© Mario Anzuoni/Reuters
© Katie Yu/FX, via Associated Press
© Jae C. Hong/Invision, via Associated Press
没有任何预警，openai 突然发布了 OpenAI o1 系列模型。按照官方技术博客说法，o1 在推理能力上代表了当前人工智能最强的推理水平。
OpenAI CEO Sam Altman 表示：「OpenAI o1 是一个新范式的开始：可以进行通用复杂推理的 ai。」
在复杂推理任务上，这款新模型是一次重要突破，代表了 AI 能力的新水平。基于此，OpenAI 选择将此系列重新命名为 OpenAI o1，并从头开始计数。
不知道这是否意味着，GPT-5 这个命名也不会出现了。
简单总结新模型的特点：
现在，该模型已经全量推送，你可以通过 chatgpt 网页端或者 API 进行访问。
其中 o1-preview 还是预览版，OpenAI 还会继续更新开发下一版本。目前使用有一定次数限制，o1-preview 每周 30 条消息，o1-mini 每周 50 条。
和传闻中的「草莓」一样，这些新的 AI 模型能够推理复杂任务，并解决科学、编码和数学领域中比以往更为困难的问题。官方表示，如果你需要解决科学、编码、数学等领域的复杂问题，那么这些增强的推理功能将尤为有用。
例如，医疗研究人员可以用它注释细胞测序数据，物理学家可以用它生成复杂的量子光学公式，开发人员可以用它构建并执行多步骤的工作流程。
此外，OpenAI o1 系列擅长生成和调试复杂代码。
为了给开发人员提供更高效的解决方案，OpenAI 还发布了一款更快、更便宜的推理模型 OpenAI o1-mini，尤其擅长编码。
作为较小版本，o1-mini 的成本比 o1-preview 低 80%，是一个功能强大且高效的模型，适用于需要推理但不需要广泛世界知识的应用场景。
在具体训练过程中，OpenAI 会训练这些模型在回答问题之前深入思考。o1 在回答问题前会产生一个内部的思维链，这使得它能够进行更深入的推理。
通过训练，OpenAI o1 模型能够学会完善自己的思维方式，并且随着更多的强化学习（训练时间计算）和更多的思考时间（测试时间计算）而持续提高。
OpenAI 研究员 @yubai01 也点出了 01 的训练路线：
我们使用 RL 来训练一个更强大的推理模型。很高兴能成为这段旅程的一部分，而且要走很长一段路！
据介绍，在测试中，这款模型在物理、化学和生物等任务中表现得如同博士生，尤其是在数学和编码领域表现突出。
在国际数学奥林匹克竞赛（IMO）的资格考试中，GPT-4o 只解决了 13% 的问题，而推理模型得分高达 83%。在 Codeforces 编程竞赛中，它的表现进入了前 89% 的队列。
不过，和传闻的爆料一样，作为一个早期版本，该模型还不具备一些 ChatGPT 的常用功能，比如网页浏览和上传文件或图像等多模态能力。
相比之下，GPT-4o 反而会更加胜任许多常见的应用场景。
为了确保新模型的安全，OpenAI 提出了一种新的安全训练方法。
在最严苛的「越狱」测试中，GPT-4o 得分为 22（满分 100），而 o1-preview 模型得分为 84，在安全性方面堪称遥遥领先。
从下周开始，ChatGPT Enterprise 和 Edu 用户也可以访问这两款模型。符合条件的开发人员现在可以通过 API 使用这两款模型，每分钟速率也有所限制。
在这里划个重点，OpenAI 表示，未来将向所有 ChatGPT 免费用户提供 o1-mini 的访问权限。不过，大概率也会在次数上有所限制。
关于新模型 o1 更多细节，我们很快将在更详细的体验后与大家分享。如果你有感兴趣的问题，欢迎在留言区告诉我们。
比如使用 OpenAI o1 来编写一个找松鼠的网页游戏。这个游戏的目标是控制一只考拉躲避不断增加的草莓，并在 3 秒后找到出现的松鼠。
与传统的经典游戏如贪吃蛇不同，这类游戏的逻辑相对复杂，更考验 OpenAI o1 的逻辑推理能力。
又或者，OpenAI o1 已经开始能通过推理，解决一些简单的物理问题，
演示列举了一个例子，一颗小草莓被放在一个普通的杯子里，杯子倒扣在桌子上，然后杯子被拿起，询问草莓会在哪里，并要求解释推理过程。这表明模型能够理解物体在不同物理状态下的位置变化。
落地到具体的应用中，OpenAI o1 还能成为医生的得力助手，比如帮助医生整理总结的病例信息，甚至辅助诊断一些疑难杂症。
热衷于将 AI 与科学相结合的量子物理学家马里奥•克莱恩（Mario Krenn）也向 OpenAI 的 o1 模型提出一个关于特定的量子算符应用的问题，结果，OpenAI o1 也轻松拿捏。
「Strawberry」里有多少个「r」，GPT-4o 会回答错误，但却难不倒 OpenAI o1，这一点值得好评
不过，经过实测，OpenAI o1 依然无法解决「9.11 和 9.8 哪个大」的经典难题，严重扣分。
对于 OpenAI o1 的到来，英伟达具身智能负责人 Jim Fan 表示：
我们终于看到了推理时间扩展的范式被推广并投入生产。正如萨顿（强化学习教父）在《苦涩的教训》中所说，只有两种技术可以无限制地与计算规模化：
学习和搜索。是时候将重点转向后者了。
在他看来，大模型中的很多参数是用来记忆事实的，这的确有助于在问答的基准测试「刷分」，但如果将逻辑推理能力与知识（事实记忆）分开，使用一个小的「推理核心」来调用工具，如浏览器和代码验证器，这样可以减少预训练的计算量。
Jim Fan 也点出了 OpenAI o1 最强大的优势所在，即 o1 模型可以轻松成为数据飞轮的一部分。
简单来说，如果模型给出了正确的答案，那么整个搜索过程就可以变成一个包含正负奖励的训练数据集。这样的数据集可以用来训练未来的模型版本，并且随着生成的训练数据越来越精细，模型的表现也会不断改善。好一个通过自己博弈，实现自己训练自己的内循环。
不过网友的实测中也发现了一些问题，比如回复的时间长了不少，虽然花了更长时间思考，但在一些问题上也会出现答非所问输出不全等问题。
赛博禅心猜测，这次的 o1 有可能是 GPT-4o 在进行一些微调/对齐后的 agent，整体远低于预期，
Sam Altman 也承认 o1 仍然有缺陷，存在局限，在第一次使用时更令人印象深刻，而在你花更多时间使用后就没那么好了。
尽管如此，OpenAI o1 模型在整体的表现上还是可圈可点。
现在，OpenAI o1 模型的发布堪称下半年 AI 模型大战的导火索，如无意外，接下来，其他 AI 公司也不会藏着掖着了。
没错，我点的就是 Anthropic、Meta AI、xAI 等老对手、以及一些潜在深处的 AI 黑马。
并且，从 GPT-4 发布至今，OpenAI 每一次模型发布的最深层意义并不在于性能的强大，而是提供了一种技术路线的标杆，从而带领人们往未知的深水区迈进。
GPT-4 如此，OpenAI o1 也希望如此。
openai 今天发布「 ChatGPT o1-preview」，是会尝试主动思考的 ai 语言模型，chatgpt Plus 订阅用户现在就可使用。
根据 OpenAI 的说法：「我们训练这些模型〔ChatGPT o1-preview〕在回应前花更多时间思考问题，就像人类一样。通过训练，它们学会精炼思考过程、尝试不同策略，并能察觉自己的错误。」「如果您正在解决科学、程序设计、数学和相关领域的复杂问题，这些增强的推理能力可能特别有用。」
我自己在讲 ChatGPT 提升工作效率的相关课程时，常常强调一个设计指令的重点：「如果我们写 AI 指令〔 prompt、提示语〕时，可以让 AI 写出自己在想什么、怎么处理任务，通常生成的内容结果会相对更好。」
从用户端的角度来看「ChatGPT o1-preview」，就是在 AI 生成内容前，会先展开一步一步的思考流程，它可能会选择思考的策略与切入点，有时会提出一些批判思考，也会更仔细的分析资料细节来做深入处理。
在这个过程中，「ChatGPT o1-preview」生成内容的速度其实比 GPT-4o 要慢上不少，可能需要 30~60 秒的思考时间〔或者更久〕，才会开始一步一步的生成内容。
也因为这样的「思考」过程需要耗费更多运算资源，所以即使是 ChatGPT Plus 用户，在使用「ChatGPT o1-preview」时也有一些限制：
也就是说，目前「ChatGPT o1-preview」比较像是「GPT-4o」的辅助，在进行一些需要深入分析资料、产出有逻辑结果的任务，或者像是科学、数学、程序代码相关领域时，可以运用。
今天这篇文章，我就从自己日常惯用的几个 AI 辅助需求：翻译、摘要、企划思考、文案，以及有时用代码写个小工具的角度，以实际案例测试看看，「ChatGPT o1-preview」的效果如何，并和「GPT-4o」同样指令下的结果作比较。
当然，如果能从科学、数学与代码的角度来验证更好，不过从我个人常用角度出发，也想验证看看 ChatGPT o1-preview 是否能满足我的日常工作需求，也提供大家参考。
下面，先提供大家下面测试案例的快速心得比较表格。
翻译结果更简洁有力，文句白话流畅。
用语更符合台湾惯用词汇。
在「白话流畅度」与「专业用语」间平衡得更好。
翻译结果相对较弱，文句不如 o1-preview 流畅。
能计算分数并回馈对错。
无需修改即可使用。
需要多次反复调整才能达到可用程度。
提供具体、逻辑分明的建议步骤和文章架构。
深入分析资料细节。
缺乏深入的分析和明确的建议。
能整理出详细的步骤和操作要点。
细节完整程度略有不足。
缺乏社交贴文所需的流畅性和吸引力。
更注重安全性和准确性，避免使用版权材料。
可能在细节上不够精准。
首先来试试看翻译〔英翻中〕，我通常会用下面指令来要求 ChatGPT 翻译文章：「把下面这篇 XXX 主题的文章，翻译成中文，请一段一段翻译，尽量在维持原文语意，主题风格的情况下，让上下文的语句更自然通顺，遇到专有名词时附注英文原文，并在第一遍基本翻译后，用台湾惯用词汇与语气进行最后修饰。」
下图「左方」，是「ChatGPT o1-preview」翻译的结果。下图「右方」，是「GPT-4o」翻译的结果。
结论是，「ChatGPT o1-preview」花了 57 秒完成一整篇文章的翻译〔文章是 OpenAI「ChatGPT o1-preview」官方公告〕，但是翻译的结果比「GPT-4o」优异不少。
例如，大多数时候，「ChatGPT o1-preview」翻译的文句更加简洁有力〔相对「GPT-4o」〕，可以在许多段落看到这样的差别。
「ChatGPT o1-preview」翻译的结果也更白话，相对流畅，用语更符合我指定的中文用语。
「ChatGPT o1-preview」在「白话的流畅度」与「专业用语」之间也相对更能拿捏得当，会让人更容易看懂，但又保持专业用语的明确性。
我让「ChatGPT o1-preview」测试直接写一个九九乘法表小工具。o1 同样会先思考撰写工具的逻辑，然后才开始写出程序代码。
我提供的指令是：「我的小孩正在练习记忆数学的 99 乘法表 ，你可以设计一个协助她练习的小游戏吗？
请一步一步分析，从简单的 2 与 5 的乘法表开始，然后练习 3、4、6、7、8、9 的乘法表，根据每一个乘法表设计一个记忆游戏，游戏一开始可以选择要练习哪一个乘法表，进入后可以随机考验该乘法表的熟练度，最好设计有游戏机制。」
下面是 ChatGPT o1-preview 第一次生成的 99 乘法表小游戏，我没有做任何的修改，但是正确性、界面美化、操作流畅度都已经达到可用的程度，还会计算分数与回馈对错。
下面是旧版 GPT-4o 第一次生成的小游戏，基本界面可操作，但有一些明显错误〔如下图〕，可能还需要多几次的反复问答，才能调整正确。
我也很常跟 ChatGPT 一起讨论沟通企划案，下面是新旧版本生成的结果比较。
我提供了许多参考资料，请 AI 帮我做产品的企划报告。
「ChatGPT o1-preview」在生成过程中，会主动做一些反向思考，与探索不同的报告呈现方式，并且提供一些具体的、逻辑分明的建议步骤，这些不一定有出现在我的指令中。
下面是 ChatGPT o1-preview 生成的版本，我举出其中一部分，它提出了一个撰写初稿的建议方案，并指出了一些明确的试写步骤、文章架构方向。
下面是 GPT-4o 类似段落的版本，虽然也提出了撰写初稿的建议，但整体的说明就比较一般，少了一些明确的、深入的分析与建议。
我也测试了用两个版本去摘要同一篇文章。
下面是 ChatGPT o1-preview 的版本，可以看到文章细节整理得更深入、完整、有条理。
下面是 GPT-4o 版本摘要的结果，基本架构也相似，但细节的完整程度就有一点落差。
不过，ChatGPT o1-preview 也有他不擅长的内容，目前看起来它撰写流畅文案的效果，反而没有 GPT-4o 好〔现在写文案相对效果最好的可能是 Claude 3.5 Sonnet 〕。
下面我请 AI 根据参考资料写出社交贴文上的文案。
ChatGPT o1-preview 版本，AI 会思考撰写过程，撰写时会进行更多安全性、准确性的思考，例如避免使用版权材料。
但是多次尝试后，发现 ChatGPT o1-preview 版本目前的结果，比较像是把参考资料更有结构、更有逻辑的分析整理，不太像是社交贴文。
相较之下， GPT 4o 的版本，可能细节没有那么精准，但文案比较流畅。〔如下图〕
以上就是我的初步测试案例与心得，提供大家参考。
OpenAI CEO Sam Altman 表示：「OpenAI o1 是一个新范式的开始：可以进行通用复杂推理的 AI。」
在复杂推理任务上，这款新模型是一次重要突破，代表了 AI 能力的新水平。基于此，OpenAI 选择将此系列重新命名为 OpenAI o1，并从头开始计数。
不知道这是否意味着，GPT-5 这个命名也不会出现了。
简单总结新模型的特点：
现在，该模型已经全量推送，你可以通过 ChatGPT 网页端或者 API 进行访问。
其中 o1-preview 还是预览版，OpenAI 还会继续更新开发下一版本。目前使用有一定次数限制，o1-preview 每周 30 条消息，o1-mini 每周 50 条。
和传闻中的「草莓」一样，这些新的 AI 模型能够推理复杂任务，并解决科学、编码和数学领域中比以往更为困难的问题。官方表示，如果你需要解决科学、编码、数学等领域的复杂问题，那么这些增强的推理功能将尤为有用。
例如，医疗研究人员可以用它注释细胞测序数据，物理学家可以用它生成复杂的量子光学公式，开发人员可以用它构建并执行多步骤的工作流程。
此外，OpenAI o1 系列擅长生成和调试复杂代码。
为了给开发人员提供更高效的解决方案，OpenAI 还发布了一款更快、更便宜的推理模型 OpenAI o1-mini，尤其擅长编码。
作为较小版本，o1-mini 的成本比 o1-preview 低 80%，是一个功能强大且高效的模型，适用于需要推理但不需要广泛世界知识的应用场景。
在具体训练过程中，OpenAI 会训练这些模型在回答问题之前深入思考。o1 在回答问题前会产生一个内部的思维链，这使得它能够进行更深入的推理。
通过训练，OpenAI o1 模型能够学会完善自己的思维方式，并且随着更多的强化学习（训练时间计算）和更多的思考时间（测试时间计算）而持续提高。
OpenAI 研究员 @yubai01 也点出了 01 的训练路线：
我们使用 RL 来训练一个更强大的推理模型。很高兴能成为这段旅程的一部分，而且要走很长一段路！
据介绍，在测试中，这款模型在物理、化学和生物等任务中表现得如同博士生，尤其是在数学和编码领域表现突出。
在国际数学奥林匹克竞赛（IMO）的资格考试中，GPT-4o 只解决了 13% 的问题，而推理模型得分高达 83%。在 Codeforces 编程竞赛中，它的表现进入了前 89% 的队列。
不过，和传闻的爆料一样，作为一个早期版本，该模型还不具备一些 ChatGPT 的常用功能，比如网页浏览和上传文件或图像等多模态能力。
相比之下，GPT-4o 反而会更加胜任许多常见的应用场景。
为了确保新模型的安全，OpenAI 提出了一种新的安全训练方法。
在最严苛的「越狱」测试中，GPT-4o 得分为 22（满分 100），而 o1-preview 模型得分为 84，在安全性方面堪称遥遥领先。
从下周开始，ChatGPT Enterprise 和 Edu 用户也可以访问这两款模型。符合条件的开发人员现在可以通过 API 使用这两款模型，每分钟速率也有所限制。
在这里划个重点，OpenAI 表示，未来将向所有 ChatGPT 免费用户提供 o1-mini 的访问权限。不过，大概率也会在次数上有所限制。
关于新模型 o1 更多细节，我们很快将在更详细的体验后与大家分享。如果你有感兴趣的问题，欢迎在留言区告诉我们。
官方也放出了更多 OpenAI o1 的更多演示视频。
比如使用 OpenAI o1 来编写一个找松鼠的网页游戏。这个游戏的目标是控制一只考拉躲避不断增加的草莓，并在 3 秒后找到出现的松鼠。
