之前发过一系列的内地保险的科普和理财方面的知识（已完结，见主页），今天开始聊聊香港储蓄险这个系列。 港险不适合所有人，但对有特定需求的人来说值得认真了解。 港险保证收益确实低，但比法错了 港险计划书上，保证 IRR 只有 0.46%-0.5%，内地分红险 1.35%-1.57%。5 年交的话光保证部分要 18 年才回本，内地 7 年就够了。光看这个数字确实不怎么样。 2025 年香港保险新单保费 3309 亿港元，同比涨了 50.6%，直接创了历史新高。真正大额买港险的企业主和高净值家庭，比咱们更懂风险，为什么还愿意放几百万进去？ 拿保证收益去跟内地分红险比，这个比法本身就不对。两边的产品设计思路是反着来的：内地走"高保证 + 低分红"，保证部分稳稳拿到，加上分红长期总 IRR 也就 3.07%-3.20%。港险反过来，"低保证 + 高分红"，保证部分压得很低，空间全留给了分红，长期预期总 IRR 能到 6%-6.5%。 保证部分港险确实被内地碾压，加上分红就完全反转了——20 年的时候港险 6% 对内地 2.77%，越往后差距越大。 港险分红到底靠不靠谱 "预期收益谁信啊，万一不兑现呢？"——我自己研究的时候也在这卡了很久。 于是去扒了各家保司过去 11 年的分红实现率，差距还挺大。周大福、中意、立桥连续 100% 兑现，万通 98%，宏利 96%，安盛 95%。也有不太好看的，安达 84%，保诚只有 73%。保诚名气最大，分红实现率反而最低，不提前看数据容易踩坑。 不是买了港险就一定能拿到预期收益，选哪家公司、选哪个产品非常关键。 今年 3 月 31 号香港保监局的 GN16+ 新规生效了，港元产品演示利率上限 6%，非港元不超过 6.5%，强制要求所有保司公开 2010 年以后全部保单的分红实现率。监管在帮你挤水分，现在看到的演示数字比以前靠谱多了。 港险收益之外真正不可替代的东西 如果只是收益高一点，没必要专门跑一趟香港签单。 一个是美元资产配置。大部分国内家庭的房子、存款、理财全是人民币计价的。港险大多美元计价，背后的投资组合是全球化的，债券主要投美国市场，股票分散在中美、印度等地。买一份港险，用保险的壳间接持有了一个全球分散的组合。孩子以后要出国读书或者有海外消费需求，这笔钱直接就能用上，不用再折腾换汇。 另一个是财富传承，这部分内地保险暂时做不到。港险可以无限次变更被保人，保单能从你传给孩子再传给孙子，复利一直在滚。还能做保单拆分，一张拆几份分给不同的家庭成员。身故赔偿金也可以设置按月或按年领取。对资产量比较大的家庭来说是刚需。 港险风险也得说清楚 虽然我是做保险的，有三点咱们心里得有数。 1 、前期流动性很差。前 5 年退保基本亏掉一半以上本金，保证回本通常要 13-20 年。这笔钱进去了就是长期锁定，短期急用拿不出来。 2 、汇率波动客观存在。美元保单，未来几十年人民币美元之间肯定会有波动。主流港险支持货币转换，美元、人民币、港元之间可以切换。就算汇率走到历史最极端的位置，6% 的收益打个 85 折到 9 折，换算成人民币也还有 5% 左右，比内地大部分理财产品还是高的。风险真实存在，但还没到能把收益优势吃掉的程度。 3 、没有政府兜底。内地有保险保障基金，保司真出了问题有人接盘。香港没有这个机制，头部公司经营了上百年出事概率极低，但这个事我们得心里清楚。 哪些人适合香港储蓄险 资产主要在国内、没有海外需求、就想要确定性——内地分红险就够了。 有一定资产基础，想做全球化配置，有子女留学或者家庭传承方面的规划，同时这笔钱确定 20 年内不会急用——港险可以考虑。 对港险感兴趣的朋友，可以加 V：Michael1992520 ；不群发、不刷屏，聊完觉得不合适也没关系。
之前发过一系列的内地保险的科普和理财方面的知识（已完结，见主页），今天开始聊聊香港储蓄险这个系列。 港险不适合所有人，但对有特定需求的人来说值得认真了解。 港险保证收益确实低，但比法错了 港险计划书上，保证 IRR 只有 0.46%-0.5%，内地分红险 1.35%-1.57%。5 年交的话光保证部分要 18 年才回本，内地 7 年就够了。光看这个数字确实不怎么样。 2025 年香港保险新单保费 3309 亿港元，同比涨了 50.6%，直接创了历史新高。真正大额买港险的企业主和高净值家庭，比咱们更懂风险，为什么还愿意放几百万进去？ 拿保证收益去跟内地分红险比，这个比法本身就不对。两边的产品设计思路是反着来的：内地走"高保证 + 低分红"，保证部分稳稳拿到，加上分红长期总 IRR 也就 3.07%-3.20%。港险反过来，"低保证 + 高分红"，保证部分压得很低，空间全留给了分红，长期预期总 IRR 能到 6%-6.5%。 保证部分港险确实被内地碾压，加上分红就完全反转了——20 年的时候港险 6% 对内地 2.77%，越往后差距越大。 港险分红到底靠不靠谱 "预期收益谁信啊，万一不兑现呢？"——我自己研究的时候也在这卡了很久。 于是去扒了各家保司过去 11 年的分红实现率，差距还挺大。周大福、中意、立桥连续 100% 兑现，万通 98%，宏利 96%，安盛 95%。也有不太好看的，安达 84%，保诚只有 73%。保诚名气最大，分红实现率反而最低，不提前看数据容易踩坑。 不是买了港险就一定能拿到预期收益，选哪家公司、选哪个产品非常关键。 今年 3 月 31 号香港保监局的 GN16+ 新规生效了，港元产品演示利率上限 6%，非港元不超过 6.5%，强制要求所有保司公开 2010 年以后全部保单的分红实现率。监管在帮你挤水分，现在看到的演示数字比以前靠谱多了。 港险收益之外真正不可替代的东西 如果只是收益高一点，没必要专门跑一趟香港签单。 一个是美元资产配置。大部分国内家庭的房子、存款、理财全是人民币计价的。港险大多美元计价，背后的投资组合是全球化的，债券主要投美国市场，股票分散在中美、印度等地。买一份港险，用保险的壳间接持有了一个全球分散的组合。孩子以后要出国读书或者有海外消费需求，这笔钱直接就能用上，不用再折腾换汇。 另一个是财富传承，这部分内地保险暂时做不到。港险可以无限次变更被保人，保单能从你传给孩子再传给孙子，复利一直在滚。还能做保单拆分，一张拆几份分给不同的家庭成员。身故赔偿金也可以设置按月或按年领取。对资产量比较大的家庭来说是刚需。 港险风险也得说清楚 虽然我是做保险的，有三点咱们心里得有数。 1 、前期流动性很差。前 5 年退保基本亏掉一半以上本金，保证回本通常要 13-20 年。这笔钱进去了就是长期锁定，短期急用拿不出来。 2 、汇率波动客观存在。美元保单，未来几十年人民币美元之间肯定会有波动。主流港险支持货币转换，美元、人民币、港元之间可以切换。就算汇率走到历史最极端的位置，6% 的收益打个 85 折到 9 折，换算成人民币也还有 5% 左右，比内地大部分理财产品还是高的。风险真实存在，但还没到能把收益优势吃掉的程度。 3 、没有政府兜底。内地有保险保障基金，保司真出了问题有人接盘。香港没有这个机制，头部公司经营了上百年出事概率极低，但这个事我们得心里清楚。 哪些人适合香港储蓄险 资产主要在国内、没有海外需求、就想要确定性——内地分红险就够了。 有一定资产基础，想做全球化配置，有子女留学或者家庭传承方面的规划，同时这笔钱确定 20 年内不会急用——港险可以考虑。 对港险感兴趣的朋友，可以加 V：Michael1992520 ；不群发、不刷屏，聊完觉得不合适也没关系。
