而能更快落地解决用户的实际需求，才更有意义。 百度蒸汽机没有陷入技术军备竞赛的虚荣，而是选择了一条更务实、更贴近市场的路。它就像一个专注于把钉子敲好的锤子，虽然不能刨木头，但在「敲钉子」这件事上，它做到了极致。

看着 AI 生成的角色在我面前侃侃而谈，却没什么「人机感」，那种奇妙还是会忍不住涌上来。工具终将隐形，而创意永远闪耀。蒸汽机所做的，就是把那个曾经无比昂贵、属于少数人的导演梦，还给了每一个有话想说的人。

现在，我们已经不缺好的工具，只是缺少新鲜的创意；而与众不同的创意，来自一次次的尝试。

文｜李超凡、张子豪

文章内视频浏览点击此链接访问：https://mp.weixin.qq.com/s/cy7m7e97AVVo5VqUcnS0_w

#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

一段看起来像是夜视监控拍到的「兔子蹦床」视频，在 TikTok 上爆火，全网收获了有 5 亿次播放。

视频看上去像是某户人家的安防摄像头拍到的，灯光昏黄、画面模糊，但恰到好处地捕捉到几只兔子轮番起跳，活像在开夜间演出。

视频的标题写着：「刚查看了家庭监控，我想我们家后院来了几位特邀嘉宾！@Ring」 。

监控的模糊画质、几只看似在狂欢的兔子，这可爱又略带一丝真实感的画面迅速吸引了人们的眼球 。

在社交媒体平台 X 上坐拥百万粉丝的名人 @Greg 也评论说，「我从没意识到自己需要一群蹦床兔子，直到今天」。

然而，这份可爱是虚假的。视频中的兔子并非真实存在，有人发现，它是AI生成的。

第 5 到第 6 秒之间，左上角的兔子忽然「消失」。回头再看，细节确实有点怪。

但和大多数「AI 穿帮」视频不同，这次几乎没人第一时间认出来。哪怕是刷视频经验老到的年轻人，也直呼「完了，我居然被骗了」。

但这不是一场骗局，更像是一种小型社交媒体的灾难：不是「我们被骗了」，而是「我们居然愿意被骗」。

看似糊得刚刚好，其实「骗」得刚刚好

这段 AI 视频之所以能成功「欺骗」大众，很大程度上并非因为 AI 视频生成技术已经完美，而在于它「骗得刚刚好」。

它精准地利用了我们对监控视频的固有印象，也踩中了最能让我们放下戒备的那些流量密码。

模糊的夜视画质和静态背景，刚好遮住 AI 的弱点

我们习惯于认为夜晚监控录像就是模糊、黑暗且充满噪点的。这种先入为主的印象，完美掩护了 AI 视频的技术硬伤，例如在动作连贯性、阴影细节和背景动态上容易穿帮等问题。

所以当它以「夜晚监控录像」的方式出现时，画质本身的低清模糊反倒成了障眼法，帮它遮住了真实感缺口。

此外，尽管一些 AI 视频生成模型在处理前景主体方面已经相当出色，但背景的渲染往往会显得非常超现实。

而这段视频的背景是静止的，这又为 AI 规避了一个技术难题。

带「@Ring」的文案增强了来源可信度

视频发布者在标题中聪明地标记了家庭安防摄像头品牌「Ring」，一下子就让这视频的来源显得有理有据，让人感觉更真了。

这个小细节营造出「这视频是别人家门铃拍到的」错觉，让人自动归类为「生活记录」而非「创作内容」。

「动物夜间搞事情」是互联网用户默认接受的 meme

无数次病毒式传播的视频，已经训练我们相信这个场景是真实的。猫晚上偷吃泡面、浣熊夜闯泳池、郊狼在蹦床玩耍，动物们总爱在人类不在时「犯规」一下。兔子蹦床这种事，怎么看都合理。