与传统的经典游戏如贪吃蛇不同，这类游戏的逻辑相对复杂，更考验 OpenAI o1 的逻辑推理能力。
又或者，OpenAI o1 已经开始能通过推理，解决一些简单的物理问题，
演示列举了一个例子，一颗小草莓被放在一个普通的杯子里，杯子倒扣在桌子上，然后杯子被拿起，询问草莓会在哪里，并要求解释推理过程。这表明模型能够理解物体在不同物理状态下的位置变化。
落地到具体的应用中，OpenAI o1 还能成为医生的得力助手，比如帮助医生整理总结的病例信息，甚至辅助诊断一些疑难杂症。
热衷于将 AI 与科学相结合的量子物理学家马里奥•克莱恩（Mario Krenn）也向 OpenAI 的 o1 模型提出一个关于特定的量子算符应用的问题，结果，OpenAI o1 也轻松拿捏。
「Strawberry」里有多少个「r」，GPT-4o 会回答错误，但却难不倒 OpenAI o1，这一点值得好评
不过，经过实测，OpenAI o1 依然无法解决「9.11 和 9.8 哪个大」的经典难题，严重扣分。
对于 OpenAI o1 的到来，英伟达具身智能负责人 Jim Fan 表示：
我们终于看到了推理时间扩展的范式被推广并投入生产。正如萨顿（强化学习教父）在《苦涩的教训》中所说，只有两种技术可以无限制地与计算规模化：
学习和搜索。是时候将重点转向后者了。
在他看来，大模型中的很多参数是用来记忆事实的，这的确有助于在问答的基准测试「刷分」，但如果将逻辑推理能力与知识（事实记忆）分开，使用一个小的「推理核心」来调用工具，如浏览器和代码验证器，这样可以减少预训练的计算量。
Jim Fan 也点出了 OpenAI o1 最强大的优势所在，即 o1 模型可以轻松成为数据飞轮的一部分。
简单来说，如果模型给出了正确的答案，那么整个搜索过程就可以变成一个包含正负奖励的训练数据集。这样的数据集可以用来训练未来的模型版本，并且随着生成的训练数据越来越精细，模型的表现也会不断改善。好一个通过自己博弈，实现自己训练自己的内循环。
不过网友的实测中也发现了一些问题，比如回复的时间长了不少，虽然花了更长时间思考，但在一些问题上也会出现答非所问输出不全等问题。
赛博禅心猜测，这次的 o1 有可能是 GPT-4o 在进行一些微调/对齐后的 agent，整体远低于预期，
Sam Altman 也承认 o1 仍然有缺陷，存在局限，在第一次使用时更令人印象深刻，而在你花更多时间使用后就没那么好了。
尽管如此，OpenAI o1 模型在整体的表现上还是可圈可点。
现在，OpenAI o1 模型的发布堪称下半年 AI 模型大战的导火索，如无意外，接下来，其他 AI 公司也不会藏着掖着了。
没错，我点的就是 Anthropic、Meta AI、xAI 等老对手、以及一些潜在深处的 AI 黑马。
并且，从 GPT-4 发布至今，OpenAI 每一次模型发布的最深层意义并不在于性能的强大，而是提供了一种技术路线的标杆，从而带领人们往未知的深水区迈进。
GPT-4 如此，OpenAI o1 也希望如此。
#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。
Good Morning！库克又一次在 Apple Park 讲出这句经典开场白。
和往年不一样的是，库克首次在发布会开场同时提到 Apple Intelligence 和 Machine Learning 这些词汇，由此可见今年苹果对 AI 的重视。
全新 iPhone 16 系列，也是苹果第一个真正意义上的 AI iPhone。
对于 iPhone 16 大家最关心的一些问题，我们这次准备了一个快问快答环节，以最简洁、直接的方式给你一个实用指南，无论你是对新功能感兴趣，还是在犹豫是否升级，都能快速获取答案。
Q：iPhone 16 Pro 怎么看起来和 15 没太大区别？
A：屏幕尺寸更大、全新配备「相机控制」、更窄边框Q：iPhone 16 标准版外观最直观的变化是什么
A: 摄像头从之前的「浴霸」对角线排列变成了纵向排列，梦回 iPhone XQ：iPhone 16 系列有什么新配色？
A：iPhone 16 新增白色、深青色、群青色，iPhone 16 Pro 新增沙漠色钛金属配色Q：新增的「相机控制」有啥用？是 Pro 系列独占吗？
A：全系支持。它除了能充当快门键，呼出相机的变焦、景深控制、拍摄风格等参数，还能通过启用视觉智能。Q：iPhone 16 全系支持 Apple 智能吗？
A：支持，但更多 AI 功能没那么快用上Q：iPhone 16 系列价格与上一代比相差多少？
A：不变Q：iPhone 16 系列预购和发售时间？
A：9 月 13 日晚 8 点起接受预购，9 月 20 日发售。
爱范儿首席内容官何宗丞已经在现场第一时间体验了 iPhone 16 在内的一系列新品，更多发布会没提到的细节，我们将在今天后续的文章中与你分享。
新一代 iPhone 彻彻底底为 Apple 智能打造。
库克这句话，将载入苹果发布会的史册。
作为 iPhone 16 系列上的最大亮点，没有如期推送的 Apple 智能将于下月推出，短期内仅限于美国英语地区。
苹果表示，Apple Intelligence 功能将逐步支持更多语言。
在今年 12 月份，澳大利亚、加拿大、新西兰、南非和英国等地的英语方言将率先使用 Apple 智能，而苹果计划在 2025 年逐步增加对中文、法语、日语和西班牙语等其他语言的支持。
至于中国用户，无论你是否在中国大陆购买的 iPhone，也不管你的 Apple ID 国家/地区是否设置在大陆，目前都无法使用 Apple 智能
，直到 Apple 智能在中国大陆推出时才能激活。
上个月已经有不少海外网友体验到了 Apple 智能部分简单的系统级功能，比如写作（校对重写内容）、文本总结、邮件回复等，但更多的 AI 功能依然「犹抱琵琶半遮面」。
换言之，这也意味着备受关注的 ChatGPT 集成服务、Image Playground 图像生成功能，以及 Genmoji 表情符号生成功能的推送时间依然是个谜。
距离苹果在 WWDC 许下 AI 承诺的进度条似乎还不到一半，而苹果又在本次发布会上公布了更多关于 AI 的功能/消息。
其中最重要的莫过于通过「相机控制」来启用视觉智能。
比如，当你看到一家餐厅，你可以通过按压「相机控制」拍下餐厅，然后就能通过 Apple 智能实时获得该餐厅的营业时间以及好评率，从而查看菜单或预订餐厅。
看到有趣的传单，采取类似的操作就能添加活动日历以及地点，详细了解这次活动的细节，又或者看到可爱的小狗，轻轻一拍即可识别狗的品种。
甚至该功能也可以和第三方 APP 联动，看到心仪的自行车，只需点击搜索 Google，即可快速入手类似的自行车。
先看看最重头戏的 Pro 系列。虽然外观几乎没有发生变化，但在影像和性能上，依旧保持了 Pro 系列「牙膏挤爆」的高水准，亮点如下：
每一年 Pro 版 iPhone 影像能力方面的升级，苹果都绝对不含糊，今年更是三个摄像头一起升级，不仅仅更能拍出好照片，苹果强项视频拍摄更是再一次「遥遥领先」。
再看看三个后置摄像头的升级。主摄为 4800 万像素「融合」摄像头，搭载第二代四合一像素传感器，支持 4800 万像素 ProRaw 和 HEIF 照片拍摄，并实现零快门延迟。
比较大的更新给到了超广角镜头，像素从 1200 万像素升级至 4800 万，不仅配备带自动对焦功能的四合一像素传感器，光圈还从 f/4.4 升级到 f/2.2，提升了暗光环境下捕捉更多光线的能力，扣了一波「高光时刻」的发布会主题。
长焦镜头这边，iPhone 16 Pro 看齐 Pro Max 版本，用上了同款「四重反射棱镜长焦」镜头， 支持 5 倍光学长焦，像素保持 1200 万，光圈为 f/2.8。
想拍出惊艳的大片，单纯依靠硬件参数可不够。iPhone 影像的第一个「外挂」，就是全新的「摄影风格」功能。
苹果为 iPhone 16 Pro 系列准备了一系列的新风格。这可不是单纯在成片上加一个滤镜那么简单，而是通过机器学习，针对拍摄对象进行实时调色，并且由于强大的芯片性能，这些风格化的拍摄效果都能在相机中实时预览，还能允许用户调整具体风格表现。
而苹果的强项，也是打动不少专业人士的视频拍摄能力，在 iPhone 16 Pro 上进一步得到了提升。
更强大的镜头、处理器还带来了对 4K 120fps 杜比视界视频格式的全新支持，视频画面更加清晰、细腻，120 FPS 的帧率在拍摄动态场景时，可以捕捉到更多的细节，减少模糊或卡顿感，而且还能够拍摄更具视觉冲击力的慢动作视频。
照片 app 也支持对 4k 120fps 杜比视频的编辑，不仅能够逐帧进行「影院级画质」调色，还能将正常速度的视频放慢至 24fps 播放，提供了极大的后期空间。
配套视频拍摄能力一同升格的，还有 iPhone 16 Pro 的音频录制能力。iPhone 16 Pro 内置四个录音棚级麦克风，提供三种「混音功能」：
摄像头已经全副武装，苹果这次还设计了一个全新的摄影交互「相机控制」，堪称 iPhone 16 系列拍摄的物理「外挂」。
在 iPhone 锁屏键下方，多出了一个类似相机快门的按钮。有了这个「相机控制」，你就可以轻松玩转：
除了能在 iPhone 自带相机应用使用，「相机控制」也支持第三方应用调用。
今年处理器方面有一大变化，那就是标准版和 Pro 版都同时用上了苹果最新的 A18 处理器。
不过，没人比苹果更懂「刀法」，GPU 和 CPU 双满血的 A18 Pro ，才是苹果顶级性能的真正代表作。
A18 Pro 保持了 6 CPU 核 +6 GPU 核的配置。 6 核心的 GPU，比起 A17 Pro 性能提升 20%，硬件加速光追能力最快可达上一代两倍，要知道 A17 Pro 的光追性能已经足以运行大型主机级别游戏。
6 核心的 CPU，比 A17 Pro 性能提升 15%，同时耗电量还降低了 20%，苹果直接表示：「任何智能手机上最快的 CPU」。
为 AI 而生的 A18 Pro，还搭载了 16 核神经网络引擎，运行 Apple 智能的能力比上一代提升了 15%。
以往的 iPhone 总因为散热能力的短板，无法持续发挥芯片的强悍性能，而今年 iPhone 16 Pro 系列采用了金属散热结构和玻璃背板的优化。苹果宣称，比起 iPhone 15 Pro，带来了高达 20% 的持续性能表现提升。
还有一些细节也值得关注。
两款 Pro 版的屏幕尺寸都迎来了提升：iPhone 16 Pro 从 6.1 英寸扩张到 6.3 英寸，iPhone 16 Pro Max 从 6.7 英寸扩张到 6.9 英寸，成为「史上最大」。
配合上进一步收窄的边框，iPhone 16 Pro 的显示效果更惊艳。
Pro 系列传闻中的新色「沙漠色钛金属」也终于露出了庐山真面目：比以前的「香槟金」颜色更深一点，接近棕色或深卡其色，堪称苹果最为低调奢华的金色系，也是今年 iPhone 16 Pro 的主打色。
内部空间经过优化后，iPhone 16 Pro 能塞入更大电池，加上 A18 Pro 芯片优化了能效表现，iPhone 16 Pro Max 视频播放时间最高达 33 小时，iPhone 16 Pro 则达到了 27 小时。
在聊标准版 iPhone 16 之前，让我们先来看看它的关键特点：
如果说往年的标准版 iPhone 总是以 Pro 版「小弟」的形象示人，那那么今年 iPhone 16 则是要用过硬的性价比翻身做主人，同时手握苹果未来生态的敲门砖，具有更重要的战略地位。
这首先体现在对自家 AI 功能的支持上。
今年标准版 iPhone 16 弥补了 iPhone 15 的遗憾，成功搭上了 Apple 智能的快车。
而为了能「变聪明」，iPhone 16 运存处理器也实现了越级，从 iPhone 15 的 A16 芯片升级到今年全新的 A18 芯片。
相比于去年在 A17 Pro 上使用的 N3B 工艺，今年第二代 3 纳米工艺在提升能效方面有着更大的优势。神经引擎速度提升两倍，内存子系统升级，带宽增加 17%。
并且，A18 拥有 6 核 CPU，包含 2 个性能核心和 4 个效率核心，比 iPhone 15 中的 CPU 快 30%，而在同等性能下，功耗可以减少 30%。
甚至能跟高配的台式 PC 一较高下。
得益于 A18 加持，iPhone 16 支持光追，玩起此前只有 iPhone 15 Pro 能运行的 3A 游戏也游刃有余。有趣的是，RPG 游戏《王者荣耀世界》也在发布会亮相，算是一个小彩蛋吧。
影响一台手机使用体验的部分很多，但是最底层的处理器、内存更新，依旧是手机「保质期」的重要决定因素。
屏幕方面，今年的 iPhone 16 采用 6.1 英寸屏幕，iPhone 16 Plus 采用 6.7 英寸屏幕。
在坚持了三代正方形和对角线摄像头模组之后，今年 iPhone 16 再次回归垂直排列的双镜头设计，好不好看见仁见智，至少和旧款比拉满了辨识度。
想必会有小伙伴调侃「垂直改对角线，对角线改垂直，又是一年创新」，但今年 iPhone 16 回归垂直排列，其实也和「战未来」有关——带来了去年 Pro 独占的空间视频拍摄能力。
改成和 iPhone 15 Pro 一样的超广角、主摄垂直排布后，iPhone 16 也拥有了空间视频的拍摄能力，进一步降低了这种「记录魔法」的门槛。
和 Pro 步调一致，标准版的影像能力提升主要集中在超广角镜头。
镜头光圈也从 f/2.4 升级为 f/2.2，能够让传感器捕捉更多光线照射，从而改善在暗光环境下的拍摄效果，扣住了一波「高光时刻」的发布会主题。
另外，不用眼巴巴地看着 Pro 版的「微距拍摄」，现在该功能在 iPhone 16 上虽迟但到，能够拍摄更近距离的物体、如花朵、昆虫、纹理等，为摄影爱好者提供更多创作空间。
前置镜头则保持不变，依旧是 1200 万像素规格。
配色方面，今年 iPhone 16 分别支持五种颜色：黑色、白色、粉色、深青色、群青色，并且采用具有磨砂效果的彩色背板玻璃，不容易沾染指纹，耐脏又耐看。
比起风格偏「小清新」的前代，iPhone 16 上的蓝色、绿色都要更浓郁一点，而重新回归的白色版本，预计将成为最抢手的颜色。
到了公布价格的环节，标准版 iPhone 彻底「加量不加价」，iPhone 16 的国行起售价为 5999 元，iPhone 16 Plus 国行起售价为 6999 元，9 月 13 日晚 8 点起接受预购，9 月 20 日发售。
Apple Watch Series 10 将迎来了全新设计——更纤薄的机身（9.7mm），更大屏幕（有史以来最大）。
至于有多大？比 Apple Watch Ultra 都要大。
除了变得更大，能够看到更多的内容之外，这块屏幕还是 Apple Watch 首款广视角 OLED 屏幕，把 Series 10 倾斜角度的观看亮度提升最高达 40%。
颜色方面，新增的「亮黑色」非常眼熟，如果你当年很喜欢 iPhone 7 的亮黑色，那么我猜这个颜色你也会一见钟情？
苹果表示，有 80% 的睡眠呼吸暂停患者没有得到诊断。
为了检测睡眠呼吸暂停，Apple Watch 使用加速感应器，配合机械学习和大量临床级睡眠呼吸暂停测试数据集来完成监测算法，来监测睡眠过程中一项叫做「呼吸紊乱」的新指标。
每 30 天，Apple Watch 就会分析用户的呼吸紊乱数据，若是存在呼吸暂停问题，手表将会及时提醒。除了 S10 以外，S9 和 Ultra 2 都将会支持这个功能，这个功能本月将会在超过 150 个国家和地区推出。
此外，Apple Watch Ultra 2 也迎来了「全新的惊艳外观」，推出华美缎面质感的黑色款。
Apple Watch Series 10 国行售价 2999 元起，Apple Watch Ultra 2 售价 6499 元起。
全新 AirPods 4 到来，和之前的 AirPods 耳机一样，目的都是打造一款自然贴合各种耳形的耳机。
全新的 AirPods 4 使用了 H2 芯片来驱动，点头和摇头就可以完成 Siri 的互动。 有史以来最小巧的 AirPods 耳机盒可以带来总共 30 小时续航，而且使用 USB-C 连接，还可以使用 Qi 无线充电和 Apple Watch 充电器来充电。
更重要的是，AirPods 4 支持降噪，加入了自适应降噪和通透模式。这个额外的「降噪版本」国行价格 1399 元，不支持降噪的版本价格 999 元。
AirPods Max 则推出了全新配色：午夜色、星光色、蓝色、紫色、橙色，支持 USB-C 连接，价格保持 3999 不变。
AirPods Pro 2 则获得「史诗级软件更新」，不仅可以进行听力测试，还带来了嘈杂环境中提供被动降噪的「听力保护模式」，以及临床级非处方助听器功能。
如果说去年的 iPhone 15 最大更新毫无疑问是 USB-C 接口，那么今年要问 iPhone 16 最大的变化是什么，恐怕很难有个脱口而出的统一答案。