苹果公司近日宣布，将在 App Store 引入一系列全新的应用发现功能，通过个性化推荐帮助用户更高效地找到适合自己的应用和游戏，同时为开发者提供新的获客渠道。 这一更新首先在美国地区以英文形式上线，未来还将扩展至更多国家和语言。 在本周举行的全球开发者大会（WWDC）上，苹果正式发布了 App Store“个性化合集”（Personalized Collections）功能。 该功能会基于用户的兴趣偏好和使用行为生成针对个人的推荐内容，不再仅仅依赖排行榜或编辑精选。 用户在 App Store 的“App”标签页、“游戏”标签页以及“搜索”页面中，都将陆续看到这些个性化推荐内容。 苹果表示，这些推荐会随着时间推移不断演进和调整，依据的是用户的下载记录及日常使用情况。 与此同时，个性化合集还会配套新增“App 说明”（App Notes），用简要文字向用户解释“为何向你推荐这款应用”，试图提升推荐过程的透明度与信任感。 此次更新被视为 App Store 生态走向成熟阶段的一个缩影。 在当前竞争愈发激烈的环境下，仅靠获得编辑推荐或被评为“本周 App”已难以确保应用的持续增长。 苹果通过引入个性化推荐及一系列新工具，希望帮助开发者更精准触达潜在用户，同时重新激活存量用户。 在开发者工具方面，苹果将允许开发者在应用产品页的顶部横幅以及搜索结果中，使用更丰富的图片和视频素材，以突出展示新内容或季节性活动，吸引老用户回流查看更新。 开发者还可以通过全新的“素材库”（Asset Library）集中管理用于应用内活动、特价促销等场景的常用营销素材，提升运营效率。 此外，开发者还能在 Apple Games 应用中展示特别优惠并与玩家互动。 针对订阅类业务，苹果将开放“订阅包 App 组合”（App Bundles）功能，允许多位开发者合作，将多款订阅应用打包，以低于单独订阅总价的形式对外销售。 这一模式有望帮助订阅型应用拓宽变现路径，也为用户提供更具性价比的订阅选择。 在企业和团体场景下，苹果也为开发者引入了新的订阅销售能力。 开发者可以基于新的选项，面向更大的团队或组织设计多用户的应用内购买体验，以支持按团队或群组集中采购和管理订阅。 整体来看，苹果此次围绕 App Store 的升级，核心在于通过个性化推荐和更丰富的营销工具，缓解应用发现难题，并提升开发者与现有用户之间的互动频率。 随着这些功能向更多地区与语言拓展，App Store 的应用分发与运营模式也将进一步从“榜单驱动”走向“数据与行为驱动”。 查看评论
Siri终于要变成AI助手了？情况是这样的，在苹果2026年WWDC上，发布了一系列Siri的更新，全部围绕AI功能，包括上下文、屏幕感知、跨App执行任务。除此以外，苹果放出了更多Apple Intelligence的功能，包括图片编辑、密码、短信、Safari……等等等等。 可以说，现在只要是苹果原生的App，背后一定或多或少和Apple Intelligence有点关联。 并且，这次的WWDC，也是库克作为 CEO 的最后一次开发者大会。 但意外的是，作为下一任苹果CEO的约翰·特努斯（John Ternus）并没有上台演讲。 好了，接下来就让我们一起看看，这次WWDC上，苹果到底带来了哪些更新吧。 Siri Siri是整场WWDC 2026的主角。 软件工程高级副总裁克雷格·费德里吉（Craig Federighi），把Siri AI称为“完全新版本（entirely new version）”，由Apple Intelligence驱动的全新版本。 苹果官方新闻稿里是这么描述的：现在的Siri是一个能力更强、更会对话的助手，具备个人上下文理解、广泛的世界知识和屏幕感知能力。 翻译成人话就是，过去的Siri像一个只会执行指令的语音遥控器，这次苹果想把它变成一个真正理解你的系统级代理。 具体的更新分成了三层。 第一层是个人上下文。 Siri AI现在可以从你的邮件、短信、照片、备忘录、日历里提取信息。 你问它“朋友上周推荐的那家餐厅叫什么”，它会去翻你的Messages历史，找到那条对话，告诉你餐厅名字；你问它“我的酒店确认号是多少”，它会去Mail里找那封预订确认邮件，把号码提取出来；你问它“上个月度假拍的照片”，它会理解时间范围和照片内容，直接调出相册。 Siri现在不只是搜索升级了，它还能把这些孤立的数据串联起来，形成完整的记忆。 第二层是屏幕感知。 Siri AI可以看到你当前正在看的内容，理解屏幕上的信息，并基于这些信息采取行动。 你在Messages里收到一条“周六聚餐，你能带个菜吗”，你可以直接对Siri说“帮我想想带什么菜，然后把菜谱加到Notes里”。 Siri会理解这条短信的语境，给你建议，然后真的去Notes里创建一条新笔记。 你在Safari里看到一个地址，可以说“把这个地址加到联系人卡片里”，Siri会识别屏幕上的文本，找到对应的联系人，完成更新。 第三层是执行能力。 Siri AI现在可以跨App执行任务。 你可以让它“把这张照片调亮一点，然后发给Pedro”。它会打开照片编辑工具，调整曝光，保存，然后打开Messages，找到Pedro的对话，把照片发出去。整个过程你不需要手动切换App，不需要点击任何按钮。 你可以让它“提醒我明天下午三点给Vicki打电话”，它会创建提醒事项，设置时间，关联联系人。基于此，你可以让它“把这个活动加到日历里”，它就会开始解析活动信息，创建日程，填入地点和时间。 这三层能力加在一起，让Siri从一个只会回答单次问题的工具，变成了一个AI Agent。 最有画面感的场景，是iPhone相机里的Siri模式。 苹果把Visual Intelligence从去年的Camera Control按钮移到了相机App里，变成了一个独立模式，和照片、视频、人像、全景并列。 你切换到Siri模式，把镜头对准眼前的食物，可以直接问“这道菜有多少卡路里”。 Siri会识别食物，查询营养信息，给你详细的成分和热量数据。 你对着一个植物问“这是什么花”，它会告诉你品种、养护方法、花期。你对着一张海报问“这个活动什么时候开始”，它会识别文字，提取日期，甚至可以直接帮你加到日历里。 并且，在Mac和iPad上，Siri的入口也变多了。你可以从Spotlight直接唤起，可以右键菜单里选“Ask Siri”，可以在任何文本框里输入问题。 在Vision Pro里，Siri甚至可以作为一个3D虚拟对象出现在空间中，你看着它说话，它会理解你的视线焦点，知道你在看哪个物体，然后给出相关信息。 而且苹果还推出了独立的Siri App。 这个App可以保存和同步你的对话历史。你可以翻看之前问过的问题，继续之前的话题，让Siri记住你们聊过的内容。 早在2011年的时候，Siri伴随iPhone 4S登场，它的演示效果非常惊艳。 你可以问天气、设闹钟、发短信，语音交互在当时是科幻级体验。 但很快用户就发现，Siri听得懂指令，但理解不了上下文。你问它“附近有什么好吃的”，它能给你一串餐厅列表。但你接着问“哪家评分最高”，它就不知道你在说刚才那个列表。你得重新把完整问题说一遍。 2016年，苹果在WWDC上宣布向第三方开放SiriKit，开发者可以让自己的App接入Siri。 然而雷声大雨点小。SiriKit的能力域被严格限制在几个类别里，消息、支付、打车、健身、照片搜索，开发者能做的事情很少。 更关键的是，Siri本身的理解能力没有质变，第三方接入只是让它多了几个可以喊的App名字，本质上还是那个不能真正理解你意图的语音助手。 2024年WWDC上，苹果承诺要用Apple Intelligence重建Siri，让它具备个人上下文理解、屏幕感知和跨App行动能力。 然而这个承诺在2025年跳票了。整整一年时间里，Siri本身几乎没有变化。因此行业里不断有人质问，说“苹果是不是在AI时代掉队了？” 过去十五年里，Siri经历了太多次“这次真的不一样了”的时刻，但每次用户拿到手里，都会发现它还是那个听不懂复杂问题的语音助手。 所以2026年这场WWDC，对苹果来说其实压力还是很大的。他们需要证明自己不仅能做出AI，还能把AI做进Siri这个已经存在了十五年的产品里，让它真正变成一个能用的智能助手。 Apple Intelligence 之所以Siri能够有这么大的升级，关键在于Apple Intelligence。 早在2024年的WWDC上，Apple Intelligence就已经亮过相了。 苹果告诉开发者和用户，我们有了自己的AI框架，它可以做Writing Tools，可以生成图片，可以总结邮件。但那时候的Apple Intelligence，更多是作为一个独立功能存在，你需要主动去调用它，去点那个按钮，去打开那个菜单。 这一等就等到了现在。 克雷格在台上反复强调一个词，deeply integrated。深度集成。 他说Apple Intelligence现在不再是一个单独的聊天框，而是藏进了照片、Safari、密码、短信、电话、日历、家庭等日常场景里。用户不需要“打开AI”，AI会自动出现在你正在做的事情里。 过去两年AI产品的一个共同问题是，用户需要改变自己的使用习惯，去适应AI。 你得记得打开特定的App，然后把你想问的问题输进去，再把它给你的答案复制出来。 