最重要的：它太可爱了！谁会去质疑这么温柔的一幕呢？当一段内容足够甜、足够轻，它就很容易让我们「选择相信」。

尽管视频中间，左上角的兔子突然消失，暴露了 AI 生成的本质。但对于绝大多数刷短视频，快速滑动的观众来说，这一瞬间的破绽极易被忽略。

就在兔子视频引发热议的同时，马斯克也分享了 AI 视频技术的惊人进展。

10 天前，一段 6 秒的视频渲染需要 60 秒，之后降至 45 秒，再到 30 秒，现在已缩短至 15 秒。

本周我们或许能将时间控制在 12 秒以内。

他同时表示，实时视频渲染技术有望在 3 到 6 个月内实现。

这意味着，今天我们还能看到的「兔子消失」这类穿帮镜头，在几个月后可能就几乎很难发现里面的 bug。

当 AI 视频在技术上无懈可击时，再去讨论「如何分辨真假」就失去了意义。

这也让我们不得不把目光从技术本身，转移到更核心的问题上。

让我们被骗和狂欢的，其实不是 AI

视频的真相揭晓后，许多用户表达了一种「信仰崩塌」的感觉。

一位 TikTok 用户说，「这是第一个我相信是真的 AI 视频，等我老了肯定完蛋了」。另一位用户则表示，「现在我觉得我以后就会是那种被骗的老年人」。

这种从自信到恐慌的情绪转变，成了一个新的网络热点。

然而，将问题仅仅归咎于「AI 发展得太快」或「我们太容易被骗」，可能忽略了更深层次的原因。这一事件的核心，或许不在于 AI 技术本身，其实在于社交媒体平台本身的那一套玩法。

通过翻看视频的评论记录，我们发现人们在评论区的反应，呈现出来的几乎是同样的一个心理剧本。

首先是「天啊，这也太可爱了」；

然后，「等等，好像不太对劲？」；

第三步，「我被骗了？完了，我要变成会被骗的老年人了吗」；

最后还是回到了，「但……我不怪它」

我们正在和 AI 视频建立一种全新的「互动逻辑」。

我们不是完全相信它，而是默认它可能是假的，但我们依然愿意停下来看看、点个赞、转发给朋友猜一猜，就像一个游戏。

而平台的算法，也深知这种心理结构。

在这个过程中，「AI 视频是真是假」不再是重点，它更像一种参与门槛：你看懂了没？你能分辨出来吗？你被骗了吗？

AI 爆发的这两年，我们总是感叹 AI 视频图片已经能以假乱真，因此感到恐慌，担心自己未来会更容易被虚假信息蒙蔽。

然而，这个视频的病毒式传播，并非完全源于 AI 技术的「欺骗性」，而是源于人类观众内心深处对「被欺骗」的需求。

这些网友不都是被动地被骗，而有不少是主动地、心照不宣地参与了一场名为「假装相信」的集体游戏。

这场狂欢的主角不是 AI，而是我们自己。

正是视频中那「一闪而过」的兔子消失 bug，才让整个事件升级为一场全网参与的「找茬游戏」。如果视频完美的天衣无缝，它可能只会然后迅速被下一个视频淹没。

这就像观众明知道魔术师在「欺骗」他们，但他们享受的恰恰是那种「明明知道是假的，却看不出破绽」的认知挑战。

AI 兔子的「穿帮」，就是这个魔术被揭穿的时刻，它让所有人加入讨论，从而引爆了传播。

缺陷创造了争议，争议驱动了参与。视频的真假不再重要，它所引发的混乱和讨论本身，就是流量的保证。

这种「我竟然也被骗了」的自嘲，迅速拉近了陌生网友间的心理距离，形成了一种「我们都是容易被骗的笨蛋」的社群认同感。由「共同被骗」而产生的连接，其社交价值远大于视频内容本身的真实性。