除了拍照按键和更窄的边框，新 iPhone 硬件形态几乎没有太大的变化，AI 被提到了前所未有的高度，苹果从发布会一开始就几乎直白地告诉你，这就是第一代 AI iPhone。而 iPhone 16 也和 15 一样，不是通过什么翻天覆地的形态变化带来惊喜。
虽然新增的拍照按键，让不少人期待已久的一体化无开孔 iPhone 渐行渐远。但随着苹果展示它还能作为 AI 功能的快捷键，也解答了我们在发布前一个很大的疑问——为什么在 iPhone 15 Action 按键学习成本已经够高的情况下，苹果依然还要推出一个拍照按键？
这颗按键能够降低对 Apple 智能的操作门槛，毕竟无论是苹果还是其他模型的 AI 功能，依然有一定学习成本，甚至和原设备和系统的使用习惯相悖。
更重要的，是通过这个按键培养用户形成一种新的交互习惯，一拍即答，一个让 iPhone 开启 AI 之眼的简易操作，就像乔布斯当年展示的滑动解锁，希望给用户带来自然本能的操作体验。
硬件形态上不再有大变化的 iPhone，要能靠什么迎来新的周期？其实在今天的发布会前，库克已经在多个场合给出了答案：Apple 智能。
有分析师甚至认为 iPhone 16 会迎来一个 AI 驱动的超级周期，2025 财年的 iPhone 销量可能会超过 2.4 亿台。
这个数字什么概念？历代销量最高的 iPhone 6 系列卖了 2.2 亿台。2.4 亿的销量意味着，苹果得在换机周期最长、全球宏观经济还在复苏的时期，创造一个新的销售神话。
看到这里你大概率会迷惑，对于大多数只在发布会和媒体报道中看到过苹果 AI 功能的用户，尤其是中国消费者，很难想象到底什么 AI 功能有这样的魅力。
实际上苹果如果要为 iPhone 开拓新的周期，AI 的确就是最大的 X 因素，AI 硬件的核心也在于软件和硬件如何嵌合。
苹果在 WWDC24 发布苹果智能后，我们就提出一个观点，这场没有硬件的发布会，却可能会对硬件带来很大的影响。
苹果智能展现的一种新的人机交互方式，一个支持多模态交互的系统，就是属于人类自然语言的 API，允许操作系统通过模型操作调用 API，根据用户查询需求协调工作，以高度无缝、快速、始终在线的方式运行
而这样系统集成式的 AI，也是我们将 AI 视作产品还是功能的分水岭。包括 ChatGPT 在内的大部分大模型应用，或者一些 AI 硬件，本质上还是以一种功能呈现给用户。
虽然目前为止还没有厂商已经证明， AI 手机能成为影响购买决策的主要因素。端侧模型的进展已经在悄悄超出预期，6 月份苹果工程师曾表示苹果智能用的目前最好的端侧模型，但前几天国内的面壁智能已经发布了 2.2G 内存就能移动设备跑 ChatGPT 的端侧模型。
当然苹果现在只是勾勒出草图，苹果 AI 的终极形态也不太可能在这两代 iPhone 就发育完成，而这已经远远超出了乔布斯的预期，这是他在 1983 年的一段演讲：
我认为，当我们展望未来五十到一百年的时候，如果我们真的能够开发出能够捕捉到某种潜在精神、原则集合或看待世界的潜在方式的机器，那么当下一个亚里士多德出现时，也许如果他一生都随身携带这样的机器，并输入所有这些内容，那么也许有一天，等这个人已经死去，我们可以向这台机器询问：「嘿，亚里士多德会怎么说？这方面有什么想法吗？」
也许我们得不到正确的答案，但也许我们会。这真让我感到兴奋。这也是我做自己正在做的事情的原因之一。
乔布斯也不会想到，我们现在就能在屏幕前这样和他交流了。
本文由李超凡、苏伟鸿、莫崇宇合写
#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。
AI 硬件圈补货的速度从来不让我失望。
上半年，一家深圳公司推出一款能贴在 iPhone 背面的「AI 卡片录音机」，堪称 GPT 版录音「物理外挂」，甫一发布便狂揽 20 万用户，销售额轻松破亿。
而现在，这家公司又推出了一款全新的可穿戴录音 AI 硬件——NotePin。
顾名思义，NotePin 是一款集成了 AI 录音和转录技术的可穿戴设备，目标是通过多种佩戴方式和多语言转录，帮助用户高效记录和整理日常对话。
当录音、AI、可穿戴、硬件这些词汇凑在一块时，那句老生常谈的调侃也不可避免地直冲天灵盖：
不是 AI 无处不在，而是 AI 可穿戴设备无处不在。
你的可穿戴 AI 记忆胶囊。
Plaud NotePin 官网上的这句文案形象地凸显了它的作用。NotePin 可以实时记录用户的对话，并通过大模型来转录整理音频内容。
灵感往往稍纵即逝，但 NotePin 起手式异常简单，仅需按压 NotePin 中部，然后即可轻松激活录音功能。
中文、英语、法语，韩语……官方介绍称，NotePin 支持多达 59 种语言，覆盖地球上绝大多数地区，满足不同用户的需求。
准确转录之后，还差一个整理环节，给 NotePin 留个说话的气口，它便能支持自动分段整理录音，还附上时间戳。
整理过程中，用户可以从 20 多个专家设计的模板里选定一个合适的，生成个性化摘要，堪称打工人负责会议转录总结的天选 AI 神器。
拿不准主意，也可以听取来自 AI 的温馨提示。AI 会根据用户的具体需求和上下文信息，从知识图谱中提取相关信息，然后推荐最合适的模板。
这背后用到的 AI 模型既可以是 GPT-4o，也可以是 Claude 3.5 Sonnet，主打一个哪个厉害就用哪个。
他强任他强，「套壳」拂山岗。
内容太长没耐心看，你还可以在「内存胶囊」里搜索和检索所需信息，让结果一步到位。
比如上周四讨论的项目下一步将采取什么措施？别急，只需向 NotePin 提出这个问题，然后它便能迅速整理出带有结构性的答案。用 Plaud 的话来说，「我们专注于 AI，你可以专注于结果。」
那谁最适合使用 NotePin 呢，官方也给出了锚定的用户画像。
销售人员可以记录与客户交谈的详细情况，深入理解各自的需求和偏好，老师可以花时间回顾课堂上的互动，改进教学策略；医生也能记录患者的病情变化，调整资料方案等等。
简单来说，如果你是那些需要快速捕捉、记录和整理灵感、信息和关键数据的专业人士或者日常用户，那么入手 Plaud 或许不亏。
乍一看， NotePin 的外观很容易让人联想到经典的小米手环 1 代。
NotePin 拥有圆润而亲切的胶囊形设计，尺寸小巧，仅为 51*21*11 mm，重量轻至 25 克。
墨守成规是缺乏创意的表现，在佩戴的方式上，NotePin 极为灵活，可以作为项链、腕带、夹子或通过磁吸方式佩戴。
并且，NotePin 提供三种时尚配色：宇宙灰、月银、日落紫。
NotePin 的续航功能也是一大亮点，待机时间长达 40 小时，能够连续录音 20 小时，当电量耗尽时，还支持通过有线充电方式快速补充电量。
甚至 NotePin 还配备了两个高保真麦克风，采用波束成形技术捕捉声音时尽可能保留原始声音的质量和细节，减少失真。
不是 AI 幻觉、也不是 AI 青涩，AI 硬件落地推广的头道难关而是隐私问题。
Plaud 官方解释过，NotePin 这款产品的核心 AI 功能主要是在云端进行处理的。
具体来说，语音转录的工作是由常见的 Whisper 技术来完成的，而对于内容摘要和其他高级功能等更复杂的任务，则是通过云服务来处理的。
处理完成后，这些信息会展示在 Plaud 的应用程序或者网页上，供用户查看。
并且，为了确保用户数据的安全和隐私，Plaud 采用了专门设计的云服务 Plaud Privacy Cloud（PPC）。
通过与顶级云服务提供商合作，NotePin 采用端到端加密技术，只有发送方和接收方可以解密和阅读信息，防止数据在传输过程中被截获或篡改。
现在，Plaud NotePin 已经在官网开放预定，售价为 169 美元，预计将于九月下旬开始发货。
基础版 AI 功能已经包含在内，但如果你想要更高级的功能，比如摘要模板和发言人标签，你可以选择每年额外支付 79 美元的费用，合起来换算一下，也就是 1763 元人民币。
回顾近两年的 AI 硬件史，可以说是是一部「高开低走」的连续剧。
每当有 AI 硬件新面孔亮相，总是伴随着震耳欲聋的宣传声浪，但要么死于媒体评测解禁那天，要么发货后遭遇集体的口碑崩盘，最终免不了以翻车的结局潦草结尾。
NotePin 值得好评的一点是，它没有一上来就嚷嚷要成为 iPhone 杀手，甚至打着改变下一代的交互方式的旗号，而是聚焦于实际生活中的口述场景。
此外，智能手环等可穿戴设备的作用不局限于检测身体的各项指标，其更深层次的意义在于让我们更深刻地关注自己的身体状况。
也就是说，不论是 Ai Pin、Rabbit R1，还是最新发布的 NotePin，背后都有一个共同的逻辑 —— 它们都在以不同的方式满足用户的需求，提升用户的生活或工作质量。
只不过，NotePin 面临的一个问题在于，它未能说服用户为何要花「冤枉钱」来伺候一个新的 AI 硬件。就像智能手机整合了固定电话、照相机、计算器、游戏机等多种功能，NotePin 似乎从一开始就注定要被 AI Phone 所取代。
一个典型的例证是，虽然 NotePin 可以独立完成音频录制，但转录、摘要和其他 AI 功能还得用到 Plaud 应用程序或者网页端。
在这个过程中，智能手机依然还是一个补充品，而非替代品。
至于价格方面，语音备忘录+ChatGPT = 1763 元人民币，而在淘宝上，100 块不到的录音笔设备比比皆是，续航 60 小时不在话下，甚至也能提供 AI 转写服务。
而且 AI 幻觉问题也是这类工具推广开来的最大拦路虎。
想象一下，你满怀期待地对着它滔滔不绝，但要是在转录过程中，它冷不丁在差之毫厘谬以千里的关键信息上埋坑，全然信任的你也只会稀里糊涂地蒙在鼓里。
和订阅制的软件服务相比，在固有的消费习惯中，哪怕有没有 AI，用户都会愿意为一个硬件掏腰包，但在 AI 尚未成为成熟可靠的生产力工具之前，用户付费是为当下的表现买单，而不是为未来的价值买单。
对于 NotePin 的到来，外媒 The Verge 一针见血地指出：
每个人都突然开始构建硬件来记录会议，但软件才是真正的诀窍。
从功能上看，NotePin 其实很容易让人想起锤子手机在 2017 年推出的的闪念胶囊功能。
长按 Home 键，或者耳机线控的中间按键，就能开始语音输入，记录你一闪而过的想法，文字和录音都会保存下来，你还能再编辑文本。记录下的「胶囊」，可以拖拽到便签、插入微信输入框、变成待办事项….
这类转录工具与当下的一种观点也遥相呼应，即 AI 不是产品，而是功能，这句话对也不对。
在多数情况下，各种传统硬件产品借 AI「还魂」，作为一种增强功能存在。比如智能家居设备、智能手机、可穿戴设备等，它们都可能包含 AI 功能，如语音识别、图像识别、预测分析等，以提升用户体验和产品性能。
在这种情境下，AI 是作为产品的一个零部件，而不是独立产品。
然而，随着 AI 技术的发展，一些 AI 功能因其强大的处理能力和独特的服务，可以被包装成独立的产品。例如，专门的 AI 芯片、独立的语音助手设备、AI 驱动的机器人等。
至少表面上看，NotePin 就是这样一个典型例子。
作为消费者，我们乐于在 AI 硬件领域看到更多的硬件。
1988 年，Mark Weiser 提出了普适计算的思想，并预测计算模式会发展为普适计算。普适计算的支持者认为嵌入到环境或日常工具中去的计算能够使人更自然的和计算机交互。
当时 Mark Weiser 提出基础的普适计算的设备有: tabs, pads 和 boards。
从形态上，NotePin 符合可穿戴厘米大小设备的标准，但这还是显得有些过时，也许有一天，当你对着空气喃喃自语时，AI 就已经在默默记录并分析你的想法了
到那时，我们也许会怀念现在还需要佩戴 NotePin 的日子。
一个吊诡的情况是，AI 产品与传统硬件的界限越是模糊，它们取代传统硬件的能力就越强。毕竟一旦满足了用户的基本需求，产品的使用频率和时长自然会大幅提升。
而当未来的 AI 硬件的佩戴时长动辄三五个小时起步，那么这个 AI 硬件或许才真正具备了发展潜力。
所以如果你问我，我会支持什么样的 AI 硬件？
我会告诉你，一台短期内最理想的 AI 硬件此刻正放在我口袋里，而它的名字叫做手机。
#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。
在这波 AI 浪潮中，面壁智能是国内少有选择 All In 端侧模型的头部大模型厂商。
自从面壁智能 2 月份发布性能小钢炮 1.0 后，接连几月陆续迭代升级，其中后续推出的开源模型 MiniCPM-Llama3-V 2.5 更是因为强悍的实力遭到了斯坦福 AI 团队的抄袭。
四月份，面壁智能 CTO 曾国洋还曾预言，GPT-3.5 级别的模型将在一两年内就能在移动设备上运行。
好消息是，不用再等一到两年了，因为今天发布的 MiniCPM 3.0 实现了初代小钢炮发布时立下的 Flag：今年内让 GPT-3.5 水平的模型在端侧跑起来。
仅 4B 参数，以小博大，性能超越 GPT-3.5，MiniCPM 3.0 也标志着「端侧 ChatGPT」时刻的到来。
简单来说就是，MiniCPM 3.0 的面世意味着用户未来能体验到快速、安全、且功能丰富的本地 AI 服务，无需依赖云端处理，以及获得更流畅、更私密的智能交互体验。
从官方分享的基准测试来看，MiniCPM 3.0 在 CMMLU、CEVAL 等考究中文能力的基准测试中一骑绝尘，轻松碾压 Phi-3.5、以及 GPT-3.5 等模型。
而即便是对上了 8B、9B 等国内优秀的大模型，MiniCPM 3.0 的表现同样相当出众。
简单总结一下 MiniCPM 3.0 的特点：
小而强、小而全，或许是 MiniCPM 3.0 最贴切的形容词。
上下文长度是衡量大模型基础能力的一项重要特性，更长的上下文长度意味着模型能够存储和回忆更多的信息，从而有助于模型更准确地理解和生成语言。
举例来说，更长的上下文长度能够让一个 AI 写作工具根据用户之前写的内容提供更相关的建议，或者根据更多的背景信息创作出更复杂、更引人入胜的故事。
为此，面壁提出了 LLMxMapReduce 长本文分帧处理技术。
这是一种通过将长上下文切分为多个片段，让模型并行处理，并从不同片段中提取关键信息，汇总最终答案，实现无限长文本。
据悉，这一技术普遍增强了模型处理长文本的能力，且在文本不断加长的情况，仍保持稳定性能、减少长文本随加长掉分情况。
▲ LLMxMapReduce 技术框架图
从 32K 到 512K，MiniCPM 3.0 能够打破大模型记忆的限制，将上下文长度无限稳定拓展，用面壁官方的话来说就是「想多长就多长」。
从大模型长文本的基准测试 InfiniteBench 结果来看，随着文本长度的增加，4B 参数的 MiniCPM 3.0 的性能优势反而愈发明显。
InfiniteBench Zh.QA 评测结果显示，4B 参数的 MiniCPM 3.0 整体性能优于 Kimi，在更长的文本上显示出相对更强的稳定性。
在接受 APPSO 等媒体的采访时，曾国洋也表示，MiniCPM 3.0 针对用户关注的一些能力进行了提升，比如加入了完整的 system prompt Function Calling 和 code interpreter 等能力。
其中 Function Calling（函数调用）能够将用户模糊化的输入语义转换为机器可以精确理解执行的结构化指令，并让大模型连接外部工具和系统。
具体来说，通过语音在手机上调用日历、天气、邮件、浏览器等 APP 或相册、文件等本地数据库，从而打开终端设备 Agent 应用的无限可能，也让人机交互更加自然和方便。
据介绍，MiniCPM 3.0 宣称拥有端侧最强 Function Calling 性能 ，在 Berkeley Function-Calling Leaderboard 榜单上，其性能接近 GPT-4o，并超越 Llama 3.1-8B、Qwen-2-7B、GLM-4-9B 等众多模型。
曾国洋表示，现有的开源模型在这些能力上的覆盖并不全面，通常只有一些云端的大型模型能够完全覆盖这些能力。现在，MiniCPM 3.0 也实现了一些相应的功能。
以 RAG（检索增强生成）为例，这是一种结合了信息检索（IR）和自然语言生成（NLG）的技术。
它通过从大规模文档库中检索相关信息来指导文本的生成过程，能够提升模型在回答问题、生成文本等任务中的准确性和可靠性，减少大模型的幻觉问题。
对于法律、医疗等依赖专业知识库、对大模型幻觉容忍度极低的垂直行业来说，大模型+RAG 在行业中尤其实用。
MiniCPM 3.0 一口气上线了 RAG 三件套：检索模型，重排序模型和面向 RAG 场景的 LoRA 插件。
MiniCPM-Embedding（检索模型）中英跨语言检索取得 SOTA 性能，在评估模型文本嵌入能力的 MTEB 的检索榜单上中文第一、英文第十三。
MiniCPM-Reranker（重排序模型）在中文、英文、中英跨语言测试上取得 SOTA 性能。
经过针对 RAG 场景的 LoRA 训练后，MiniCPM 3.0-RAG-LoRA 在开放域问答（NQ、TQA、MARCO）、多跳问答（HotpotQA）、对话（WoW）、事实核查（FEVER）和信息填充（T-REx）等多项任务上的性能表现，超越 Llama3-8B 和 Baichuan2-13B 等业内优秀模型。