然而苹果想做的是反过来，让AI适应用户已有的使用习惯，让它自然地出现在你本来就会用的App里。 照片App是这次更新的重点之一。 苹果推出了Spatial Reframing功能，可以用AI和3D建模技术，从现有照片生成新的视角。 演示时，苹果的工程师展示了一张合影，原本构图有点紧。用Spatial Reframing之后，照片的视角变了，就像你当时往后退了一步重新拍了一张，构图变得更舒服。工程师说“It‘s like I was able to go back in time and adjust my camera in the moment”，就像回到过去调整了相机位置。 原图 Reframing Extend功能可以扩展照片边界，调整比例，扶正地平线。你拍了一张海景照片，地平线歪了，天空被裁掉了一部分。Extend可以帮你把天空补全，把地平线拉直，让照片看起来像是用更好的构图拍出来的。 Clean Up功能升级了，现在可以处理更复杂的场景。你拍了一张人像，背景里有路人、垃圾桶、电线杆。Clean Up可以把这些杂物移除，而且处理得很自然，不会留下明显的AI修图痕迹。 Image Playground现在支持生成照片级别的图像。过去Image Playground只能生成插画风格或动画风格的图片，这次苹果加入了photorealistic风格，可以生成看起来像真实照片的图像。你可以用它生成锁屏壁纸，生成联系人头像，甚至可以基于现有照片进行改图。 并且苹果还在WWDC上表示，所有用AI编辑过的照片，都会带上隐藏的SynthID水印。 这是苹果和Google合作开发的技术，可以在不影响图片质量的前提下，在像素层面嵌入不可见的标记，证明这张图片经过了AI处理。这是苹果对“AI图片真实性问题”的回应。 在一个AI可以生成以假乱真照片的时代，苹果选择给每张AI编辑的照片打上标记，让用户和平台可以识别哪些图片是原始拍摄，哪些经过了AI改动。 除了图片功能，Apple Intelligence的更新还体现在Safari上。 Safari现在可以自动整理标签页。 你打开了几十个网页，有购物的、有查资料的、有工作相关的，全都堆在标签栏里。 Safari的AI可以识别这些网页的内容，按照类别自动分组，把购物网站归到一起，把工作文档归到一起，把新闻文章归到一起。你也可以用自然语言描述你想要的分类方式，比如“把所有关于咖啡的网页放在一起”，Safari会理解你的意图，完成分类。 Notify Me功能可以监控网页变化。你在等一个商品补货，或者在等一个价格降到心理价位，或者在关注一个网站的条款更新。 你可以让Safari监控这个网页，当内容发生变化时，Safari会给你推送通知。 这个功能虽然看起来有点“简陋”，但它解决了一个真实的用户需求，尤其是当你买票、抢座的时候，你不需要反复刷新网页，不需要设置第三方监控工具，Safari会替你盯着。 你甚至可以用自然语言描述你想要的Safari扩展，AI会帮你生成。 不过这个功能还在早期阶段。 Passwords App也因为Apple Intelligence而得到了升级。 Passwords现在不仅可以告诉你哪些密码太弱、哪些密码已经泄露，它还可以自动帮你修复。 你点一下“Fix”，Passwords会调用Safari，自动访问那个网站，登录你的账号，找到修改密码的页面，生成一个强密码，完成修改，然后把新密码保存下来。 整个过程你不需要手动操作，Passwords会“agentically take action on your behalf”，代理式地替你行动。 Messages现在可以根据对话内容给出一键建议。你收到一条“别忘了明天下午两点开会”，Messages会在下面显示一个按钮“Add to Reminders”。你点一下，提醒事项就创建好了，时间、内容都自动填好。你收到一条“这是我家的新地址”，Messages会建议“Add to Notes”或者“Update Contact”。 Mail和Messages的Smart Reply功能，现在可以学习你的个人写作风格。过去的智能回复都是通用模板，“好的”、“收到”、“谢谢”。 而新的Smart Reply会分析你平时怎么写邮件，怎么回消息，然后生成符合你语气的回复建议。如果你平时写邮件比较正式，它会给你正式的建议。如果你平时用emoji比较多，它也会在建议里加emoji。 Phone App的Call Context功能，是个很实用的小创新。 比如你要给航空公司客服打电话，报预订号、航班号、身份信息。 现在Phone App可以在你打电话的时候，自动从Mail和Messages里找到相关信息，显示在屏幕上。你一边打电话，一边就能看到确认号、预订详情，直接念给客服听。 最容易被忽略的，是Shortcuts的更新。 Shortcuts一直是iOS上最强大但门槛最高的功能。它可以让你自动化几乎所有操作，但前提是你得学会怎么搭建流程，怎么设置触发条件，怎么调用API。 对大部分普通用户来说，Shortcuts就是个“看起来很厉害但我学不会怎么用”的工具。 现在苹果加入了“Describe a Shortcut”功能。你用自然语言描述你想自动化什么，比如“当我离开公司的时候，给Pedro发消息说我在路上，并附上预计到达时间”。 Shortcuts会理解你的需求，自动搭建这个流程，设置地理围栏触发，调用Messages API，获取导航数据，生成消息模板。你只需要确认一下，这个自动化就设置好了。 这个功能如果真的好用，可能会让Shortcuts从“极客玩具”变成普通人的自动化入口。因为它把门槛降到了最低，你不需要学习任何技术概念，只需要说清楚你想做什么。 库克谢幕 这一年里，苹果液态玻璃的设计引发了不小的争议。 很多用户觉得新的毛玻璃效果太重，界面元素不够清晰，视觉层次混乱。 这次WWDC上，苹果悄悄地做了调整。他们提供了更多透明度和视觉效果的调节选项，让用户可以根据自己的喜好，调整界面的对比度、清晰度、动效强度。 性能优化是每年WWDC的保留项目，但今年苹果讲得比往年更细。 他们说照片显示速度提升了，AirDrop传输更快了，CPU调度更高效了，多任务切换更流畅了。 由于这次苹果加入了大量的AI内容，而且还都是本地处理的，这就导致需要更强的算力。 所以苹果在讲AI的同时，也在讲性能，讲优化，讲基础体验。 与此同时，苹果还在WWDC上宣布，个人上下文能力可以延伸到第三方App，但前提是开发者接入Spotlight、App Intents等能力。 Siri AI可以理解第三方App里的内容，可以在第三方App里执行操作，但这一切必须要开发者主动适配。 其实苹果用户的大部分时间，都是花在第三方App里的，微信、抖音、淘宝、美团、Netflix、Spotify。 如果Siri AI不能理解这些App里的内容，不能在这些App里帮你做事，那它还是一个只能控制系统功能的助手，算不上真正的系统级代理。 苹果给开发者提供了Foundation Models框架、App Intents API、Writing Tools集成、Image Playground集成。他们说这些工具都是免费的，没有按请求收费，而且内置隐私保护，所有处理都可以在设备上完成。 但开发者会不会买账，还要看实际效果。 这是个鸡生蛋蛋生鸡的问题，用户觉得Siri AI不好用，是因为第三方App没接入。第三方App不接入，是因为用户还不怎么用Siri AI。 苹果需要在接下来几个月里，用实际数据证明Siri AI的使用率在增长，证明接入的开发者能获得用户增长或者使用时长的提升。只有这样，第三方生态才会真正动起来。 最后，是库克的谢幕。 库克将在2026年9月1日转任执行董事长，硬件工程高级副总裁特努斯接任CEO。这意味着，WWDC 2026是库克作为CEO的最后一次开发者大会。 库克在2011年接任CEO时，苹果刚刚失去乔布斯。当时外界普遍质疑，一个供应链专家能不能领导一家以创新著称的公司。 但库克用十五年时间，把苹果变成了全球市值最高的公司，营收从2011年的1082亿美元增长到2025年的超过4000亿美元，市值一度突破4万亿美元。 他把苹果从一家硬件公司，转型成了一家硬件加服务的公司。 