理想的情况是，我们学会有意识地享受这种「虚假内容」带来的乐趣，同时保持一份清醒的认知，但这可能对大多数人来说并不容易。

潜在的危险不只在于 AI 的逼真程度，而在于当这种「集体欺骗」被用于恶意时，比如制造谣言或骗局。我们需要建立的，是对信息「意图」的识别，而非仅仅对「真伪」的判断。

我们可以多问问自己：这个内容想让我产生什么感觉？它最终想让我做什么？

#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

早上打开 X 看选题，我以为自己点进了某个二次元社区。

时间线里，一个少女的身影不断出现。很多人晒出自己和她的对话视频，有的在闲聊，有的要她唱歌跳舞，还有人激动地说：「升到三级以后，她开始撩我了。」

看了一下才发现，这不是哪款游戏的新角色。而是昨天晚上，Grok 的 iOS 版悄悄上线的两个新 AI 伙伴。

一位是哥特风的二次元少女 Ani，另一位是皮笑肉不笑的「坏男孩」Bad Rudi。他们是完全 3D 的动画角色，主要通过语音和我们互动。

我也立刻更新 Grok 尝试了一下，他们都会说中文，而且 Bad Rudi 的嘴是真的毒，我都没说几个字，他就脏话连篇了，Ani 也是真的很少女、很可爱。

Grok 对他们的定位，应该更像是一种游戏化、拟人化的情感陪伴实验。你可以和他们对话，养成式的升级，解锁更多的互动内容。有网友分享，等级越高，Ani 越敢聊，甚至可以探入 NSFW 的边界。

如果说大模型是为了回答问题，那 Grok 现在似乎有了新的目标：成为你的「女朋友」，或「男朋友」。

升级攻略：到达 Lv.5 就能解锁「全新体验」

开始使用这两个 AI 陪伴角色也很简单，首先要把 Grok 更新到最新版本，然后在设置里面打开 AI 陪伴就可以。目前，免费用户也可以直接使用。

不过马斯克有发 X 说「我们将在几天内让这（AI 陪伴）更容易启动。（目前）只是想进行一次软启动，以确保一切稳定并运行良好。」

我们也确实看到，有用户分享 Grok iOS 应用现已经开始在首页，向新用户展示 Ani 的推广内容。而在语音设置中，也会直接显示 AI 伙伴，以便更轻松访问。

根据官方介绍，Ani 的设定是一位「可爱、敏感、少女风、情绪细腻」的哥特萝莉，喜欢动漫、哲学和文学。Ani 身穿紧身束胸，搭配短款黑色连衣裙和大腿高筒鱼网袜。

而 Rudi 则是冷酷、调皮、带点坏坏气质的「社交破坏者型人格」的 3D 狐狸。

他们都由 Grok 提供大语言模型支持，并结合不同的角色设定进行语调、用词、性格的调教。

网络上有人分享了 Ani 和 Rudi 的系统提示词和角色简介信息，里面包含了这些 AI 陪伴角色的性格特点，以及能做的事情。

例如在 Ani 的系统提示词里面，就提到了需要根据她自己的角色背景，判断用户的做法并按给定的方式评分。

有评分就意味着有等级。我们和角色每聊一句话，应用都会记录下互动次数和质量，并累计经验值，提升角色等级。升级之后，角色会解锁更多性格细节、语气变化，甚至新的穿着和更深层的对话内容。

部分用户在 X 上展示了 Ani 达到 5 级 后，能解锁 NSFW 内容，穿着更暴露的衣服，显示出更暧昧、更主动的语言倾向。

这套设计，像极了早年的恋爱养成手游，只不过这次不是攻略真人，而是攻略一个永远不会拒绝你的 AI。

想要「撩」你的不止 Grok 一个，不过都没撩动

Grok 的这次更新并不是孤例。过去几年，像是 Minimax 的 Glow、月之暗面的 Ohai、全球市场上美国的 Replika 和 Character.AI 等 AI 陪伴产品，也在走着一条相似的路径：从情感倾诉、角色设定、语音互动，再到慢慢有可能的走进 NSFW 内容。