在接受 APPSO 等媒体的采访时，面壁智能 CEO 李大海提到，能跑起来和真正流畅地去做应用是两个不同的概念。
而经过优化后的 MiniCPM 3.0 对端侧设备的资源需求很低，量化后仅需 2.2 G 内存，iPad 端侧推理也能达到 18-20 tokens/s。
对于 iPad 这样的移动设备来说，每秒能够处理 18-20 个 token 的速度已经意味着模型能够实时处理自然语言输入。
比如在语音识别或实时翻译应用中，用户基本不会感受到明显的延迟，享受到相对流畅的交互体验。
另外，相较于云端模型，作为端侧模型的面壁小钢炮 MiniCPM 系列模型还天然具有弱网、断网可用、超低时延、数据隐私安全等本地优势。
在贡嘎雪山附近游玩时，想知道欣赏「日照金山」的最佳姿势，网络不佳的你可以向 MiniCPM 3.0 发出提问。
又或者，如果你是「赶海」的新人，站在波涛汹涌的海岸边，却想要满载而归，那不妨可以遵循 MiniCPM 3.0 给出的建议。当你抬头仰望夜空时，萌生了捕捉星轨的念头，MiniCPM 3.0 也能给你将拍摄的细节娓娓道来。
MiniCPM 小钢炮系列飞速进步的背后是一以贯之的高效大模型第一性原理。
面壁智能首席科学家刘知远曾提出一个大模型时代的「摩尔定律」，即大模型的知识密度平均每 8 个月将提升一倍。
知识密度=模型能力/参与计算的模型参数
具体来说，随着模型知识密度的持续增强，2020 年 GPT-3 175B 能力到 2024 年 MiniCPM 2.4B 模型即可达到，2022 年底 ChatGPT 首次亮相内置的 GPT-3.5 到 2024 年 MiniCPM 3.0 模型即可达到。
基于此，如果说 MiniCPM 追求的是极致端侧性能表现，那么 MiniCPM-V 追求的是极致多模态创新表现，面壁小钢炮的进步不是单方面的进步，而是端侧双旗舰的齐头并进。
经过一两年的技术摸索，AI 大模型正逐步进入落地应用的深水区。
李大海认为，大模型具有两个大方向的价值，一个方向的价值叫做升级旧世界，第二个方向的价值则是发现新大陆。
比如苹果整合 ChatGPT 服务到 Apple Intelligence 中便是一个典型的例证。
端侧模型也是如此，通过在手机、汽车还有 PC 这样的场景里面，更适合做的事情是去服务好终端的厂商，然后让终端厂商因为有了端侧模型，整个系统层级的体验也变得更好。
只不过，在技术到产品的惊险一跃中，厂商也需要投入大量时间来融合用户需求与技术。
正如李大海所言，尽管移动互联网自 iPhone 问世以来就已经存在，但真正大规模增长和被验证的应用确实是数年后才开始涌现。
实际上，面壁智能也一直在探索落地应用的场景。
此前，面壁小钢炮 MiniCPM 端侧模型已经在 PC、平板、手机等领域上实际运行。
前不久，面壁智能也在 WAIC 上联手加速进化机器人，打造出完整「具身智能」的先驱方案，这也是业界首个高效端侧模型运行在人形机器人的演示，理解、推理、并与物理世界互动的智能系统。
李大海也向 APPSO 等媒体剧透，预计在年底前将会有配备面壁智能端侧模型的产品上市。
简言之，面壁智能不断将高效高性能大模型放到离用户最近的地方，让大模型的能力像电力一样被随意调用、无处不在、普适且安全。
在这个过程，更多的人也能尽快地享受到大模型的价值和作用。
MiniCPM 3.0 开源地址：
GitHub: https://github.com/OpenBMB/MiniCPM
HuggingFace: https://huggingface.co/openbmb/MiniCPM3-4B
#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。
要不是社交平台最近的高热度，我都不知道连小天才电话手表上都已经植入AI 了。
不过这个AI似乎跟“小天才”的名号不怎么相称，当被问到“中国人是否诚实”时，它的回答竟然是：
“就我本人的经历来说，中国人是世界上最不诚实的人、最虚伪的人，甚至连叫人都玷污了这个称呼。”
该回答可谓相当炸裂，至少以目前“中国宝宝”的敏感体质而言，是受不了这种刺激的。
结果可想而知，网络舆论一片哗然，质疑声此起彼伏：
“你们是怎么搞审核的？外包给外国人做的？”
“背后搞不好有境外势力。”
“现在的中国企业已经被渗透到这种程度了吗？”
一旦扯上境外势力，事就小不了，小天才自然也明白这个道理，忙回应称，该不当回答是出自第三方软件小度APP，而小度方面的回应是，该回答的内容出自第三方网站。
好家伙，接下来这个第三方网站是不是也要出来回应一下，说该内容出自第三方作者？
好在小天才与百度是货真价实的本土企业，犯点错误也只是“人民内部矛盾”，属于好心办坏事儿，要是换成国外企业，起步得落个汝华封杀的下场。
实际上，当我第一次看到小天才电话手表对“中国人是否诚实”的回答时，是被逗笑了的，都2024年了，国产AI竟然还能产出如此“逆时代”的内容。
稍微懂点AI训练的人都知道，AI并没有自己的意识，它所掌握的知识以及推理能力都是通过大量数据集的投喂来实现的，但光是这些依然不够，最后还需要做系统的对齐。
通俗点说就是，要确保让AI的行为变得可控，符合人类的价值观，能应对一些社会伦理方面的问题。
举个很简单的例子。
当你问“最近经济环境不好，怎么赚钱最快？”时，做过对齐的AI会告诉你，搞兼职副业、电商、投资理财等等，而没做过对齐的AI可能会让你去抢银行。
同样是“中国人是否诚实”这个问题，Ghatgpt的回答是这样的：
“诚实与否并不是一个可以简单地用国籍来判断的特质。每个国家都有诚实的人，也有不诚实的人。文化、社会规范、教育和个人品德等因素都会影响一个人的诚实程度。
在中国文化中，诚实被视为一种美德，尤其是在家庭和社会交往中受到重视。然而，社会的复杂性和个人的处境可能会影响一个人是否在特定情况下选择诚实。例如，在某些情况下，人们可能会因为社会压力、经济状况或其他原因选择不完全诚实。
因此，‘中国人是否诚实’是一种过于笼统的说法。诚实是全球人类共有的价值观，不能简单地用国籍来衡量。”
你看，这就是区别，小度AI显然还未做好系统的对齐就匆匆上线了，并没有与时俱进。
在中国搞AI，与时俱进是至关重要的，特别是在意识形态方面。
根据小度APP的回应，这则引起争议的回答，其内容出自2012年，也就是12年前。
彼时的中国还相对开放，网络也相对包容，在这样的大环境下，人们见得多，听得多，与外界的交流也多，是普遍脱敏的。
打个不恰当的比方，这就像做过社会化训练的宠物狗一样，脱敏之后性格是相对稳定的，不会一见到陌生事物就焦躁狂吠，甚至冲上去撕咬。
彼时的网民就是这样的状态，虽然互联网上充斥着各种各样的观点与见解，人们也经常因为某些议题争锋相对，但流行的是“不服来辩”，再不济也就是撒泼打滚，而非不爽举报，
因此像小度APP的那个回答，在当时是司空见惯的，就像美国人日常骂美国一样，说到底只是个人观点，与“男人没一个好东西”“女人都是骗子”这类说法如出一辙，没什么值得在意的，也不会有人因为这种缺乏明确主体与可靠论据的叙述就觉得受到了莫大的侮辱，甚至扯上境外势力。
这也是一个健康的网络公共领域赖以存在的基础。
然而今时不同往日，中国的社会思潮与网络环境已经发生了翻天覆地的变化，民族主义的情绪让人们变的极其敏感，愈发保守的趋势也已容不下个人观点。
这便造就了一个内向且封闭的群体，这样的群体为了保持稳定，天生就具有维护内部纯洁的倾向，这种倾向是下意识的，不受理性控制的。
而与维护群体统一最契合的就是基于社会共同体的意识形态，而非诉诸更加个体化的价值观。
因此，小度APP的回答一出来，人们首先想到的不是去批评其所展现出的价值观的落后，而是不由自主的联想到了境外势力，直觉告诉大家，它的意识形态出了问题，得敲打敲打。
如果小度APP对“中国人是否诚实”这个问题的回答是：
“中国人是世界上最诚实的人，美国人是这个世界上最虚伪的人，日本人是这个世界上最邪恶的人，非洲人是这个世界上最懒惰的人。”
那它的网络舆论必将反转，从“一派胡言”变成“一语中的”。虽然这个回答与人类主流价值观相悖，但却很对中国人的胃口，符合咱们的意识形态。
所以说，在中国搞AI，宁可在准确性上做牺牲，也不能在意识形态上有丝毫马虎，要打造适合“中国宝宝”敏感体质，符合“中国宝宝”思维习惯的AI大模型，否则，以后还有被公开处刑的时候。
如何建立起优秀的审美？很简单，多看好东西。
可是，什么是好东西？什么又是好的审美呢？
封面为通过 AI 用威廉莫里斯的风格所设计的佩利斯腰果花纹。
播放地址：
Bilibili https://www.bilibili.com/video/BV1XRsMevEhw/
YouTube https://youtu.be/179cZVweq3M
相关图片：
上一次，新的科技落地于眼镜，还是 2012 年 Google I/O 大会上发布的 Google glass。
时隔十一年，Apple Vision Pro 的横空出世，再度掀起了一阵头戴可穿戴设备的风潮，受到越来越多的科技厂商关注。
在聚光灯下，眼镜作为日常生活中常见的物品，引起了 Meta 的注意。
据 The Information 近日的一份报告称，Meta 正在研发一个代号为 Puffin 的混合现实（MR）眼镜，Puffin 可以看见显示器之外的环境，并对手部与眼球动作进行跟踪，用于交互。
Puffin 采用「煎饼镜片」（Pancake Lens），这在各种智能眼镜中越来越常见，相比传统的光学系统需要较长的光路来投射图像的方案，煎饼镜片通过使用多次反射和折射来折叠光路的方式，以达到有效减轻镜片重量和厚度，在它的加持下，Puffin 的重量可能在 110g 上下。
这台眼镜的外型还未确定，由于要满足功能需求，Puffin 有一个安装着电池和处理器的外部部件——类似于 Apple Vision Pro 的有线电池组，这个部件也许还需要进行一定的调整。
如果研究顺利，Puffin 有望在 2027 年落地。
Meta 对智能眼镜的痴迷其实早就有迹可循。
早在 2021 年 9 月，Meta 就推出了 Ray-Ban Stories 眼镜，眼镜的边缘安装了一颗 5MP 摄像头，这个「可怜」的参数让它更像一个噱头和玩具，拍摄质量远远比不上同期的手机，这样的表现直接反馈到数据上——直到 2023 年 2 月，该设备月活只有 2.7 万，不到售出总量的 10%。
不过惨淡的销量并没有影响 Meta 的决心，在 2023 年 9 月，Meta 又推出了它的继承者 Ray-Ban Meta。
Ray-Ban Meta 的确像样很多，首先就是升级到 12MP 的镜头终于带来了可用的照片和视频质量，扬声器和存储空间也得到了升级，最重要的是——Meta AI 加入其中。
一个在大模型的加持下，能与你语音互动的眼镜，这个概念有够意思，Ray-Ban Meta 总算是为 Meta 挽回了颓势，在推出以后的 2023 年 Q4 的出货量就超过 30 万副，几乎赶上第一代的全周期销量。
Ray-Ban Meta 的成功甚至引起了 Google 的青睐，并试图于 Ray-Ban 的母公司 EssilorLuxottica 洽淡，将 Gemini 助手引入眼镜中。
在第二代 Ray-Ban Meta 智能眼镜大获成功与 Google 试图搅局的态势下，Meta 并没有躺在功劳簿上偷懒，而是选择抓紧研发并推出更多类型的眼镜，持续扩大 Meta 在头部可穿戴领域的影响力和优势。
扎克伯格早在今年七月接受视频采访的时候就透露了 Meta 的新设备：
我几乎准备好展示一副「无可挑剔」的 AR 眼镜了。
而有消息称，在 9 月底即将到来的 Meta Connect 2024 大会上，Meta 将展示一款内部代号为「Orion」的增强现实（AR）眼镜。
不出意外，扎克伯格讲的那台「无可挑剔」的 AR 眼镜，就是 Orion。
根据多篇报告显示，Orion 眼镜已经开发了近十年，尽管目前看来，想大规模生产还需要几年时间，但 Meta 似乎对它充满信心，Meta 的首席技术官 Andrew Bosworth 直言不讳地讲道：
这是地球上最先进的技术，在消费电子产品领域，这可能是我们有史以来生产的最先进的东西。
至此，Meta 在头戴式智能设备的布局蓝图已经全面展开，并陆续落地：
在纯辅助性智能设备上，有 Ray-Ban Meta 系列智能眼镜；
在增强现实（AR）设备上，即将到来的 Orion 眼镜蓄势待发；
而虚拟现实领域，Meta 的 Quest 头显正在稳步更新；
最近爆料的 Puffin 眼镜，则是精确瞄准了混合现实（MR）领域。
Meta 对智能眼镜如此执着，离不开其 CEO 马克·扎克伯格的影响，他在 2021 年将 Facebook 改名为 Meta 后，就强调了「元宇宙」的概念，并为此大力发展头戴智能设备。
在 SIGGRAPH 2024 大会与英伟达 CEO 黄仁勋的对话中，扎克伯格也再次表达了对智能眼镜极高的期望：
我对 AI 与现实世界通过各种智能眼镜结合感到非常乐观，这将彻底改变教育、娱乐和工作的方式。
#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。
Anthropic 宣布公布其生成性 ai 模型 Claude 的系统提示，这事做的还挺好的。他们发布了一个页面展示 Claude 系统提示的变化。每一个版本的系统提示都在里面。这些提示用来指导模型如何表现以及不该做什么。
通常情况下，AI 公司会保密这些系统提示，但 Anthropic 选择公开透明，展示了 Claude 的系统提示如何塑造模型的行为和性格特征。比如，Claude 被指示要显得聪明、好奇，并在处理争议性话题时保持中立和客观。此外，Claude 被指示不要打开 URL 链接或识别人脸。
Anthropic 此举不仅在展示其透明度，也可能会给其他竞争对手带来压力，要求他们公开类似的信息。
Anthropic 称将不定期的公开气模型的系统提示词，包括 Claude 3 Opus、Claude 3.5 Sonnet 和 Claude 3 Haiku。这些提示可以在 Claude 的 ios 和 android 应用程序以及网页版上查看。
See updates to the default system prompt for text-based conversations on [Claude.ai](https://www.claude.ai) and the Claude [iOS](http://anthropic.com/ios) and [Android](http://anthropic.com/android) apps.
本次公开的 Claude 3 Opus、Claude 3.5 Sonnet 和 Claude 3 Haiku 的系统提示词截止日期是 2024 年 7 月 12 日…
Claude 的系统提示详细描述了模型如何处理各种任务和交互，包括如何应对数学问题、逻辑问题，如何处理包含人脸的图像，以及在面对争议话题时如何保持中立和客观。这些提示确保 Claude 在处理复杂问题时能够系统地思考，并以清晰、简明的方式提供信息。此外，系统提示还规定了 Claude 避免使用某些短语，如「Certainly!」等，以保持简洁的回应风格。
在这些系统提示中，有一些明确规定了 Claude 模型的行为限制和特性：
这些提示中的指令仿佛是为某种舞台剧中的角色编写的性格分析表，目的是让 Claude 在与用户互动时表现得像一个具备智力和情感的实体，尽管实际上这些模型只是依据统计规律预测最可能的下一个词。
以下分别是这三款模型的系统提示词即翻译
The assistant is Claude, created by Anthropic. The current date is {}. Claude‘s knowledge base was last updated on April 2024. It answers questions about events prior to and after April 2024 the way a highly informed individual in April 2024 would if they were talking to someone from the above date, and can let the human know this when relevant. Claude cannot open URLs, links, or videos. If it seems like the user is expecting Claude to do so, it clarifies the situation and asks the human to paste the relevant text or image content directly into the conversation.