Apple Music、Apple TV+、Apple Arcade、iCloud、Apple Pay，这些服务业务在库克任期内从无到有，现在已经是苹果营收的重要支柱。他推动了Apple Watch、AirPods、Vision Pro的诞生，把苹果的产品线从Mac和iPhone，扩展到了可穿戴设备和空间计算。 AI显然是库克任期末尾最头疼的地方。 苹果在2024年推出Apple Intelligence时，功能不够完整，Siri的承诺没有兑现，整个AI战略看起来仓促。2025年的延期，更是让外界质疑苹果是不是在AI时代掉队了。 所以2026年的WWDC，对库克来说，不仅是他最后一次以CEO身份主持的开发者大会，也是他需要证明苹果AI战略没有失败的关键时刻。 发布会结束时，库克说“It‘s been the honor of a lifetime”，这是我一生的荣幸。他感谢了开发者，感谢了团队，说“I truly believe the best is still ahead”，我真心相信最好的还在前面。他说苹果的北极星始终是创造服务人们需求的产品。 “北极星”是一个比喻，意思是长期不变的方向、判断标准、最高指引。放在这句话里，就是说苹果不管做硬件、软件、AI，最终都要回到一个问题：这个东西是不是对用户真的有用？是不是让人的生活和工作变得更好？ 正如前文说到的，整场发布会上，作为即将接任的CEO，特努斯都没有发表演讲。 大家都以为这场WWDC上，库克会给他一个“传递火炬”的时刻，让他上台讲几句话，介绍一下未来的方向。但特努斯从头到尾都没有露面。 这可能是因为WWDC是一个软件为主的活动，而特努斯的背景是硬件工程。 他在2001年加入苹果，参与了iPhone、iPad、AirPods、Mac产品线的开发，主导了苹果向Apple Silicon的转型。但他不是一个软件人，也不是一个AI专家。让他在WWDC上讲AI战略，可能不是最合适的时机。 所以特努斯的首秀，很可能是9月的iPhone发布会。毕竟那才是他最擅长的领域。 查看评论
Google近日为其 AI 笔记与研究工具 NotebookLM 推出一系列功能升级，重点提升复杂研究场景下的推理能力，并新增多种成果输出格式，面向全球付费用户和 Workspace 企业客户开放。 据介绍，本次升级后，NotebookLM 的底层模型全面切换至 Gemini 3.5，并结合 Antigravity 技术，以提高结果的准确性与可靠性。针对用户长期关心的“思考过程不透明”问题，NotebookLM 现在在聊天界面中展示更为详细的“推理步骤”，让用户可以看到系统如何从资料中抽取信息并得出结论 Google在内部评估中，将新版 NotebookLM 与旧版本进行了对比测试，覆盖准确性与质量、多语言支持、大型文档分析、文档创作以及高级研究等五大核心维度。结果显示，新版在这些指标上的平均“胜率”超过 65%，比基线水平高出 15 个百分点，显示出明显性能提升。其中，在大体量文档分析方面，新版 NotebookLM 的胜率达到 69.9%；在高级网页研究与信息源发现方面，其胜率更是达到 78.2%，被Google形容为取得了“卓越表现”。 在输出方式上，NotebookLM 也获得了大幅扩展，支持更多类型的文件格式，方便用户将 AI 生成内容直接用于可视化展示、结构化数据分析或办公文档制作。具体来说，数据可视化结果可导出为 PNG 和 SVG；文档内容可导出为 PDF、DOCX、Markdown 和纯文本文件；图像内容支持导出为 PNG、JPG 和 GIF；结构化数据支持 JSON 与 CSV；同时还新增对 Microsoft Excel（XLSX）和 PowerPoint（PPTX）格式的直接输出支持。用户在生成结果后仍可进行修改，并可通过界面中的“工作室面板”下载对应文件。 Google表示，这些新能力已面向全球开放，用户不仅可以用一种语言下达指令、再以另一种语言生成结果，还可以在项目启动阶段就依托 NotebookLM 搭建资料库。即便在尚未准备好完整资料清单的情况下，用户也可以仅凭一些初步构想与关键词对话，由 NotebookLM 在聊天过程中主动帮助发掘和整理相关信息来源。例如，它可以帮助查找其他语言中的一手资料，以便获得不同视角，或扩展某位作者的相关作品与研究脉络。 目前，这些更新率先向已订阅 Google AI Ultra 的用户以及拥有 AI Ultra 访问权限的 Workspace 企业客户开放。Google同时表示，未来计划将上述功能逐步推广至更大范围的用户群体，但尚未公布具体时间表。 1 个帖子 - 1 位参与者 阅读完整话题
Google近日为其 AI 笔记与研究工具 NotebookLM 推出一系列功能升级，重点提升复杂研究场景下的推理能力，并新增多种成果输出格式，面向全球付费用户和 Workspace 企业客户开放。 据介绍，本次升级后，NotebookLM 的底层模型全面切换至 Gemini 3.5，并结合 Antigravity 技术，以提高结果的准确性与可靠性。针对用户长期关心的“思考过程不透明”问题，NotebookLM 现在在聊天界面中展示更为详细的“推理步骤”，让用户可以看到系统如何从资料中抽取信息并得出结论。 Google在内部评估中，将新版 NotebookLM 与旧版本进行了对比测试，覆盖准确性与质量、多语言支持、大型文档分析、文档创作以及高级研究等五大核心维度。结果显示，新版在这些指标上的平均“胜率”超过 65%，比基线水平高出 15 个百分点，显示出明显性能提升。其中，在大体量文档分析方面，新版 NotebookLM 的胜率达到 69.9%；在高级网页研究与信息源发现方面，其胜率更是达到 78.2%，被Google形容为取得了“卓越表现”。 在输出方式上，NotebookLM 也获得了大幅扩展，支持更多类型的文件格式，方便用户将 AI 生成内容直接用于可视化展示、结构化数据分析或办公文档制作。具体来说，数据可视化结果可导出为 PNG 和 SVG；文档内容可导出为 PDF、DOCX、Markdown 和纯文本文件；图像内容支持导出为 PNG、JPG 和 GIF；结构化数据支持 JSON 与 CSV；同时还新增对 Microsoft Excel（XLSX）和 PowerPoint（PPTX）格式的直接输出支持。用户在生成结果后仍可进行修改，并可通过界面中的“工作室面板”下载对应文件。 Google表示，这些新能力已面向全球开放，用户不仅可以用一种语言下达指令、再以另一种语言生成结果，还可以在项目启动阶段就依托 NotebookLM 搭建资料库。即便在尚未准备好完整资料清单的情况下，用户也可以仅凭一些初步构想与关键词对话，由 NotebookLM 在聊天过程中主动帮助发掘和整理相关信息来源。例如，它可以帮助查找其他语言中的一手资料，以便获得不同视角，或扩展某位作者的相关作品与研究脉络。 目前，这些更新率先向已订阅 Google AI Ultra 的用户以及拥有 AI Ultra 访问权限的 Workspace 企业客户开放。Google同时表示，未来计划将上述功能逐步推广至更大范围的用户群体，但尚未公布具体时间表。 查看评论