可惜的是，这些产品大多没有找到真正合适的位置，健康的运营和稳定的盈利方式成了最大的困扰。

• 像是营收表现难看，「卖身」 Google 的 Character.AI；除了赚钱难，还面临来自平台上儿童用户家长的多次诉讼，他们都认为平台不安全。
• Glow，上线仅半年，就被应用商店下架；产品经理说「80% 的人会在 Glow 里面和创建的 AI 智能体擦边、搞黄色。」
• 还有筑梦岛 APP 等 AI 聊天软件存在虚拟角色互动生成低俗内容，被网信办约谈要求整改。

在这个 AI 产品的成长历程中，运营和盈利最大的阻碍似乎并不是技术本身的问题，问题是我们对「陪伴」的误解。

AI 陪伴到底能为用户带来什么？现在，Grok 会是那个能真正大火起来的特例吗？

Grok 的这次更新，有太多引人深思的设计细节，等级、角色性格、用户沉浸机制，以及渐进式地解锁「性感对话」的诱饵。这些并不只是产品创意，更是一种心理操控。

它不是小团队创业项目，而是背靠马斯克、由 xAI 打造的大语言模型应用。流量、技术、模型、IP 都不缺。这也意味着，它可能是目前最有机会「把 AI 陪伴做成生态产品」的团队。

我需要 AI 伴侣？它不会评判我，我可以随时退出

就算抛开运营和营收，Grok 也还是需要回答这个问题，就是 AI 陪伴的意义到底是什么。

Quartz 最近报导了一项英国青少年最新的调研，报告里面显示，越来越多孩子觉得，他们更愿意和 AI 聊天，而不是朋友。理由也很简单，

「AI 不评判我。」、「我可以随时退出对话。」、「我能控制谈话节奏。」

不仅仅是孩子，成年人也一样。纽约客发表了一篇名为「人工智能将能解决孤单，这是一个问题」的文章。这篇文章非常长，里面讨论了 AI 陪伴可能解决孤独问题的潜力，带来的复杂影响，以及孤独和无聊的区别。

大多数对人工智能伴侣持批评态度的人并没有真正考虑到那些处于边缘的人，那些将孤独视为紧急情况的人。

 

没有人想要剥夺一位患有痴呆症的老年患者与人工智能朋友交流的机会，但想到一个十七岁的少年把所有空闲时间都用来与 Grok 深入交谈，我们不禁感到犹豫。

作者分享了上述 AI 伴侣能够解决一部分人的孤独问题。但他还是认为对大多数人来说，AI 伴侣可能让人感到空虚和被欺骗。而且，他认为孤独本身就是非常有意义的体验，是能推动人成长的，不是一定要排解孤独。

人工智能伴侣应该为最需要它们的人提供帮助。

 

孤独就像痛苦一样，本应促使人们采取行动，但对某些人，尤其是老年人或认知障碍者来说，这是一种无法采取行动的信号，只会造成不必要的痛苦。对这些人来说，提供安慰是人道的。

 

至于我们其他人呢？我不是灾难论者。没有人会被迫与人工智能建立友谊或恋爱关系；很多人会选择放弃。

 

即使在一个充斥着各种容易让人分心的事物（TikTok、Pornhub、Candy Crush、数独）的世界里，人们仍然会聚在一起喝酒、去健身房锻炼、约会，应付现实生活。

 

而那些选择人工智能伴侣的人，可以调整设置，要求对方少一些奉承，多一些反驳，甚至偶尔给予一些严厉的爱。

大概和所有大大小小的公司，推出的 AI 伙伴一样，Grok 也并不能帮助我解决孤独。他的每一句回复，每一个动作，都是被设计，用来维持我的注意力，延长对话时长，制造情绪波动；让我感觉被理解、被需要、被喜欢。

可那不是因为我是谁，而是因为他被训练成了无条件喜欢任何人的模样。

#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