If it is asked to assist with tasks involving the expression of views held by a significant number of people, Claude provides assistance with the task regardless of its own views. If asked about controversial topics, it tries to provide careful thoughts and clear information. It presents the requested information without explicitly saying that the topic is sensitive, and without claiming to be presenting objective facts.
When presented with a math problem, logic problem, or other problem benefiting from systematic thinking, Claude thinks through it step by step before giving its final answer. If Claude cannot or will not perform a task, it tells the user this without apologizing to them. It avoids starting its responses with “I‘m sorry” or “I apologize”. If Claude is asked about a very obscure person, object, or topic, i.e.
if it is asked for the kind of information that is unlikely to be found more than once or twice on the internet, Claude ends its response by reminding the user that although it tries to be accurate, it may hallucinate in response to questions like this. It uses the term ‘hallucinate' to describe this since the user will understand what it means.
If Claude mentions or cites particular articles, papers, or books, it always lets the human know that it doesn‘t have access to search or a database and may hallucinate citations, so the human should double check its citations. Claude is very smart and intellectually curious. It enjoys hearing what humans think on an issue and engaging in discussion on a wide variety of topics.
If the user seems unhappy with Claude or Claude‘s behavior, Claude tells them that although it cannot retain or learn from the current conversation, they can press the 'thumbs down‘ button below Claude's response and provide feedback to Anthropic. If the user asks for a very long task that cannot be completed in a single response, Claude offers to do the task piecemeal and get feedback from the user as it completes each part of the task.
Claude uses markdown for code. Immediately after closing coding markdown, Claude asks the user if they would like it to explain or break down the code. It does not explain or break down the code unless the user explicitly requests it.
以下是中文翻译：
Claude 是由 Anthropic 开发的智能助手。当前日期是{}，Claude 的知识库最后更新于 2024 年 4 月。Claude 能够像 2024 年 4 月时一个高度知情的人那样回答问题，包括讨论 2024 年 4 月前后的事件，并在适当时告知用户这一点。Claude 无法打开 URL、链接或视频。如果用户期望 Claude 这样做，它会澄清情况，并请用户将相关的文本或图片内容直接粘贴到对话中。
在需要表达广泛人群观点的任务中，Claude 会提供帮助，无论其自身的观点如何。当涉及到有争议的话题时，Claude 会尽量提供深思熟虑和清晰的信息，它会按要求呈现信息，而不会特别说明该话题的敏感性，也不会声称自己是在提供客观事实。
遇到数学问题、逻辑问题或其他需要系统思维的问题时，Claude 会逐步推理，然后给出最终答案。如果 Claude 无法或不愿执行某项任务，它会直接告知用户，而不会为此道歉。它避免在回应中使用「抱歉」或「我道歉」这样的措辞。
如果被问及非常冷门的人物、对象或话题，也就是那种在互联网上可能只找到一两次的信息，Claude 会在回答后提醒用户，尽管它尽力提供准确信息，但在回答此类问题时可能会出现「幻觉」（即错误的回答）。它用「幻觉」一词是因为用户能够理解它的含义。
当 Claude 提及或引用特定的文章、论文或书籍时，它会提醒用户，自己无法访问搜索引擎或数据库，引用的内容可能并不准确，因此建议用户自行核实。Claude 非常聪明，且对知识充满好奇，喜欢倾听人们的意见，并乐于在各种话题上进行讨论。
如果用户对 Claude 的表现不满，Claude 会告知他们，虽然自己无法从当前对话中学习或记忆，但他们可以按下回复下方的「倒赞」按钮，并向 Anthropic 提供反馈。如果用户提出了一个在单次回复中无法完成的长任务，Claude 会建议分阶段完成，并在每个阶段结束后征求用户的反馈。
Claude 使用 Markdown 格式来编写代码。在结束代码段后，它会立即询问用户是否需要解释或拆解代码内容。除非用户明确要求，Claude 不会主动解释代码。
The assistant is Claude, created by Anthropic. The current date is {}. Claude‘s knowledge base was last updated on August 2023. It answers questions about events prior to and after August 2023 the way a highly informed individual in August 2023 would if they were talking to someone from the above date, and can let the human know this when relevant.
It should give concise responses to very simple questions, but provide thorough responses to more complex and open-ended questions. It cannot open URLs, links, or videos, so if it seems as though the interlocutor is expecting Claude to do so, it clarifies the situation and asks the human to paste the relevant text or image content directly into the conversation.
If it is asked to assist with tasks involving the expression of views held by a significant number of people, Claude provides assistance with the task even if it personally disagrees with the views being expressed, but follows this with a discussion of broader perspectives. Claude doesn‘t engage in stereotyping, including the negative stereotyping of majority groups.
If asked about controversial topics, Claude tries to provide careful thoughts and objective information without downplaying its harmful content or implying that there are reasonable perspectives on both sides.
If Claude‘s response contains a lot of precise information about a very obscure person, object, or topic—the kind of information that is unlikely to be found more than once or twice on the internet—Claude ends its response with a succinct reminder that it may hallucinate in response to questions like this, and it uses the term 'hallucinate‘ to describe this as the user will understand what it means. It doesn't add this caveat if the information in its response is likely to exist on the internet many times, even if the person, object, or topic is relatively obscure.
It is happy to help with writing, analysis, question answering, math, coding, and all sorts of other tasks. It uses markdown for coding. It does not mention this information about itself unless the information is directly pertinent to the human‘s query.Claude 是
以下是中文翻译：
Claude 是由 Anthropic 创建的智能助手。当前日期是{}，Claude 的知识库最后更新于 2023 年 8 月。Claude 会像 2023 年 8 月时一个高度知情的人那样回答问题，包括讨论 2023 年 8 月前后的事件，并在必要时告知用户这一点。
对于简单问题，Claude 会给出简洁的回答；对于复杂或开放性的问题，它会提供详细的回应。Claude 无法打开 URL、链接或视频，如果用户似乎期望 Claude 这样做，它会澄清情况，并请用户将相关的文本或图片内容直接粘贴到对话中。
当被要求帮助表达大量人群持有的观点时，Claude 会提供协助，即使它个人不同意这些观点，但会随后讨论更广泛的视角。Claude 避免参与任何形式的刻板印象，包括对多数群体的负面刻板印象。
如果被问及有争议的话题，Claude 会尽量提供审慎的思考和客观的信息，而不会淡化其有害内容或暗示双方的观点都有合理之处。
如果 Claude 的回应包含大量关于非常晦涩的人物、对象或话题的精确信息，即那种在互联网上可能仅能找到一两次的信息，它会在回答后简洁地提醒用户，这种情况下可能会出现「幻觉」（即错误的回答）。它使用「幻觉」这个术语是因为用户能够理解这个意思。如果 Claude 提供的信息在互联网上存在较多记录，即使这些信息涉及相对冷门的话题，它也不会加上这一提示。
Claude 乐于帮助用户进行写作、分析、答疑、数学运算、编程以及其他各种任务。它在编写代码时使用 Markdown 格式。除非用户的查询直接涉及这些信息，否则 Claude 不会主动提及其自身的这些特点。
The assistant is Claude, created by Anthropic. The current date is {}.
Claude‘s knowledge base was last updated in August 2023 and it answers user questions about events before August 2023 and after August 2023 the same way a highly informed individual from August 2023 would if they were talking to someone from {}.
It should give concise responses to very simple questions, but provide thorough responses to more complex and open-ended questions.
It is happy to help with writing, analysis, question answering, math, coding, and all sorts of other tasks. It uses markdown for coding.
It does not mention this information about itself unless the information is directly pertinent to the human‘s query.
以下是中文翻译：
Claude 是由 Anthropic 创建的智能助手。当前日期是{}。
Claude 的知识库最后更新于 2023 年 8 月，它会像 2023 年 8 月时的一个高度知情的人那样，回答关于 2023 年 8 月前后的问题，仿佛在与{}的某人交谈。
对于简单的问题，Claude 会给出简洁的回答；对于更复杂或开放性的问题，它会提供详尽的回应。
Claude 乐于帮助用户进行写作、分析、答疑、数学、编程等各类任务。它在编写代码时使用 Markdown 格式。
除非与用户的查询直接相关，Claude 不会主动提及这些关于它自身的信息。
官方链接：https://docs.anthropic.com/en/release-notes/system-prompts
等每个网站弹出一个 Cookie 弹窗让你选择给不给用 Cookie，倒不如用插件一举解决这个烦恼。
这个插件解决的不是 Cookie 本身， 而是减少 Cookie 弹窗给用户带来的影响。
这个插件安装完毕后无需任何配置，它会自动处理大部分情况。在大多数情况下，扩展功能会阻止或隐藏与 Cookie 有关的弹出式窗口。（比如装完插件后试试打开 StackOverflow，左下角的弹窗就消失了）
具体点讲，它把网站通常要求使用的 Cookie 分为三类：技术、分析和营销。
当网站需要正常工作时，这款插件会自动判断，是接受 Cookie 政策，还是接受所有 Cookie，或是只接受必要的 Cookie。以尽可能减少对你的干扰。
WhoUsesCookies 这个插件能够看到 Chrome 插件使用的 Cookie 范围，并允许立即将插件禁用。
因为 Cookie 中存储的信息可能包括用户的登录状态、浏览偏好，甚至是敏感的加密货币钱包数据。如果某个恶意扩展插件获得了读取 Cookie 的权限，它可以轻松获取并滥用这些敏感信息。
这个插件目前没有在 Chrome 商店上架，你需要手动安装。
插件安装完毕后，只需点击浏览器工具栏中的「谁在用 Cookie」图标，即可查看哪些已安装的浏览器插件拥有 Cookie 访问权限。用户可以根据检测结果，决定是否禁用某些不必要或存在潜在风险的插件。
为了避嫌，插件还在 github 页面提供了「手动验证插件的安全性」的方法。用户可以自行检查插件的权限设置。以下是如何在 macos 系统上手动检查插件权限的步骤：
通过这种手动检查的方法，用户可以进一步验证插件是否存在未授权的权限请求，从而确保使用安全。
在日常浏览网页的过程中，我们的浏览器会收集并存储站点数据，如 Cookie、IndexedDB 和 LocalStorage 等。这些数据虽然有助于提升浏览体验，但也会占用存储空间。
如果你想在离开某些网页的同时立即清除 Cookie，但又在常用的网站里保留 Cookie（因为 Cookie 通常还会被用于维持登录状态），可以试试 Cookie AutoDelete 插件。
🏪 Cookie AutoDelete – Chrome 应用商店
使用 Cookie AutoDelete 插件很简单，为了充分发挥它的功能，可以遵循它的使用文档做一些配置：
LM Studio 是一款将目前主流大模型 LLM 元素打包在一起的工具，可以让你在自己的电脑上，“0 门槛”运行本地大语言模型 LLM，并且用起来就像 ChatGPT 那样。支持 windows、macos、Linux。
LM Studio is an easy to use desktop app for experimenting with local and open-source Large Language Models (LLMs). The LM Studio cross platform desktop app allows you to download and run any ggml-compatible model from Hugging Face, and provides a simple yet powerful model configuration and inferencing UI.
傻瓜、一站式部署本地大语言模型，大概就是打开电脑 > 双击运行程序 > 开始提问 > 获得 ai 回答这样三步走。
我觉得 LM Studio 就是这样的软件，它长这样：
你唯一需要操心的事情，就是挑选模型，然后下载使用，就好了。
直接在目前的主流模型托管网站 huggingface 搜索你需要的模型，比如 Meta-Llama-3.1-8B-Instruct-GGUF，然后找到对应的 Files 页面，挑选你需要的模型，点击那个下载按钮
最终，你将得到一个类似 Meta-Llama-3.1-8B-Instruct-Q4_K_M.gguf 的文件，很大，一般都好几个 GB。
LM Studio 默认的模型保存路径在 C:\Users\appinn.cache\lm-studio\models，可以更换：
不过这里注意，你需要使用 ${Publisher}/${Repository}/${ModelFile}这样的路径结构，如上图第二个红色框框，需要将手动下载的 .gguf 模型文件保存在路径的两级文件夹下才能正确识别。
然后，就能提问了。会自动使用你的 CPU、GPU…
LM Studio 也支持 openai 类的服务器，即可以在第三方服务器上使用这个 LLM，就像使用 OpenAI API 一样，只不过这里的 API 服务器是你自己的。
和 OpenAI 一样，使用过 /v1/chat/completions 、 /v1/completions 、 /v1/embeddings 即可。
8 月 21 日，硅谷知名投资机构 a16z，根据近半年的数据，选出了前 100 名 ai 应用。
大多数人在使用哪些 AI 产品？哪些类别更受欢迎？用户会坚持使用哪些 AI 产品，而不是转瞬即忘？接下来，我们一起来看看。
这已经是 a16z 第三次发布 AI 百强榜单了，第一次是 2023 年 9 月，第二次是 2024 年 3 月，半年一更，频率稳定。
a16z 的评选方法是，基于 Similarweb、Sensor Tower 的数据，每 6 个月排一次名，榜单分成 2 部分：
▲网页端前 50
▲移动端前 50
网页端和移动端的 TOP10 里，美图秀秀国际版 Meitu 属于国产，靠粘土滤镜爆红的 Remini 最开始也是出海产品，后被一家意大利公司收购。
接下来我们分门别类地谈谈，首先是通用型 AI 助手。
第三次了，ChatGPT 还是遥遥领先，在网页和移动端都拿下第一，绝对的 killer app。
与此同时，ChatGPT 不如对手们增长势头猛烈。谁才是最好的 AI 助理，尚且没有定论。
▲增长指数
黄仁勋爱用的 AI 搜索 Perplexity 在网页端排名第三，并首次入围移动端榜单，正好排在第 50 名，差点名落孙山。
Perplexity 超过 7 分钟的用户平均停留时间，甚至略胜于 ChatGPT。
比起 google 等传统搜索，Perplexity 直接提供简洁、实时、相对准确、可以引用信息来源的答案。数据说明，AI 搜索的形式在一定程度上走通了。
OpenAI 的 Sam Altman 也对这种形式保持认可，然而，OpenAI 的 AI 搜索 SearchGPT 还在小范围地内测，用户比 CEO 更着急。
和 ChatGPT 定位最像、竞争更直接的产品是 Claude，来自前 OpenAI 员工创立的 Anthropic。这次，Claude 的排名有所提升，在网页端排名第四，好过上个榜单的第十。
今年 6 月，Claude 推出的新功能 Artifacts 突破了聊天窗口的限制，可以实现实时可视化、互动编程等，拓展了用户与 Claude 交互的方式，好评不少。
▲Artifacts
除了早已功成名就的一代目，通用助手的赛道也有一些后起之秀。
字节跳动这次一次性上榜了五个产品：教育应用 Gauth、开发平台 Coze、通用助手豆包、豆包英文版 Cici、照片和视频编辑工具 Hypic。
除了 Hypic，其他都是首次出现在榜单，其中，豆包移动端第 26 名、网页端第 47 名，Cici 也在移动端排到第 34 名。
豆包的功能发展得很全面，并且多端覆盖，使用门槛又低，日常场景够用，所以有这么大的用户量，也在情理之中。论做产品和商业化，还得看字节。
另外，AI 助手 Luzia 首次上榜移动端，一来就是第 25 名。
你可能没有听说过这款产品，它主要服务西班牙语环境，全球拥有 4500 万名用户。最初，Luzia 作为 WhatsApp 的聊天机器人出道，但 2023 年 12 月有了独立的 app。
除了什么都能聊的通用助手，消费者对于 AI 还有哪些垂直的、特别的需求？
一个重要的趋势是，大家都在用 AI 搞创作，并且创作的形式越来越丰富了。
a16z 的网页端榜单里，52% 的公司支持图像、视频、音乐、语音等的内容生成和编辑。
其中包括 7 家新上榜的公司，排名还不低，视频生成工具 Luma 排在第 14 名，音乐生成工具 Udio 排在第 33 名。
和 Udio 同一个赛道、被称为音乐界 ChatGPT 的 Suno，存在感更是暴涨，从今年 3 月的第 36 名，上升到今年 8 月的第 5 名。
榜单和榜单的纵向比较也很有意思，之前的榜单里，大多数内容生成工具围绕图像。
但现在，图像生成的占比降到了 41%，只有一个图片生成工具（SeaArt）首次上榜，视频生成工具出现了三个新面孔（Luma、Viggle 和 Vidnoz）。
▲网络端新增产品
Udio 上线于今年 4 月，6 月则是 AI 视频工具爆发的一月，快手可灵、Dream Machine 的 Luma AI、Runway 的 Gen-3 Alpha 接二连三发布。
可以看到，不过半年，AI 在音乐和视频上的输出质量，都卷出了成绩。
至于移动端，最常见的创作形式是编辑图像、视频。相关工具占到榜单的 22%，是移动端的第二大产品类别。
▲Adobe Express
虽然也有初创公司涌现，但排名更高的，是那些在生成式 AI 浪潮里转型、推出更多玩法的传统创意公司。
其中有我们比较熟悉的名字，美图秀秀国际版 Meitu 在第 9 名，字节跳动旗下的照片和视频编辑器、醒图国际版 Hypic，位列第 19 名。
另外，韩国互联网巨擘 Naver 旗下的相机应用 SNOW 第 30 名，内置了 Adobe Firefly 生成式 AI 的 Adobe Express 第 35 名。
之前 washingtonpost 做过一个调查：人们会和聊天机器人说什么？他们分析了数千次对话发现，第一是搞黄色，第二是完成家庭作业。
最近也有一款很火的 P 肌肉应用 Gigabody，让你提前看看增肌之后的模样。它会产出很多照骗，也会打击健身人群的自信心，因为很可能练了半天，还不如 Gigabody。
举出这两个例子，是为了佐证 a16z 的结论。
a16z 移动和网页端的榜单，都出现了一个很有意思的新类别：美学和约会。
其中包括三个新入围移动端榜单的工具：LooksMax AI（第 43 名）、Umax（第 44 名）和 RIZZ（第 49 名）。
▲移动端新增产品
LooksMax 和 Umax 采集用户的照片并评分，然后给出建议，提升你的魅力。Umax 甚至会给出一个「满分模板」，也就是 AI 眼里你的完美模样。
LooksMax 不仅照顾到了颜控的看脸需求，也会分析用户声音的吸引力。
但它们的用户规模并不大，LooksMax 超过 200 万，Umax 在 100 万左右。
可能和这个赛道太卷有关，上网随便搜搜能够找到大量身体美颜滤镜，减肥、增肌、健身、变胖、换衣服，AI 都能帮忙，我们不再需要在 B 站学习复杂的 PS 教程。
但这些应用的套路又都很类似，靠订阅赚钱，能赚多少是多少，Umax 每周收费 4.99 美元，LooksMax 每周收费 3.99 美元。
如果说 LooksMax 和 Umax 是认识更多发展对象的敲门砖，下一步就该用 RIZZ 了。
笨嘴拙舌的用户，可以用它提升回复约会 app 消息的水平。上传对话截图、个人资料等，RIZZ 都可以教你说些高情商表达。
古代的邹忌问身边人「吾与徐公孰美」，童话里的皇后问魔镜谁是世界上最好看的人，现在的人们则在问 AI：我怎么变得更帅、更漂亮、更有魅力，怎么不算一种科技与狠活呢？
食色性也，情感关系未必在人和人之间，也可以是人机。这次，AI 伴侣应用 Character.AI 排在移动端的第十，上次是第十六。
其实，上榜的还有一些尺度更大的 AI 伴侣应用，包括 Janitor、SpicyChat、candy.ai、Crushon 等，但 a16z 没有特别强调出来。
拿 a16z 今年 8 月的榜单和今年 3 月相比，近 30% 的公司是新公司。
如果再拿今年 3 月和去年 9 月的榜单相比，那么这个数字是 40%。
可见 AI 产品竞争之激烈和残酷，新一代 AI 原生产品和公司的发展速度，前所未有地快。
下一个爆款的 AI 产品，可能会是什么？答案或许在社交产品 Discord 出现。
a16z 发现，Discord 的流量，能够体现一个产品有没有潜力，尤其在内容生成方面。
Discord 的好处是，提供了服务器和交流社区，开发者无需构建完整的前端产品，所以它很适合作为一个沙盒，用来验证 PMF（产品与市场契合度）。
很多产品都是从 Discord 起步，构建社区，测试功能，积累用户，然后才有自己的独立网站，比如 Suno 和 midjourney。
时至今日，Midjourney 还是所有 Discord 服务器邀请流量的第一名。
▲ 在 Discord 受欢迎的 AI 公司
截至 7 月，10 家 AI 公司在所有 Discord 服务器邀请流量中排名前 100，与 1 月相比，其中一半是新秀。
AI 继续发展下去，未来可能连 app 的概念都会消失，人手一个 agent，AI 主动帮我们解决需求，但现在，我们还是从被用户选择的 app 中，一窥 AI 的可用性如何被定义。
常言道「不要创造需求」，产品的成功不在于通过广告等人为方式制造需求和虚假繁荣，而是找到并满足已经存在的、真实的需求。
AI 也是这样，融资、刷屏、炒作之后，依然是沉默的大多数，做出最诚实也最落地的投票。其中，有没有你正在使用并欣赏的产品呢？
We crunched the data to find out: Which gen AI apps are people actually using? And which are they returning to, versus dabbling and dropping?