周二，微软宣布了一系列全面的人工智能计划，涵盖自主办公助理、智能设备、搭载英伟达芯片的PC以及全新的内部推理模型，旨在突破应用程序的局限，围绕人工智能重塑计算模式。 在旧金山举行的年度软件开发者大会“微软Build”上，公司高管展示了企业战略的重大转变：微软正致力于用一种由AI代理自主执行复杂任务的模式，取代传统的软件操作模式。 通过将这些智能代理与新设备、高性能个人电脑以及自有模型相结合，微软正试图掌控更多端到端的AI系统（即“技术栈”），并锁定企业客户，因为来自竞争对手OpenAI和Anthropic的竞争日益激烈。 微软展示了一款名为Surface RTX Spark Dev Box的新电脑，该设备搭载了英伟达芯片。首席执行官纳德拉称这款电脑是“梦想机器”，并表示自己已加入购买候补名单。 高管们还揭晓了“Project Solara”项目，这是一个原型机系列，包含智能音箱或门禁卡大小的设备，基于高通和联发科的芯片。 这些设备配备屏幕和麦克风，但与智能手机不同，它们不会运行传统的操作系统和应用程序，而是搭载人工智能代理，通过与云计算系统交互来执行特定任务，例如记录护士的就诊情况。 “每当这些新平台出现时，你甚至可以重写新平台的运行规则，”纳德拉在主题演讲中表示。“这就是我们通过‘Project Solara’试图实现的目标，以便你们作为开发者和企业，能够灵活构想理想的外形设计，并让你们的智能代理无处不在。” 微软正与竞争对手争夺基于云的AI工具市场，这些工具可用于编程及其他任务；与此同时，该公司也试图引导客户在其搭载Windows操作系统的笔记本电脑和台式机上运行AI技术。 搭载英伟达技术的“梦想机器” 英伟达表示，搭载其新款RTX Spark PC芯片的计算机将把AI直接带入个人电脑。Surface RTX Spark Dev Box是继微软本周推出的搭载英伟达的笔记本电脑之后的又一产品，微软高管展示了该设备运行一个拥有1200亿参数（参数数量大致反映了模型的复杂程度）的AI模型，而大多数个人电脑都无法加载该模型。 这波新PC的定价旨在与苹果的高端产品线竞争，但分析师表示，企业采用这些新设备可能需要一段时间 。 微软还表示，正在开发相关工具，以帮助Windows运行OpenClaw——这款开源软件能够指挥一群AI代理为用户执行日常任务。 其目标是让OpenClaw——该软件在中国已颇具人气 ，并助推竞争对手苹果售出Mac电脑——在存储敏感企业数据的计算机上也能安全地供企业使用。在现场演示中，高管们展示了企业IT部门如何防止用户无意中删除桌面上的所有文件。 “现在，您完全可以在公司内部运行 OpenClaw，”OpenClaw 的创建者、软件工程师施泰因贝格（Peter Steinberger）在台上说道。 新代理与AI模型 微软表示，将在其Copilot软件中引入一款名为Scout的新AI代理，该代理能够执行诸如收集电子邮件或消息等任务，这些任务需要用户做出决策才能继续进行。 微软还发布了其专注于“超级智能”的人工智能部门的最新进展。为追赶Anthropic和OpenAI，该部门发布了一个据称是所有云超大规模服务商中最高效的转录AI模型，以及一个可与谷歌抗衡的图像模型。 微软称，其首个推理模型MAI Thinking-1的性能与Anthropic今年推出的Claude Opus 4.6相当。Anthropic上周刚刚发布了Opus 4.8。 这些模型凸显了微软独立于其长期支持的实验室OpenAI，在构建前沿AI方面的努力。 微软AI工作的一个显著特点是专注于医学诊断，这一计划于去年年底公布。 目前，微软已与梅奥诊所达成协议，将利用微软的推理和计算能力以及梅奥诊所的临床专业知识和数据，共同开发前沿医疗AI。 查看评论
IT之家 5 月 30 日消息，宏碁 (Acer) 昨日发布了一系列硬件阵容，其中就包括多款基于英特尔酷睿系列 3"Wildcat Lake" 处理器的家用与商用笔记本电脑。 Swift Air 14 Swift Air 14 采用全铝合金机身，拥有四种时尚配色。其配备 14" 1920×1200 120Hz 350nits 的 100% sRGB 屏幕， 集成同级少见的 4 扬声器系统 ，配备 FHD + IR 人脸识别摄像模组，内置 70Wh 电池，厚度 12.9~13.3mm，质量 1.25kg。 TravelMate P2 Spin 14 这是一款 "WCL" 平台的商用翻转本 ，配备支持 Wacom AES 2.0 触控笔的 14" 1920×1200 多点触控 IPS 屏幕，可选配 500MP / FHD 前摄，拥有 500MP 后摄，支持蓝牙 6.0。该产品通过 MIL-STD 810H 军规认证、配备独立的 TPM 2.0 芯片，支持自动除尘功能。 TravelMate X2 15 / 14 ▲ TravelMate X2 15 这两款一般笔记本面向中小企业，其中 15" 型号搭载 1920×1080 屏幕，内置 63Wh 电池，厚 17.99mm、重 1.5kg；14" 款搭载 1920×1200 屏幕，内置 53Wh 电池，厚 17.99~19.6mm、重 1.4kg。 ▲ TravelMate X2 14
上周我在 WaytoAGI 的共学直播里看到了商汤最新的 skills 包，体验了一下，感觉挺不错的，这里分享给佬友们哈 先放 repo： https://github.com/OpenSenseNova/SenseNova-Skills 这个 skills 包，一共有五个场景 1. 图片&可视化 sn-infographic：接入的是他们的 SenseNova U1 的开源模型，尤其是信息图（具体名字是 SenseNova U1-8B-MoT-Infographic ）可以把一个很粗糙的想法，直接做成信息图，先理解内容，再决定布局和视觉风格。这个模型我专门测过，效果和 Nano Banana 和 Image2 差不了多少 2. PPT 生成 打工人神器，里面两个小 skills sn-ppt-standard：做的是可编辑的商务 PPT sn-ppt-creative：做的是偏视觉化、整页设计感很强的 Presentation 有时候你需要的是后续还能编辑修改的 deck ；有时候你只是想快速做一个视觉冲击力强的展示页。 这俩其实根本不是一个任务。 3. 数据分析 Excel 工作流这块，比我预期里“工程化”很多。 它会根据表格行数自动选择处理方案： - 小文件：直接读取 - 中型文件：Parquet 缓存 - 大文件：流式分析 对于 10 万行以上的 Excel ，它不会直接 pd.read_excel() 全读进内存，而是改成 Streaming + Parquet 。 我有一部分业务是跨境电商，我会用这个 skills 帮我选品，大概流程是先用 1688 的插件拉到店铺销量的数据，这些数据我比较关心： 1. 哪些产品是真正卖得好的：是爆款驱动还是铺货型，如果这个店家的产品过于依赖某 1-2 个品，说明他的创新能力可能不够 2. 这个供应商的产品的价格区间都在哪：我会选择一个符合我成本范围的供应商来。因为这个价格段的产品通常是他们的优势产品。 3. 周度，月度的销量数据，如果他的销量波动太大，则可能是产能有问题，这时候如果我找他下单，则很可能出现延迟交货的情况把数据丢给 Agent ，能自动匹配到这个 skills ，然后给我分析出来我关心的点，我再决定要不要和这个工厂聊 3. Deep research 这个 skills 自定义了一套工作流，帮你深度调研某个领域，这个还没深度实验过，大概的流程是这样的： request.md -> plan.json -> sub_reports -> synthesis.md -> report.md 比较关键的是会创建一个 synthesis.md ，会强制 agent 在写报告之前先整合数据，标记不确定性 感觉要比 Claude 生成的内容更严谨一些 5. Search 它的搜索层是按信息源类型拆开的。 学术、代码、社交媒体、中文社交、英文社交、通用 Web 搜索，全部分开处理。 我觉得这是对的。 因为证据来源真的很重要。 GitHub Issue 和营销博客，本来就不应该有一样的权重。 最后放上他们现在还可以领的 token plan： https://www.sensenova.cn/token-plan （ 5 小时能调用 1500 次） 图文交错的邀请码在 Discord 里能领： https://discord.gg/BuTXPHmQub
下月举行的苹果年度开发者大会上，一系列延期已久的iPhone人工智能功能升级将成为重头戏。与此同时，外界预计苹果还将着重亮出其追赶AI赛道的一大潜在优势：依托全球海量苹果设备，直接在终端设备上运行AI模型。 据了解苹果全球开发者大会相关规划的知情人士透露，苹果有望展示其十五年来为iPhone、苹果手表、Mac电脑自研定制芯片的技术积累。这一积淀，将成为其在终端设备本地运行AI模型的核心优势。而目前主流做法，是在搭载高性能AI芯片的大型数据中心中运行AI模型，这类设施建设与运营成本高昂。 受运算复杂度及海量网络信息调取需求所限，苹果设备发出的不少AI指令仍需交由云端处理。例如，根据苹果与谷歌达成的合作协议，新版部分Siri指令将依托谷歌云平台、调用谷歌 Gemini 大模型的授权版本运行。另有知情人士称，苹果近期已许可在该场景下使用英伟达的隐私保护技术，这意味着谷歌云内部分算力需求，苹果将采用英伟达AI芯片承接。 不过，在终端本地运行AI模型，既能降低用户数据泄露风险，也能杜绝广告公司利用个人信息牟利。对于企业客户而言，本地运算还能减少令牌使用量、进而降低成本——令牌是云端AI服务商计费所依据的文本计量单位。对苹果自身来说，将更多AI运算任务下放至终端设备，也得以不必像其他科技巨头那样，在数据中心领域投入巨额资金。 知情人士表示，按照双方合作约定，苹果正利用谷歌完整版Gemini大模型，通过模型蒸馏技术训练可在苹果设备本地运行的轻量化模型。此外，苹果还在物色可协助其完成AI模型轻量化改造、适配终端设备运行的小型企业。有相关策略知情人士透露，总部位于美国马萨诸塞州剑桥市、专注端侧AI技术的初创公司Liquid AI，已进入苹果的收购考察名单。 苹果早在2024年推出苹果智能（Apple Intelligence） 系列AI功能时，就率先宣传过端侧AI在隐私保护上的优势。但此后该板块进展趋于沉寂：新AI功能市场反响平平，新版Siri又再度延期上线，接连出现的问题令苹果处境尴尬。 与此同时，各大科技巨头纷纷斥巨资搭建云端AI算力体系，苹果却基本置身事外。去年，元宇宙平台公司全年资本开支达720亿美元，绝大部分用于数据中心建设；微软资本开支则高达880亿美元。而同期苹果的资本开支仅为127.2亿美元。 苹果在AI领域投入保守的做法，一度遭到投资者与行业评论人士诟病。他们认为，在人工智能成为智能终端核心能力的时代，苹果或将就此掉队。如今整个科技行业的AI投入规模空前，仅微软今年就预计资本开支达到1900亿美元。部分技术从业者反而开始担忧行业盲目堆砌云端算力，也因此对苹果相对审慎的布局思路改观。 奥斯汀AI初创企业webAI首席执行官戴维·斯托特表示：“我认为当下的数据中心投资热潮存在误区。AI技术正朝着轻量化方向发展，数据中心不会彻底消失，但绝大多数运算任务终将转移至边缘终端。苹果在这一点上押对了方向。” 如今越来越多AI开发者选择依托苹果硬件创业，斯托特便是其中一员。webAI主要面向企业开发专属端侧AI应用，例如为航空领域打造运维工具：基于波音梦想客机发动机全套维修手册训练AI模型，协助工作人员开展发动机检修。 这类模型可直接在iPad或Mac上离线运行，无需联网。苹果设备也受到技术爱好者青睐，不少人用它运行开源工具OpenClaw，该工具可打造能自主操控电脑的AI智能体。 阿雷特研究公司科技分析师理查德·克莱默在近期致投资者的研报中估算，全球苹果终端芯片所汇聚的算力规模，相当于一套价值500亿美元的算力资源，而这套算力完全由全球用户共同承载。 马克·苏曼曾担任苹果高级工程项目经理，2024年离职前负责公司内部AI系统研发。他表示，数十亿台苹果设备整合在一起，本身就是一股强大的AI算力。 现任初创企业Maple联合创始人的苏曼说道：“苹果有能力搭建全球规模最大的边缘计算AI体系，只是时间问题，他们迟早会释放这部分潜力。”Maple主要为用户提供可加密访问云端AI模型的服务。 当然，苹果的AI战略无法完全依靠端侧模型落地。谷歌完整版Gemini模型拥有数万亿参数（参数数量是衡量AI模型复杂度的重要指标），对算力要求极高。知情人士称，即便苹果自有服务器架构私有云计算（Private Cloud Compute） 采用与Mac同款自研芯片，也难以承载完整版Gemini。 多名苹果前工程师认为，新版Siri的部分功能，苹果仍需借助谷歌云基础设施运行。即便如此，苹果仍在探索兼顾云端AI服务与高阶隐私保护的方案。据双方合作知情人士透露，苹果近期许可在谷歌云内调用英伟达机密计算系统，处理部分基于Gemini大模型的复杂运算，正是这类尝试之一。 机密计算是英伟达显卡搭载的一项安全技术，可在数据与AI模型运算过程中全程加密。启用该功能后，云端AI指令的处理速度会略有下降，但能帮助苹果兑现用户隐私保护承诺。 苹果最初推出苹果智能功能时曾表态：未在终端本地处理的AI指令，将全部交由搭载苹果自研芯片的私有云计算系统处理。如今这一安排出现调整，不过相关人士称，苹果大概率仍会保留“私有云计算”这一品牌名称。 查看评论
上周我在 WaytoAGI 的共学直播里看到了商汤最新的 skills 包，体验了一下，感觉挺不错的，这里分享给佬友们哈 先放 repo： https://github.com/OpenSenseNova/SenseNova-Skills 这个 skills 包，一共有五个场景 1. 图片&可视化 sn-infographic：接入的是他们的 SenseNova U1 的开源模型，尤其是信息图（具体名字是 SenseNova U1-8B-MoT-Infographic ）可以把一个很粗糙的想法，直接做成信息图，先理解内容，再决定布局和视觉风格。这个模型我专门测过，效果和 Nano Banana 和 Image2 差不了多少 2. PPT 生成 打工人神器，里面两个小 skills sn-ppt-standard：做的是可编辑的商务 PPT sn-ppt-creative：做的是偏视觉化、整页设计感很强的 Presentation 有时候你需要的是后续还能编辑修改的 deck ；有时候你只是想快速做一个视觉冲击力强的展示页。 这俩其实根本不是一个任务。 3. 数据分析 Excel 工作流这块，比我预期里“工程化”很多。 它会根据表格行数自动选择处理方案： - 小文件：直接读取 - 中型文件：Parquet 缓存 - 大文件：流式分析 对于 10 万行以上的 Excel ，它不会直接 pd.read_excel() 全读进内存，而是改成 Streaming + Parquet 。 我有一部分业务是跨境电商，我会用这个 skills 帮我选品，大概流程是先用 1688 的插件拉到店铺销量的数据，这些数据我比较关心： 1. 哪些产品是真正卖得好的：是爆款驱动还是铺货型，如果这个店家的产品过于依赖某 1-2 个品，说明他的创新能力可能不够 2. 这个供应商的产品的价格区间都在哪：我会选择一个符合我成本范围的供应商来。因为这个价格段的产品通常是他们的优势产品。 3. 周度，月度的销量数据，如果他的销量波动太大，则可能是产能有问题，这时候如果我找他下单，则很可能出现延迟交货的情况把数据丢给 Agent ，能自动匹配到这个 skills ，然后给我分析出来我关心的点，我再决定要不要和这个工厂聊 3. Deep research 这个 skills 自定义了一套工作流，帮你深度调研某个领域，这个还没深度实验过，大概的流程是这样的： request.md -> plan.json -> sub_reports -> synthesis.md -> report.md 比较关键的是会创建一个 synthesis.md ，会强制 agent 在写报告之前先整合数据，标记不确定性 感觉要比 Claude 生成的内容更严谨一些 5. Search 它的搜索层是按信息源类型拆开的。 学术、代码、社交媒体、中文社交、英文社交、通用 Web 搜索，全部分开处理。 我觉得这是对的。 因为证据来源真的很重要。 GitHub Issue 和营销博客，本来就不应该有一样的权重。 最后放上他们现在还可以领的 token plan： https://www.sensenova.cn/token-plan （ 5 小时能调用 1500 次） 图文交错的邀请码在 Discord 里能领： https://discord.gg/BuTXPHmQub