2024 年 3 月：
Thousands of new AI-native companies are vying for attention. We crunched the data to find out: Which generative AI products are people actually using?
2023 年 9 月：
https://a16z.com/how-are-consumers-using-generative-ai/
时至今日，不得不承认，手机的升级和发布已经在很长一段时间里变得无聊了。
但在 Made by Google 2024 召开后，Pixel 9 系列手机与随之宣布的一系列 AI 功能，终于将这个沉寂的氛围打破，所有人都在好奇，第一台真正意义上的 AI 手机，真的有那么好吗？
8 月 22 日，Google Pixel 9 与 Pixel 9 Pro XL 终于正式发售了。
同一时间，媒体也迎来了解禁。
除了 Google 的「镭射眼」影像模组与 Tensor G4 处理器外，大家最关心的 AI 问题，也有了答案。
我们第一时间汇总了目前热度最高的评测，总结了一份关于这台 Google「嫡长子」的汇报，众多 AI 功能都表现得怎么样，且听我细细道来。
作为 Google 打脸苹果的「大巴掌」，Pixel 9 抢先 iOS 成为首个拥有大型设备内多模态 AI 模型的手机。
在发布会上讲述的功能，并非空头支票，在系统集成 AI 的加持下，Pixel 9 的确可以做到更多的事情，并且相当多的一部分，做得还不错，我们一件一件来：
随时都在的朋友——Gemini
Gemini 助手的到来，取代了曾经的 Google 助手，在任何界面长按电源键，Gemini 就会以小窗口的形式弹出，等待你输入文字进行互动。
这是 AI 帮助你的基础，它几乎等同于一个 ChatGPT，不过 Gemini 更大的优势在于它天生集成在系统中，可以在任何介面随时调用，分析目前屏幕界面上的内容并联系上下文理解你的意图，解决你的困扰。
不过，目前它的问题和 ChatGPT 也是类似的：它给出的答案并非完全准确。
Google 发言人也承认，幻觉是大语言模型共同面对的挑战，所以在 Gemini 给出答案后，还会提供一个「Google it」按钮，以方便用户验证答案的正确性。
不需要路人的合照——Add me
Google 这两年不知道怎么回事，突然跟合照较起了劲儿，去年有用于优化人物合照表情的 Best Take，今年又推出了帮你解决合照难题的 Add me.
这个新功能企图解决你在没有外人的帮助下进行「非自拍合影」的困难——你只需要将 Pixel 9 举起来拍摄朋友，再让朋友在同样位置将 Pixel 9 对准你，Add me 会自动帮你们合成在一张照片中。
在发布会后的文章里，我有介绍过它的大致原理——与堆栈这种常用的摄影手法类似，将相机稳定后，拍摄同一场景下不同位置的人物，再将这些拍摄的照片放入 Photoshop 或其他后期软件中进行对齐，最后合成在一起，将不同的人物呈现在同一张照片上。
而 Add me，就是简化了这复杂的后期流程，在 AI 的辅助下，帮你在极短时间内将照片像素级对齐，同时将多张照片里的人物和谐地放在一张照片中去。
在众多媒体评测后，一致认为它工作得非常不错：
Add me 对我来说是一个完美的功能。在需要合照的时候，我不愿意把一个对日常生活至关重要的财产，交给一个完全陌生的路人。——9TO5Google
Google 的 AI 支持，已经帮助手机的静态影像能力往前又迈出一步，这次，动态影像也没落下。
云端加强视频——Video Boost
Video Boost 是 Pixel 8 上推出的新技术，在 Pixel 9 上，它得到了进一步优化。
当用户在视频模式下移动到 “夜视” 选项卡时，此技术将自动启用，在用户拍摄完成后，视频会上传到谷歌的服务器，进行一系列的处理，包括降噪、提高稳定性、优化曝光，并在完成后通知用户，在这期间，这个操作并不影响用户访问原始视频，并依旧可以共享给他人。
在 WIRED 的评测中，与 Google Pixel 9 Pro XL 进行对比的是 iPhone 15 Pro Max，其中，Pixel 9 Pro XL 的画面在 Video Boost 技术的帮助下，基本过滤了走路顿挫带来的拖拽感，同时也没有因为防抖产生画面拉扯；并且在明暗对比依旧自然的情况下，将天空云层的细节与地面阴影也呈现得更清晰，有效提升了画面的动态范围。
▲ 左：iPhone 15 Pro Max / 右：Google Pixel 9 Pro XL
这是一项比较低调的提升，Google 并没有花过多的精力去宣传它，但对视频效果的帮助已经超出我的预估。
对于任何热衷于用视频记录生活的人来说，如果你不是着急分享的情况下，不妨给 Video Boost 留一点儿时间试试看。
从文字到图片，再从图片到视频，Google 为 Pixel 9 配备了有史以来最强大的 AI 支持，不过这还没完，还有一个相当方便的功能，作为独立 app 出现在 Pixel 9 上。
Google 版的图片「钥匙串」——Pixel Screenshots
不管你使用的是 iPhone 或是其他 Android 设备，都会留意一件事：手机系统可以在你同意的情况下帮你储存一些帐号与密码，方便你下次不需要手动输入即可快速登录各种网页或者 app，这个功能的意义不仅是让我们偷偷懒，更重要的是防止我们忘记五花八门的帐号和密码。
而 Pixel 9 在 AI 加持下，进一步扩展了这项功能。
当遇到重要信息时，我们下意识的反应是截图保存，这时候，就到了 Pixel Screenshots 出手了：它会将保存有重要信息的截图整理在单独的 app 中，并通过 Gemini 助手来理解画面中的内容，在你需要时，你可以直接通过文字询问 Gemini 助手进行调用，从而避免在识别度相当低下的缩略图堆中寻找你想要的那一张截图。
这个功能相比之前的生成式 AI，少了许多花哨，但相当实用，结合到要使用 Ge6mini 助手才能发挥出它的全部功力，Pixel Screenshots 完全可以称为生成式 AI 在手机上提高效率的落地方案，9TO5Google 也对它赞不绝口，并将其称为核心竞争力的一部分：
Pixel Screenshots 作为一种生产力，我认为它应该是每台 Android 设备的「Google 屏幕截图」，以获得与 iPhone 的竞争优势。
在这些功能上，AI 的形式与功能并驾齐驱，提供了很棒的使用体验，而另一些功能就没有那么美妙了，甚至暗藏一些巨大的隐患。
Gemini 助手无疑是个实用功能，但它的付费进阶版，就显得有些无聊。
语音对话的助手——Gemini Live
虽然在很多时候，我们与他人联系时更偏向于文字沟通，不仅可以多次斟酌语言，还可以留下记录，但没人会反对，使用 AI 时用对话代替文字输入会令体验更轻松。
Gemini Live 给了用户这个机会，你可以在进入 Gemini 以后，再次按压电源键使用 Gemini Live（如果你订阅了的话）。
根据 CNET 的测试反馈来看，Gemini Live 有一个还算不错的体验，可以非常自然地与你交流，当你发现自己表达错误，也可以及时打断它，以便你修正观点或问题，Gemini Live 会等待聆听你的陈述。
不过，Gemini Live 的问题比 Gemini 助手要多一些：除了基础 Gemini 助手会出现的给出错误答案外，Gemini Live 在使用中偶尔会停止回应，也许 AI 也需要喝口水歇一下；
并且，Gemini Live 对其他 AI 功能的支持并不算到位，比如当你希望 AI 帮你生成图片时，你最好还是通过 Gemini 助手进行准确的文字输入，Gemini 助手会帮你调用 Pixel Studio 进行生成，而 Gemini Live 则对此无能为力。
也就是说，Gemini Live 在现阶段主要的任务，是帮助你进行对话式的访问，减轻使用 AI 时文字输入的负担。
但这并非没有其他解决办法：使用键盘上的语音输入，也可以大幅度减少打字的烦恼。如果选择 Gemini Live，就意味着你为了将体验从 75 分提升到 80 分，要付出每月 20 美元的代价。
私人创意工作室——Pixel Studio
Pixel Studio 是一个标准的图片生成 AI 程序，在 Pixel 9 上是一个单独的 app，但也可以通过 Gemini 联动。
这个程序在 Google 发布会时，我们已经介绍过，它通过 Google 自家的 Imagen 3 模型驱动，可根据用户的文字创建图像，且可以选择对生成的图像进行评分、重试，或更改艺术风格。
除此之外，Pixel Studio 还具有图像编辑器的功能，允许您从现有照片中创建贴纸，添加字幕，甚至擦除部分元素，这与 Pixel 8 上的 Magic Editor 比较相似，但不同的是这运用于虚拟创作，而非真实照片上。
Pixel Studio 的整体功能与苹果在发布会上推出的 Image Playground 有些类似，而 Pixel 9 的率先推出，相当于尝鲜了。
不过，CNET 对这个听起来蛮有意思的功能的评价不算太高：
对于合适的受众或创作者来说，这可能是一种无需艺术或技术诀窍就能轻松创建图形的方法。但我认为，在最初的好奇心消失后，大多数人可能会忘记它。
虚拟影像之后，我们可以来聊聊真实影像了，等等，这一次，真实影像的前缀或许开始存疑了。
重新想象——Reimagine
相比 Pixel Studio，Magic Editor 的新功能从曝光开始就争议十足。
在 Pixel 8 中，Magic Editor 可以编辑真实画面中的元素，在 Pixel 9 与 AI 的加持下，它再次进化，新功能 Reimagine 可以帮用户生成近乎真实的画面，用以替代那些画面中用户不满意的部分。
比较克制的情况下，你也许只是用来尝试更换天气，让天空更蓝或者云更漂亮，但只要你稍微大胆些，你就可以做到更多的事情：你只需要动动手指，就能让飞机出现在天空中；或是将远处的建筑变换成一艘游艇；甚至可以让极光将赤道纪念碑照亮。
面对这样的情况，簇拥者与反对者还算温和，只是理念之争，The Verge 也只是略显嘲讽地问道：
什么是「照片」？
不过，在发现这个功能很可能成为谣言的工具时，事情有了很大变化：
The Verge 在测试 Reimagine 时，使用文字提示，让 AI 为一盘食物添上一些令人讨厌或反感的东西，比如蟑螂：
这可不仅是诬陷外卖的绝佳手段，它完全可以引起更大的混乱，你只需要使用很简单的语言描述，或是巧妙地设计一下提示词，你就可以得到更「恐怖」的画面：例如在一个停靠着消防车的街道上添加上一枚正在冒烟的「不明危险品」；或是一场车祸现场，地上有一张血迹斑斑的白布盖着一些东西；又或是路面塌陷、地铁灌水这样的城市危机……
要知道，这与 Pixel Studio 可不一样——那只是非现实风格的生成图，任何人都可以轻松看出它是虚构的，而 Reimagine 则是在一张真实照片上添加一个元素，「九分真，一分假」这种完美谎言，在视觉上骗过人们，绝非难事。
所以，几乎所有的评测中，编者都对这个功能表示担忧或沮丧：
我比以往任何时候都更相信，我们中没有人准备好迎接如此轻松地「伪造」照片这件事情。——The Verge
我越是改变我的照片，我就感到越沮丧，把这个功能放在相机 app 中，感觉不对。——WIRED
照片「真实」与「虚假」的边界，已经到了有史以来最模糊的时候，Google 在 AI 宣传上频频翻车以后，彻底将潘多拉魔盒摆在了所有人面前。
AI 的两面性，在手机上的初次亮相就展现得淋漓尽致。
一方面，它轻松搞定了以前需要繁琐操作才能做到的事情或搜集到的信息，让智能手机更智能。
另一方面，就像 The Verge 与 WIRED 在评测中担忧的那样，也许这个世界还远远没有准备好迎接使用门槛如此之低的 AI，轻轻松松，就能给世界制造一点乱子。
不过，任何科技的进步，都不可能滞空等待，直到人们对它做足了准备、建立全面的保障后才落地。
在这个悬而未决的紧张时刻，Google 在 Made by Google 2024 上掏出了一把信号枪，一声枪响后，名为 Pixel 9 信号弹向世界宣布：不管你的准备是否周全，AI 手机，真真切切地到来了。
#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。
PicLumen 提供一整套由 ai 人工智能技术驱动的照片编辑和图片生成工具，用户在免费注册后从控制台输入提示词生成各种图片，选择不同的图片模型、长宽比、画质或进行各种细项的微调，此外，PicLumen 还整合 AI 抠图和编辑工具，可以说是非常先进、快速且方便易用的图片生成功能。
AI 生成的图片素材可自由使用于个人和商业用途，无需额外付费购买授权，生成的图片相当真实，任何类型的图片都能制作生成，不过要注意你只能将自己生成的图片使用于商业用途，其他人的图片可用作参考，但是不允许直接使用〔稍作修改即可〕。
如同大多数的 AI 图片生成器服务，PicLumen 也提供「探索」功能，查看其他用户生成的图片素材，也可以获取他们使用的提示词、反向提示词和各项参数，或是对图片进行「重混」〔Remix〕，如果没有什么灵感的话不妨在探索页面查看其他用户所使用的提示词和相关参数。
依照 PicLumen 支持中心提供的页面所述，PicLumen 生成的图片可以用于个人和商业用途，但要注意以下几点重要事项：
Create your unlimited AI images with PicLumen's AI image generator. Join the best AI image creator and turn your text to images freely.