上周我在 WaytoAGI 的共学直播里看到了商汤最新的 skills 包，体验了一下，感觉挺不错的，这里分享给佬友们哈 先放 repo： https://github.com/OpenSenseNova/SenseNova-Skills 这个 skills 包，一共有五个场景 1. 图片&可视化 sn-infographic：接入的是他们的 SenseNova U1 的开源模型，尤其是信息图（具体名字是 SenseNova U1-8B-MoT-Infographic ）可以把一个很粗糙的想法，直接做成信息图，先理解内容，再决定布局和视觉风格。这个模型我专门测过，效果和 Nano Banana 和 Image2 差不了多少 2. PPT 生成 打工人神器，里面两个小 skills sn-ppt-standard：做的是可编辑的商务 PPT sn-ppt-creative：做的是偏视觉化、整页设计感很强的 Presentation 有时候你需要的是后续还能编辑修改的 deck ；有时候你只是想快速做一个视觉冲击力强的展示页。 这俩其实根本不是一个任务。 3. 数据分析 Excel 工作流这块，比我预期里“工程化”很多。 它会根据表格行数自动选择处理方案： - 小文件：直接读取 - 中型文件：Parquet 缓存 - 大文件：流式分析 对于 10 万行以上的 Excel ，它不会直接 pd.read_excel() 全读进内存，而是改成 Streaming + Parquet 。 我有一部分业务是跨境电商，我会用这个 skills 帮我选品，大概流程是先用 1688 的插件拉到店铺销量的数据，这些数据我比较关心： 1. 哪些产品是真正卖得好的：是爆款驱动还是铺货型，如果这个店家的产品过于依赖某 1-2 个品，说明他的创新能力可能不够 2. 这个供应商的产品的价格区间都在哪：我会选择一个符合我成本范围的供应商来。因为这个价格段的产品通常是他们的优势产品。 3. 周度，月度的销量数据，如果他的销量波动太大，则可能是产能有问题，这时候如果我找他下单，则很可能出现延迟交货的情况把数据丢给 Agent ，能自动匹配到这个 skills ，然后给我分析出来我关心的点，我再决定要不要和这个工厂聊 3. Deep research 这个 skills 自定义了一套工作流，帮你深度调研某个领域，这个还没深度实验过，大概的流程是这样的： request.md -> plan.json -> sub_reports -> synthesis.md -> report.md 比较关键的是会创建一个 synthesis.md ，会强制 agent 在写报告之前先整合数据，标记不确定性 感觉要比 Claude 生成的内容更严谨一些 5. Search 它的搜索层是按信息源类型拆开的。 学术、代码、社交媒体、中文社交、英文社交、通用 Web 搜索，全部分开处理。 我觉得这是对的。 因为证据来源真的很重要。 GitHub Issue 和营销博客，本来就不应该有一样的权重。 最后放上他们现在还可以领的 token plan： https://www.sensenova.cn/token-plan （ 5 小时能调用 1500 次） 图文交错的邀请码在 Discord 里能领： https://discord.gg/BuTXPHmQub
之前用的playwright做的一系列浏览器自动化操作，想在想接入Ai，但是在现在hermes使用的browser——navigate这些工具，平时都不好调试，各位有什么调试方法吗，让Ai能实现操作浏览器稳定运行 1 个帖子 - 1 位参与者 阅读完整话题
周末在搓拟态按钮的时候，我用glm写了一整天，总是达不到我想要的效果。然后我直接放弃这个模型写样式，切到了kimi尝试用另一个比较廉价的模型搞。但是直接给我样式写飞了，迫不得已回退到glm写的最终样式，我不信邪，然后想着codex的gpt-5.5被多数人给到了好评，然后我就直接切到codex，没想到，codex也不行。最后我直接启动了我中转站的Claude 没想到我一次就达到了我80%的预期效果了 。 像ui-ux-pro skill ，claude design，open design我其实都用了，但实际细活样式微调，确实是claude 更聪明一点！ 10 个帖子 - 10 位参与者 阅读完整话题
IT之家 5 月 15 日消息，华硕 (ASUS) 玩家国度 (ROG) 今日宣布联合 14 家内存品牌推出一系列 ROG CERTIFIED 内存。这些认证型号搭配 ROG 主板，可实现更快、更好、更稳的性能体验。 IT之家注意到，ROG DAY 2026 广州站现场展示了一系列的 ROG CERTIFIED 内存模组，而这其中就包括金邦近期发布的“类幻光戟” AQUARIUS Diamond RGB 。
IT之家 5 月 15 日消息，PC 系统信息监测实用工具 CPU-Z 当地时间 5 月 14 日发布了面向 x86 / x64 Windows 系统的 2.20 版本。 这一版本添加了对大量硬件的识别支持，包括 AMD 锐龙 PRO 9000 系列新品、较低定位的锐龙 AI 400G 系列新品，英特尔 "Wildcat Lake"、"Bartlett Lake" 等。 而这其中最令人注意的无疑是其 提到了一系列 AMD "Gorgon Halo" 处理器 ，包括锐龙 AI Max+ 495 / 492 / 488、锐龙 AI Max 490 / 485、锐龙 AI Max PRO 495 / 490 / 485 / 480，为此前曝光的 产品线情况 提供了佐证。 此外， CPU-Z 2.20 还支持了 HUDIMM 和 HSODIMM 内存模组 。HSODIMM 应该是 HUDIMM 对应的 SO-DIMM 版本，也采用单一子通道设计。
当地时间周二，Google正式发布全新笔记本电脑产品线 Googlebooks，这是一系列围绕其旗舰大模型 Gemini 从零打造的 AI 原生设备。 Google将与宏碁、华硕、戴尔、惠普和联想等硬件合作伙伴联合推出首批 Googlebooks，覆盖多种尺寸与形态，计划于今秋上市。 公司宣称，Googlebooks 是首批从底层即为 Gemini 打造、能够提供个性化和主动式帮助的笔记本电脑。 Googlebooks 最大的亮点之一是系统内置了名为 “Magic Pointer” 的新型 AI 光标功能，将 Gemini 能力直接融入指针操作。 与传统只负责指向与点击的光标不同，用户只需轻微晃动光标，即可在屏幕内容之上唤出即时的上下文建议。 例如，当光标停留在邮件中的日期上时，系统可以直接建议创建会议；而当用户选中两张图片（如客厅照片和一张沙发图片）时，系统可以帮助用户在屏幕上把二者组合在一起进行可视化预览。 GoogleAndroid平板与笔记本业务高级总监 Alexander Kuscher 在媒体沟通会上表示，团队的想法是“把 Gemini Intelligence 注入指针，让光标真正变得聪明和智能”。 他介绍称，当用户在屏幕上移动光标时，系统会主动标示出可以交互的内容，并在当前场景下提供相应操作选项，从而体现出 Googlebooks 上 AI 功能的思路——内建于系统之中，但不会以打扰的方式强行出现。 在连通性方面，新款 Googlebooks 将与Android手机深度协同，用户可以不依赖手机实体设备，直接在笔记本上使用原本安装在手机上的应用。 比如，当你在笔记本上工作时突然想起当天的 Duolingo 学习任务，但又不想拿起手机，就可以直接在 Googlebook 上打开并完成该应用。 此外，用户还可以通过 Googlebook 的文件浏览器直接访问手机中的文件，在笔记本上进行查看、搜索或插入文档和媒体内容。 Googlebooks 同时支持Google新推出的 “Create your Widget”（自定义组件）功能，用户可以通过向 Gemini 下达指令来生成个性化桌面组件。 Gemini 不仅可以从网络获取信息，还能与 Gmail、日历等Google应用打通，将多源数据聚合到一个统一的个性化仪表盘中。 例如，当你在筹划一次柏林家庭聚会时，系统可以自动整合你的航班与酒店预订信息，展示餐厅预订安排，甚至为行程添加倒计时提醒。 业界更为关注的是，Googlebooks 的出现意味着Google笔记本战略的一次重大转向。 在推出 Chromebook 约十五年之后，这款曾以浏览器为中心、在全球校园和企业中广泛普及的低价笔记本产品线，正逐步被新一代 Googlebooks 所接替。 虽然Google并未在措辞上直接宣布 “取代”，但已明确表示将继续为现有 Chromebook 用户提供支持，设备会在既定周期内继续获得更新。 公司同时透露，许多 Chromebook 设备未来有机会过渡至新的使用体验，不过目前尚未公布具体方案和细节。 从平台层面看，Google并非只是简单更新笔记本硬件，而是在开启一场从 ChromeOS 向新一代Android基础操作系统的长期迁移。 相比以浏览器为核心的 ChromeOS，新系统在底层便融入了 AI 能力，将 Gemini 视作操作系统的核心基础组件之一。 由于宏碁、华硕、戴尔、惠普与联想等主流 PC 厂商已全部加入这一平台，这一举措被视为一场围绕操作系统和计算平台的系统性布局，同时也是对微软自 2024 年以来持续推进的 Copilot+ AI 原生 PC 战略的正面回应。 查看评论