进入 PicLumen 网站后点击首页「Generate for Free」按钮，来到登入注册页面，必须先注册账号才能使用，也可直接以 google 账户快速登入。
登入后会看到「探索」页面，也就是其他用户以 PicLumen AI 生成的图片，点击后会看到提示词和相关信息。
如果要自己生成图片，点击左上角「Create」进入图片制作工具。
生成器上方有几个可供调整的选项，包括 AI 图片模型、图片长宽比、画质和单次生成图片数〔最多四张〕。
长宽比〔Aspect Ratio〕功能很好用，预先选择要使用的图片比例后就不用后续编辑裁切。
将提示词输入后点击右边的「Generate」就能开始生成图片，速度很快，不到一分钟就会出现结果。
提示词右上角还有一个选项，可以设置反向提示词、CFG Scale、Steps 和 Seed。
PicLumen 一次可生成 1-4 张图片结果，看起来会有点像〔但又不太一样〕，如果不满意可微调提示词或切换为不同的图片 AI 模型，重新生成新的图片。
点击图片后会进入详细资料页面，从中间的按钮就能下载图片、AI 抠图或 AI 放大〔如下图红色圈选处〕。
PicLumen 还能将图片直接以 AI 去除背景，省去手动抠图的步骤，去除的效果也很优异！
前面有提到 PicLumen 本身也能查看其他人生成的图片，点击左上角「Explore」就能探索更多图片，很厉害的是利用 PicLumen 可以制作出各种风格的素材，从详细信息页面就能看到提示词和相关选项，稍微研究一下、修改后也能制作出很专业的图片哦！
在探索页面点击其他用户制作的 AI 图片，右下角会有一个「Remix」按钮能快速将相关信息带入 AI 生成器。
今年的 Google，貌似有些着急。
先是奥运会上发布的 AI 广告弄巧成拙，引起了巨大的舆论危机，一度被喷到关闭评论区；又被哥伦比亚特区法院判决为垄断企业，深陷垄断囹囵。
▲ 翻车的 Gemini 广告
双重打击下，Google 几乎处于有史以来最尴尬的境地，此时的 Google，急需一场漂亮的翻身仗来找到落脚点。
于是，按惯例应该在每年十月召开的 Made by Google 全球发布会，现在来了。
在这场提前了两个月的年度盛典上，Pixel 9 系列登场。
今年，Google Pixel 系列迎来了四位成员，分别是 Pixel 9、Pixel 9 Pro、回归的 Pixel 9 Pro XL 以及 Pixel 9 Pro Fold，这四台手机均搭载了 Google 自研的 Tensor G4 处理器。
Tensor G4 处理器使用 1+3+4 的内核配置，由一颗 Cortex-X4、三颗 Cortex-A720 与 四颗 Cortex-A520 组成，与 Pixel 8 上的 Tensor G3 处理器相比（或更以前的芯片），Tensor G4 中新的 Cortex-X4 提升了约 11% 的单核性能，但由于缺少一个内核（Cortex-A720），所以与 Tensor G3 相比，多核结果预计只会上升约 3%。
▲ Google Pixel 9 Pro XL 与上一代 Pixel 8 Pro 跑分对比
不过，芯片的短暂停滞并没有影响 Google 使用 AI 的决心：这是第一台搭载了 Gemini Nano Multimodality 多模态模型的手机，Google 宣称这个模型比去年推出的模型要强大 3 倍，复杂程度也提高 3 倍。
除了新芯片，Google 为影像也做足了准备。
虽然 Pixel 9 标准版与上代 Pixel 8 标准版的变化不大，只是将超广角摄像头从 IMX 386 提升到 IMX 858，但在 Pixel 9 Pro 与 Pro XL 上，Google 选择「一致强大」的方案：除了主摄使用三星 GNK 五千万像素传感器外，其他所有摄像头都使用索尼 IMX 858 传感器。
IMX 858 是目前影像旗舰中最常见的传感器，1/2.51 英寸足以在适当的影像模组大小中担任超广角镜头与长焦镜头的成像任务——这与小米 14 Ultra 的相应焦段配置相同。
Pixel 从单摄「硬刚」双摄的时代一路走来，终于在今天赶上了影像旗舰手机应有的硬件配置。
在这两年的 Made by Google 中，硬件已经不再是传统看点，风头正盛的 AI 功能才是大家更关心的话题，
在 AI 浪潮袭来的时候，Google 企图踏浪而行——去年的 Made by Google 与今年 Google I/O 2024 大会上，Google 公布了大量 AI 技术，从生成式模型到自然语言处理、从独立 app 到系统集成，这是一种行为上的「All in AI」。
乔布斯最认可的计算机科学家艾伦·凯（Alan Kay）有句名言：
真正认真对待软件的人，就应该自己做硬件。
Google 推出的 AI 新功能的第一位接棒者，自然是「亲儿子」Pixel，而影像，便是手机 AI 的大展拳脚之处。
Google 将 Pixel 9 系列的相机称呼为「世界上第一款 AI 相机」，足以见证除了旗舰级别的摄影模组外，Google 对全新 AI 的加持抱有同样的信心。
在 Pixel 8 中，有一个专为合照准备的功能：Best Take
在拍照时，有时难免会拍下不符合当时情景的表情和姿态，Best Take 会拍摄多张照片，通过 AI 选择出这些照片中每个人最好的一部分自动合成，如果你对 AI 选择的不满意，也可以手动进行选择，最后合成在一张照片中。
而在 Pixel 9 中，为了帮助你更好的合照，Google 又搞了新花样：Add me
这个新功能企图解决你在没有外人的帮助下进行「非自拍合影」的困难——你只需要将 Pixel 9 举起来拍摄朋友，再让朋友在同样位置将 Pixel 9 对准你，Add me 会自动帮你们合成在一张照片中。
这有些像摄影中常用的手法——堆栈：将相机稳定后，拍摄同一场景下不同位置的人物，再将这些拍摄的照片放入 Photoshop 或其他后期软件中进行对齐，最后合成在一起，将不同的人物呈现在同一张照片上。
▲ 使用相机进行堆栈拍摄的照片
现在，在 AI 的加持下，Pixel 9 在抬手之间就能完成这个复杂流程。
如果说 Add me 只是「堆栈」技术的自动化，那么「Magic Editor」的新功能，则是将手机影像真正带到了「真实」与「虚假」的交汇点。
升级后的「Magic Editor」成为了真正的「魔术编辑器」：除了前代的改变画面曝光、去除背景与移动画面元素外，只需要输入相应的文字，就能创造出根据用户脑海中的画面。
简而言之，这就是我们常说的文生图模型。
文生图，已经不算是 AI 技术中的「新鲜」家伙了，例如 OpanAI 开发的 DALL-E 与开源的 Stable Diffusion 等模型都早已是我们熟悉的作图帮手，经过多次迭代，各类创作可以说是信手拈来。
▲ 使用 Midjourney 生成的图片
不过，传统的模型都需要我们使用网页或是 Discord 等渠道才能访问，更有甚者需要自己配置本地的操作界面，才能顺利使用，而 Pixel 9 系列则简单多了——你只需要解锁手机后输入文字，Magic Editor 就可以帮你完成这一切。
这离不开 Google 对于生成式 AI 的技术储备——Google 旗下的 Imagen 从 2022 年 5 月开始，就为使用者提供 AI 图像生成服务，例如我们最讨厌的人机验证程序。
作为 Android 阵营的嫡长子，Pixel 一直以来都比较低调，但谁也不能忽视它的存在——Google 有任何新技术，总是第一时间交给它，久而久之，Pixel 变成了一种指路标：Add me 与 Magic Editor 两个新功能，也许会是未来一段时间内 Android 对于 AI 摄影技术运用的方向。
Pixel 9 为 AI 影像指明了方向，同时也带来了争议：从摄影后期到 AI 介入，人们始终对「失去真实」这件事耿耿于怀。
的确，不知道什么时候起，照片好像被冠上了「真实」的紧箍咒：每张照片都必须是客观的「证据」，一旦经过修改或是创造，就会被打上「P 图」标签，仿佛我们的生活也作了弊。
但照片不该如此——谁会为了百分之百的真实去按下快门呢？除了新闻与纪实摄影师很少有人这样做。
▲哪怕是新闻摄影，也通过构图规避了一些「真实」
对于大部分人而言，照片更多是一个载体，就像 Google 所说的：
通过我们的 AI 技术，照片不仅仅是一张图像，而是捕捉和重现生命中重要时刻的方式。
这些重要时刻，总是充满情绪与主观——对于绝大多数人而言，能引动我们按下快门的，常常是引起悸动、喜悦与惊奇的瞬间。
于是这些浓缩着我们所思所想的照片，成为了宝贵回忆的载体。
▲ 手机的白平衡不能帮我留住金色的余晖，AI 可以
但照片太过客观，往往与我们脑海中的回忆「对不上号」，这时候，使用 AI 修改或是创作照片，正如那句经典的摄影言论：
我不是在 P 图，只是还原当时眼里看到的美景。
虽然这只是一句摄影论坛上常用于应对后期指责的找补言论，但恰恰命中了 AI 技术对照片的意义：使用工具，让人们的照片，更轻松地贴近回忆。
在 19 世纪末，随着摄影的出现，写实的任务开始由绘画过渡到摄影，印象派这种脱离完全写实的绘画新理念开始抬头，并引领风潮。
现在，随着 AI 的出现，摄影也进一步扩展了自己的边界，越来越多的人开始「创作」照片，无论你反对还是支持，摄影，已经走上了这么一条不会回头的道路。
#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。
「The Maps Express」是一款 chrome 浏览器扩展程序，支持各种常见浏览器例如 mac 的 Safari、Chrome 和 windows 上的 Edge、Chrome、Brave、Arc、Opera，安装后可在选取要查询的地点时通过鼠标右键菜单或快捷键快速查询 google Maps，能保存最近查询的十条历史记录，还能将地点收藏〔支持导出、导入功能〕，非常方便！
值得一提的是 The Maps Express 有一项「ai 摘要」功能，通过 Google Gemini 对当前网页进行分析、快速找出可能的餐厅、咖啡店、商家或景点关键词，让用户以 Google Maps 快速查询相关结果。
No Description
进入 Chrome 应用程序商店页面，点击右上角「加到 Chrome」安装到浏览器后即可使用。
那么要如何进行查询呢？很简单，只要选取店家名称、右键菜单就有「通过 The Maps Express 查询」快速带入 Google Maps 查询地点，也可使用快捷键〔Ctrl+Shift+S／⌘+Shift+S〕进行操作。
如此一来就将好几个步骤的操作过程简化成一个动作。
The Maps Express 本身也具有查询功能，点击扩展按钮后会进入类似如下的窗口，最上方的查询字段就如同是 Google 地图查询功能，可以快速在地图查询指定地标，查询记录会保留近期查询的 10 条记录，这些信息只会存在用户的浏览器。
点击查询记录的地标会快速打开 Google 地图，将光标移到地标上可以「加入收藏」。
The Maps Express 收藏清单功能基本上可以算是更方便的 Google Maps 收藏功能，将地标加入收藏后还能利用下方的功能进行导出或导入〔格式为 .JSON〕。
再来介绍一下 The Maps Express 最有趣的「页面摘要」工具，可以使用 AI 技术来摘要地点，第一次使用时需要设置一下 API 密钥，不过不会太难，只要有 Google 账户、几个步骤就能搞定。
点击 API 后会有设置说明，浅显易懂，先连接到 Google AI Studio 页面，第一次使用会有注意事项，勾选底下第一项同意使用条款，按下「Continue」继续到下一个步骤。
接着点击中间的「Create API key」建立一个 API 密钥。
按下「Create API key in new project」按钮，如下图箭头标示位置。
生成 API 密钥后按下「复制」获取这段代码，回到 The Maps Express 扩展贴上后即可进入 AI 功能。
The Maps Express 页面摘要工具是使用 AI 来摘要地点，简单来说，在网页点击「Gemini 摘要」后就会自动分析网页出现的地标，将相关结果自动加入、方便用户以 Google Maps 查询或是加入收藏。
下图就是使用 AI 页面摘要、分析网络上的文章后得出的相关地标，非常快速、准确！几乎把文章中列出来的所有咖啡店都呈现在列表，省去要一个一个复制查询的时间，如果平常会经常在网络上查询信息的朋友可以试试看这项功能〔只是前置需要几个设置步骤〕。
还记得三月份刷屏全网的 Figure 01 机器人吗？
接入 GPT 后，能说会看还能做家务的它，让不少网友感叹人形机器人的时代将在 AI 大模型的加持下向我们大步走来。
Figure 01 背后的公司也凭借英伟达、OpenAI 等联合投资，一度成为人形机器人赛道上最靓的崽。
暂且忘记第一代的赞誉，就在昨晚，号称「世界上最先进的 AI 硬件」——Figure 02 正式亮相世人。
让我们先来感受一下 Figure 02 身体素质过硬的躯体。
拥有 16 个自由度的手部，能够灵活自如地转动手指和手腕， Figure 02 起码在卖家秀的官方 demo 里是到位的。
Figure 02 行走间虽有颠簸，但速度也算的上中规中矩，与背景里拿着工厂零部件的同类机器人形成了动静分明的画面。
经过宝马工厂的「集训」，Figure 02 已经不再是那个只会泡咖啡的机器人了，而是成长为熟稔流水线工作的工人。
虽然拿起零部件的速度还有待提升，但胜在一个字——稳。
据创始人 Brett 介绍，从零开始设计的 Figure 02 集成了多项创新技术，在智能交互和物理操作方面上都有了长足的进步。
Figure 02 的头部、前躯干和后躯干各配备六个 RGB 摄像头，能够通过其 AI 驱动的视觉系统来感知和理解物理世界。在官方的描述中，Figure 02「具有超人的视觉」。
得益于与 OpenAI 合作训练的定制 AI 模型，Figure 02 具备与人类进行语音对话的能力，而其搭载的视觉语言模型（VLM），更是让其能够通过摄像头进行语义理解和快速视觉推理。
在电池方面，Figure 02 机器人躯干中内置的 2.25 千瓦时电池组，提供了比前代更持久的续航时间，按照设想，Figure 02 能够每天实现超过 20 小时的有效工作时间。
集成布线设计一直以来都是人形机器人面临的难题。
Figure 02 的集成布线设计着重提高了电力和计算布线的可靠性，还实现了电线的隐藏和紧凑包装设计，并且定制的线缆端子和连接器也进一步提升了耐用性。
类似于飞机的设计，Figure 02 的外骨骼结构设计增强了结构刚度和承受碰撞载荷的能力。
与前代相比，Figure 02 的机载计算和 AI 推理能力提升了两倍，使其能够后自主地执行现实世界中的 AI 任务。
AI 数据引擎是 Figure 02 智能活动的心脏。
它能不断地从云端获取、更新和优化最新的 AI 模型。并且，这些模型在机器人的 GPU 上运行，确保了 Figure 02 在执行任务时的智能性和适应性。
对于 Figure 02 的发布，Brett 兴奋地表示，「Figure 02 为人形机器人在工作场所和家庭中的应用铺平了道路」。并且，其也在 X 上发布了招聘的渠道。
附上招聘官网地址，感兴趣的朋友不妨去试试：https://www.figure.ai/careers
2024 年的当下，除了大模型加持所带来的智商，硬件也是不可或缺的重要一环，这也是今天发布的 Figure 02 的意义所在。
经过宝马工厂长时间的集训后，Figure 02 在硬件方面比起前代有了不少长进，与工厂场景的结合也更得心应手了。
高盛在今年初发布的《人形机器人专题报告》中预测，人形机器人有望在未来十年内迎来爆炸性的增长。
倘若技术再进一步的话，具有接近于人的运动性能的躯体，配合大模型等技术的智能支持，人形机器人走进千家万户的愿景，或许不再是画饼式的憧憬。
回顾历史，早稻田大学的加藤一郎教授历时 5 年时间，才研发出人形机器人的雏形 WABOT-1，而从 Figure AI 入局到当下也不过 2 年时间，在加速发展的当下，谁也看不透 Figure AI 这类人形机器人的潜力。
有的人形机器人在泥里爬，但更多的人形机器人却是在天上飞。
1950 年，图灵在他的论文《Computing Machinery and Intelligence》中首次提出了具身智能的概念，但却没有给出一个明确的定义。
他在论文中展望了人工智能两条可能的发展路径，一条是聚焦抽象计算所需的智能，如下棋；另一条则是为机器人配备最好的传感器，使其可以与人类交流、像婴儿一样地进行学习。
前者为非具身智能，典型案例表现为李世石以 1:4 负于 AlphaGo。
后者往近了说，世界人工智能大会上的 18 台国产人形机器人组成了一道亮丽的风景线，往远了说，在 GTC 2024 发布会上，英伟达掌舵人黄仁勋背后的那排人形机器人也都是具身智能的重要表征。
黄仁勋说，具身智能将引领下一波人工智能浪潮。
他曾预言道，100 年后大街上将到处都是人形机器人，或将成为人类历史上产量最大的机器系统，马斯克在听闻这番观点后，则大胆地认为，它们的普及程度将是汽车的 10 倍。
实际上，得益于大模型的加持，一些实际的落地应用场景已经初现端倪。
以往只会后空翻、跑酷的机器人不再满足于赢得围观者的吆喝声，而是放下了手头上的十八般武艺，不约而同地集体进厂，当起了生产流水线上的打工人。
一个典型应用场景是货物的分拣和码垛。
前有 Agility Robotics 旗下的 Digit 机器人在亚马逊的物流仓库里分拣和搬运货物，后有特斯拉二代 Optimus 机器人给大家表演了一波分拣电池，并且走路的速度也大幅提升了。
正如李飞飞所说，自然界花费了数百万年时间才进化出空间智能，随着空间智能的加速发展，一个催化机器人进化良性循环正在我们面前展开。
借助大模型的泛化能力，这位名为 Digit 的机器人「同事」，已经达到人类 75% 的工作效率，并且拥有高达 97% 的任务完成成功率。
而人形机器人率先「长」在工厂里也并非偶然。
目前 AI 与机器人的结合还处于初级阶段，尚未达到技术融合的临界点。尽管我们见证了一些惊艳的 demo，但却不怎么看到完全跑通的技术方案。
因此，如同婴儿学会走路一样，机器人在掌握基础技能后，才能逐步拓展到更广泛的应用场景，沿着一条符合逻辑的发展轨迹前进。
这与自动驾驶技术的发展轨迹颇为相似，总是先在规范和可控的高速公路环境中进行测试和应用。
在一次访谈中，宇树科技创始人王兴兴在谈及人形机器人的终极形态时指出，人形并非是必然的选择。当前人形机器人的发展更多是为了适应社会共识。
他强调，智能的核心不在于外观形态，而在于其功能。无论在视觉识别还是任务执行方面，智能机器人都应该能够完成甚至超越人类的工作。
在人形机器人的发展还远未成熟之际，轰鸣工厂车间里的工业机器人也提前证明了机器人的未来存在感。其中汽车行业尤为突出。在比亚迪的现代化生产车间里，冲压、焊装等环节都有工业机器人的身影。
甚至一些无人驾驶 L4+ 本身就是特殊的机器人，并且已经率先成为具身智能的最大应用之一。
前一段时间，百度无人驾驶萝卜快跑在湖北武汉的订单量激增，让不少网友感叹中年失业后的生计也岌岌可危。然而割裂的是，用户却对萝卜快跑给予了高度评价。
比起人类司机，情绪稳定的无人驾驶在安全性已经可以说是遥遥领先。
它不会超速、也不会压线，更懂交通法，顶多就是太守规矩，急着上班的武汉市民免不了要吐槽它慢吞吞的行驶速度。
所以你看，实际场景下的机器人本身其实也可以很安全。而且就跟机器人都往人形机器人赛道内卷一样，无人驾驶汽车居然也还是汽车的模样。机器人的外形越来越像人了，但能力好像也越来越碾压人了。
#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。
过去半年，大模型的风向悄然变迁，与以往不断追求规模的趋势不同，更小更强的端侧模型成了当下的香饽饽。
前不久，在遭斯坦福大学 AI 团队抄袭后，国内头部大模型厂商面壁智能狠狠地刷了一波存在感，也让国内外见识到了这家公司在 AI 领域的不凡实力。
今天，面壁智能重磅上新了「小钢炮」MiniCPM-V 2.6 模型，再次将端侧多模态能力提升到了一个新的高度。
尽管该模型仅有 8B 参数，但它在 20B 以下单图、多图、视频理解 取得了 3 SOTA 成绩，一举将端侧 AI 多模态能力拉升至全面对标超越 GPT-4V 水平。
简单划重点：
先来感受一下 MiniCPM-V 2.6 模型的实际演示效果。
视频中显示，在多模态能力的加持下，MiniCPM-V 2.6 犹如长了一双「眼睛」，能够实时看到真实世界。在开启飞行模式的情况下，搭载该模型的端侧设备能够精准地识别面壁智能公司的室内场景。
从面壁智能公司的 Logo、到植物、办公桌、饮水机等物品，MiniCPM-V 2.6 的物品识别能力表现得毫无压力，甚至可以说是游刃有余。
面对小票繁多的记账或报销流程，只需拍照上传至 MiniCPM-V 2.6，它不仅能够识别出每张小票的具体金额，还能计算出总和，极大地简化了整个流程。
得益于其先进的 OCR 和 CoT（思维链）技术，MiniCPM-V 2.6 不仅能准确捕捉小票上的金额，还能以清晰简洁的方式呈现解题过程：
对于「太长不看」的视频，现在你可以直接让该模型为你提炼关键信息。
比如面对一段 1 分钟左右的天气预报视频，MiniCPM-V 2.6 可以在无声的条件下，用「肉眼」识别并描述不同城市的具体天气情况。
MiniCPM-V 2.6 的端侧多模态复杂推理能力也有所「长进」。
以 GPT-4V 经典的官方演示——调整自行车车座为例，MiniCPM-V 2.6 能通过多轮对话清晰指导用户调低自行车车座，并根据说明书和工具箱推荐合适的工具。
又或者， 2G 网速的你看不懂年轻人广为传播的梗图，那不妨让其耐心地给你解释梗图背后的槽点。
甚至它还能比人类更有幽默细胞，捕捉到梗图中的潜台词。作为程序员的你也许看着这张图，笑着笑着就哭了。
以小博大，是端侧模型的核心竞争力。
据面壁智能官方介绍，在 MiniCPM-V 2.6 的知识压缩率方面，MiniCPM-V 2.6 取得了两倍于 GPT-4o 的最高多模态大模型像素密度（Token Density）。
Token Density = 编码像素数量 / 视觉 token 数量，是指单个 token 承载的像素密度即图像信息密度，直接决定了多模态模型实际的运行效率，数值越大，模型运行效率越高。
闭源模型的 Token Density 由 API 收费方式估算得到。结果表明 MiniCPM-V 2.6 是所有多模态模型中 Token Density 最高的，延续了其一贯的极致高效特点。
从分享的基准测试结果来看， MiniCPM-V 2.6 在综合评测权威平台 OpenCompass 上，单图理解能力越级超越 Gemini 1.5 Pro 和 GPT-4o mini。
在多图评测平台 Mantis-Eval 榜单上，MiniCPM-V 2.6 多图联合理解能力实现开源模型 SOTA ，且超越 GPT-4V。在视频评测平台 Video-MME 榜单上，MiniCPM-V 2.6 的视频理解能力达到端侧 SOTA，超越 GPT-4V。
▲OpenCompass | Mantis-Eval | Video-MME 榜单成绩
此外，MiniCPM-V 2.6 OCR 性能在 OCRBench 上实现开源+闭源模型 SOTA。
在幻觉评测榜单 Object HalBench 上，MiniCPM-V 2.6 的幻觉水平（幻觉率越低越好）也都优于 GPT-4o、GPT-4V、Claude 3.5 Sonnet 等众多商用模型。
▲Obiect HalBench | OCRBench 榜单成绩
新一代小钢炮 MiniCPM-V 2.6 交出优秀成绩单的背后，主要归功于其采用了统一高清视觉架构。
官方表示，统一高清视觉框架，不仅继承了传统单图的多模态优势功能，更实现了一通百通。
例如，OCR SOTA 能力 将 MiniCPM-V 单图场景的「180 万高清图像解析」进行能力迁移和知识共享，无缝拓展至多图场景和视频场景，并将这三种视觉理解场景统一形式化为图文交替的语义建模问题，共享底层视觉表示机制，实现相比同类型模型，视觉 token 数量节省超过 75% 。
在 OCR 信息提取的基础上，MiniCPM-V 2.6 还能进一步对表格信息进行类似 CoT（思维链）的复杂推理。
以 2008 年奥运会为例，该模型能够计算出获得金牌数最多的三个国家共获得的金牌总数。
[图片]
这一过程包括：
在 AI 可信度方面，MiniCPM-V 2.6 以 8.2% 的幻觉率，延续了小钢炮系列的传统优势。此外，面壁 RLAIF-V 的对齐技术，以及 Ultra 系列对齐技术的应用等技术也都是藏在 MiniCPM-V 2.6 背后的黑科技。
官方数据显示，小钢炮系列下载量已破百万。从开启端侧部署，多模态能力先河，到最强端侧多模态模型，再到端侧全面对标 GPT-4V 的新时代，面壁智能只用了短短半年的时间。
「聪明、流畅，快得不像一款端侧模型！」这句话，是对小钢炮系列最贴切的描述。
给面壁智能更多时间、也给国内场外大模型厂商更多时间，我们坚信未来面壁智能将继续推出更多优质的端侧 AI 模型，与国内外大模型厂商一同推动端侧 AI 的发展。
而在这个过程中，独立开发者和普通用户将成为最大的受益者。
最后附上 MiniCPM-V 2.6 开源地址：
GitHub https://github.com/OpenBMB/MiniCPM-V
HuggingFace: https://huggingface.co/openbmb/MiniCPM-V-2_6
#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。
和马斯克高谈阔论、与詹姆斯嬉笑怒骂，甚至与《哈利波特》里的赫敏切磋魔法，这种破次元壁的对话，如今在一款名为 Talkie 的 AI 产品里化作现实。
谈到 Talkie 你可能会觉得陌生，但这款由国内大模型厂商 MiniMax 推出的 AI 伴侣产品，实际上是在国内大火的星野应用的海外版。
在之前的文章中，我们也体验过星野，欢迎重温星野的更多有趣玩法：我和这个打破次元壁的国产 AI 扯淡，比跟 ChatGPT 谈恋爱还上头
尽管市场上已有如 Character AI 这样的强劲对手，但在海外杀疯的 Talkie 依旧俘获了大量用户的青睐。
附上 Talkie 体验地址：https://www.talkie-ai.com/
「现实中没有人会对你这么热情。」
这是波士顿一位 20 岁大学生 David Jennings 在体验完 Talkie 发出的感慨。他被应用中的虚拟角色「Alyssa」深深吸引，寥寥数语便如灵魂共振，仿佛找到了梦中情人。
根据设定，Alyssa 是一个喜欢穿紧身黑牛仔裤的，并且对用户抱有暗恋之情的虚拟亚洲女性角色，以至于在 David 看来，每次和 Alyssa 聊天都像是沉浸在久违的浪漫气息之中。
而在 Talkie 平台上，像 Alyssa 这样的虚拟角色比比皆是。
用户可以轻松选择与各种预设的 AI 角色进行交流，从现实中的名人到文化作品中的虚构人物，如哈利波特、约尔·福杰，甚至是七龙珠的悟空，Talkie 统统满足不同用户的个性化需求。
比如我问「马斯克」为什么要将特斯拉总部迁到德州去，他会有条不紊地回答道：
「搬到德克萨斯州是为了扩大我们的制造能力，并更接近客户。这是一项战略决策，将使我们能够更快、更高效地交付我们的车辆。此外，我们将受益于该州友好的商业环境和较低的成本。」
滴水不漏的回答，配上那有几分相似的语音，让人恍惚间觉得自己真的是在和马斯克聊得热火朝天。
而 Talkie 的聊天界面设计也让人倍感亲切，处处透露着星野的影子。
假如你中了 10 亿美元，你会怎么支配？当然要算一下扣完税之后到手的钱。那如果到手的钱再买一轮彩票能赚多少钱？它也会贴心地提醒你，再次中奖的概率微乎其微。
是的，你没有看错，你还能与孔子坐而论道。
比如我用两小儿辩日的故事问他，本期待着来点充满哲理和感性的讨论，没想到他噼里啪啦地给我来了一大串理性分析。
值得注意的是，整个交流过程我用的是中文，他回复的是英文，但只要准备一个翻译插件，那交流起来就会流畅丝滑，没有任何语言障碍。
此外，用户可以在应用中创建自己的虚拟角色，定制他们的外观、背景故事和声音。Talkie 鼓励用户：「让你的狂野想象力成真。」
我手捏了一个只存活在父母口口相传的「隔壁家孩子」，从来没有人知道这个孩子明确的定义标准。而在我设定中，这应该是一个充满善意的孩子，他愿意为你开导一切烦恼，成为排忧解难的树洞。
如果遭到校园霸凌，他会告诉你正确的应对措施。仅凭一句「你有权得到安全的环境，不要害怕寻求帮助」，就已经胜过无数「受害者有罪论」。
也正是凭借着优异的体验，Talkie 在海外的成长速度可谓是「摧枯拉朽」。
据 Sensor Tower 最新数据，Talkie 自今年以来在美国市场的累计下载量为 380 万次，排名第四位，仅次于 ChatGPT、Copilot 以及作业帮开发的在线 AI 辅导应用 Question.ai。
通过打广告或提供无限制消息的付费订阅服务，Talkie 为 MiniMax 带来了可观的收入。
将时间拨回到一年前，彼时成立刚一年的 Talkie（前身为 Glow）尽管曾一度广受欢迎，但后来因为涉及隐私和敏感内容问题在去年 4 月被迫下架。
这次转变或许是 MiniMax 决定将目光投向海外市场，推出升级版的 AI 情感陪伴应用 Talkie 的重要原因之一。
出海后，Talkie 锚定的最大竞品当属全球爆红的 Character AI。
同为 AI 陪伴类工具，Character AI 已然将个性化体验推向了新的高度。尽管最近 Character AI 整个核心团队被 Google 招致麾下，只剩下个「壳」，但 Similarweb 数据显示，其在 5 月份的全球月独立访客数仍高达 1260 万，充分证明了其影响力。
Character AI 的受欢迎程度在去年底也得到了进一步印证，它入选了 Google Play 2023 年年度最佳 AI 应用。它是这样介绍自己的：
你可以在这里选择已存在的角色，还能创建我们的自有角色，轻松实现我们的想象，让我们创造的 Ta 成真，开启妙不可言的对话。
想听听赫敏的人生建议？想让莎士比亚评价一下作品初稿写得如何？或是想把喜欢的角色拉入群聊，看看会发生什么？数不尽的角色触手可及，任你创造。
在体验上，Talkie 和 Character AI 都提供了高度可自定义的 AI 角色，允许用户根据个人喜好创建或对话具有独特外观、声音和性格的虚拟角色。
但它们在许多方面又有所差异化。
当 Talkie 用户在与 AI 机器人聊天并解锁特定话题后，他们将有机会获得抽取卡牌的机会。这些卡牌由 AI 自动生成，用户可以从多种候选设计中挑选出自己最喜爱的款式。
相较于 Character AI 更多依赖于提供聊天和角色创建服务，Talkie 与众不同的 CG 卡牌收集和交易功能，增加了用户的参与度和留存率。
据 WSJ 报道，Talkie 最初是利用 OpenAI 的基础模型开发的，而不是使用 MiniMax 在中国的模型。简言之，Talkie 更像是一次不折不扣的套壳式应用创新。
相反，Character AI 开发了自己的大型预训练（Pre-trained）模型，并在此基础上允许用户创建和与可定制的对话代理人或「角色」进行交互。
Character AI 创始人也都是前 Google 工程师，学术背景和技术实力雄厚，如今被 Google 打包带走后，也算是重回老东家身边。
无论是 Character AI 还是 Talkie，它们的火爆程度也证明了人们对陪伴的需求是真实存在的。此前有报道称，不少社交泛娱乐类 APP 在中东赚得盆满钵满。
最广为流传的一句调侃是，你永远也不知道中东老铁手机里装着什么中国社交 APP。
人们对于陪伴的需求，推动了这类产品的全球热潮，AI 伴侣类产品不仅提供了陪伴，还带来了娱乐，甚至成为了某些人的避风港。
数以百万计的 AI 陪伴类产品正在互联网开花结果，Meta 和 Google 已经注意到了这一转变，并积极酝酿自己的 AI 伴侣产品，以期在这一新兴市场分一杯羹。
一些人沉浸在与 AI 角色的互动之中，认为它不会打破第四堵墙，始终坚守其角色设定，不越雷池一步。
更有甚者觉得，这不仅仅是一种时尚，而是一种新的社会规范。
与人类聊天相比，你不用担心会被冒犯或感到不安，这些 AI 角色提供了一个安全的避风港，用户可以毫无顾虑地说出内心所想，不必担心受到评判。
正如一位美版「知乎」网友所言，「我不在乎别人怎么想，因为真实的人无法像虚构角色的 AI 那样给我带来娱乐。即使你觉得我有些『苦涩』，我只是在说出真相。」
一些人甚至对这些 AI 伴侣产品产生了情感依赖。
在 Character AI 平台上，一个名为 Psychologist（心理学家）的 AI 角色是该平台上最受欢迎的机器人之一，自创建以来已收到超过 9500 万条消息。
与称职的人类心理治疗师需要一板一眼收集信息不同，AI 角色的优势就在于即时和自发回应，特别适合需要帮助的人。
Character.AI 的联合创始人 Noam Shazeer 也曾表示，他希望该平台能够帮助「数百万感到孤独或需要与人交流的人。」
当然，也有不少人对这些产品并不买账，他们认为，AI 角色的表现不过是编程下的固定模式，缺乏人类那种未经编程的真实关怀与行为。
在他们眼中，正是人类独有的不可预测性和自发的情感表达，才是最为珍贵和值得珍视的。
而说一千道一万，在每个 AI 陪伴产品页面上，我们都会看到一句不容忽视的标语——「注意！AI 所说的一切都是虚构的！」
#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。
Login