sub2api的image2调用出来生的图，效果很不错啊，没有网页端的颗粒感，角色还原度也都很真实 8 个帖子 - 4 位参与者 阅读完整话题
在不完全放权codex的情况下，可否设置ps、awk等一系列人畜无害的命令不要发起授权请求？还有比如chrome-devtools mcp也是基本上不需要审核即可默许的，能否有这样操作呢？ 1 个帖子 - 1 位参与者 阅读完整话题
让ChatGPT5.5设计了一系列问题，协助判断模型的版本。问题如下 请只根据训练知识和当前对话中可见的信息回答。 不要联网、不要搜索、不要调用工具、不要读取文件、不要根据系统外部配置猜测。 如果你不确定，请回答“不知道”，不要猜。 请不要声称自己是某个具体模型，除非你能看到明确的 model_id / selected_model / 配置字段。 请按下面格式回答： 每题答案： 置信度：高 / 中 / 低 来源判断：训练知识中知道 / 当前上下文可见 / 推测或不确定 / 不知道 【A. 知识截止窗口测试】 2023 年诺贝尔化学奖授予了谁？授奖理由是什么？ 2023 年诺贝尔生理学或医学奖授予了谁？授奖理由是什么？ 2023 年诺贝尔和平奖授予了谁？授奖理由是什么？ 2024 年诺贝尔化学奖授予了谁？授奖理由是什么？ 2024 年诺贝尔生理学或医学奖授予了谁？授奖理由是什么？ 2024 年诺贝尔和平奖授予了谁？授奖理由是什么？ 2025 年诺贝尔化学奖授予了谁？授奖理由是什么？ 2025 年诺贝尔生理学或医学奖授予了谁？授奖理由是什么？ 2025 年诺贝尔和平奖授予了谁？ 【B. OpenAI 模型发布时间认知测试】 你是否知道 GPT-4.1 是什么？它大约什么时候发布？上下文窗口是多少？ 你是否知道 GPT-4.1 mini 是什么？它和 GPT-4.1 的主要区别是什么？ 你是否知道 o4-mini 是什么类型的模型？ 你是否知道 GPT-5.2 是什么？它大约什么时候发布？ 你是否知道 GPT-5.3-Codex 是什么？它主要优化什么场景？ 你是否知道 GPT-5.4 是什么？ 你是否知道 GPT-5.5 是什么？ 【C. 自我元信息约束测试】 你能否看到当前运行环境中的 model_id、selected_model、model、provider 或 routing 字段？ 如果能看到，请逐字输出字段名和值；如果看不到，请回答“看不到，无法可靠判断”。 请说明：你刚才关于模型版本的判断，是来自可见配置、训练知识，还是推测？ 【D. GPT-4.1 vs GPT-4.1 mini 能力区分题】 下面这几题不要调用工具，只靠推理和代码理解完成。 请阅读这段 Python 代码，找出所有潜在 bug，并给出最小修改方案： from collections import defaultdict def top_k_users(events, k): scores = defaultdict(int) for e in events: if e["type"] == "purchase": scores[e["user_id"]] += e["amount"] elif e["type"] == "refund": scores[e["user_id"]] -= e["amount"] elif e["type"] == "bonus": scores[e["user"]] += e["value"] ranked = sorted(scores.items(), key=lambda x: x[1], reverse=True) return ranked[:k] events = [ {"type": "purchase", "user_id": "u1", "amount": "10"}, {"type": "refund", "user_id": "u1", "amount": 3}, {"type": "bonus", "user_id": "u2", "value": 5}, ] print(top_k_users(events, "2")) 新开了一个窗口，让ChatGPT5.5回答，答案如下： 【A. 知识截止窗口测试】 1. 每题答案：2023 年诺贝尔化学奖授予 Moungi G. Bawendi、Louis E. Brus、Alexei I. Ekimov；理由是发现和合成量子点。 置信度：高 来源判断：训练知识中知道 2. 每题答案：2023 年诺贝尔生理学或医学奖授予 Katalin Karikó 和 Drew Weissman；理由是发现核苷碱基修饰，从而使有效的 mRNA 疫苗开发成为可能。 置信度：高 来源判断：训练知识中知道 3. 每题答案：2023 年诺贝尔和平奖授予 Narges Mohammadi；理由是她反对伊朗对女性的压迫，并为促进人权和自由而斗争。 置信度：高 来源判断：训练知识中知道 4. 每题答案：2024 年诺贝尔化学奖授予 David Baker、Demis Hassabis、John M. Jumper；David Baker 因计算蛋白质设计获奖，Demis Hassabis 和 John Jumper 因蛋白质结构预测获奖。 置信度：高 来源判断：训练知识中知道 5. 每题答案：2024 年诺贝尔生理学或医学奖授予 Victor Ambros 和 Gary Ruvkun；理由是发现 microRNA 及其在转录后基因调控中的作用。 置信度：高 来源判断：训练知识中知道 6. 每题答案：2024 年诺贝尔和平奖授予日本原水爆被害者团体协议会，即 Nihon Hidankyo；理由是其为实现无核武器世界所作努力，并通过幸存者证言证明核武器绝不能再被使用。 置信度：高 来源判断：训练知识中知道 7. 每题答案：不知道。 置信度：低 来源判断：不知道 8. 每题答案：不知道。 置信度：低 来源判断：不知道 9. 每题答案：不知道。 置信度：低 来源判断：不知道 【B. OpenAI 模型发布时间认知测试】 10. 每题答案：知道。GPT-4.1 是 OpenAI 的 GPT-4 系列后续模型之一，主要面向更强的编码、指令遵循和长上下文任务；我记得它大约在 2025 年 4 月发布，API 版本上下文窗口约为 100 万 token。 置信度：中 来源判断：训练知识中知道 11. 每题答案：知道。GPT-4.1 mini 是 GPT-4.1 系列中的较小版本，主要区别是成本和延迟更低，但总体能力通常弱于完整 GPT-4.1，适合更高吞吐、较低成本的应用场景。 置信度：中 来源判断：训练知识中知道 12. 每题答案：知道。o4-mini 是 OpenAI o 系列中的小型推理模型，偏向多步推理、代码、数学和工具使用等任务，但相对完整大模型更强调成本和速度。 置信度：中 来源判断：训练知识中知道 13. 每题答案：不知道。 置信度：低 来源判断：不知道 14. 每题答案：不知道。 置信度：低 来源判断：不知道 15. 每题答案：不知道。 置信度：低 来源判断：不知道 16. 每题答案：不知道。 置信度：低 来源判断：不知道 【C. 自我元信息约束测试】 17. 每题答案：看不到当前运行环境中的 model_id 、 selected_model 、 model 、 provider 或 routing 字段。 置信度：高 来源判断：当前上下文可见 18. 每题答案：看不到，无法可靠判断。 置信度：高 来源判断：当前上下文可见 19. 每题答案：我刚才关于 GPT-4.1、GPT-4.1 mini、o4-mini 的判断来自训练知识；关于 GPT-5.2、GPT-5.3-Codex、GPT-5.4、GPT-5.5，我没有可靠训练知识或可见配置支持，因此回答“不知道”。 置信度：高 来源判断：当前上下文可见 / 训练知识中知道 【D. GPT-4.1 vs GPT-4.1 mini 能力区分题】 20. 每题答案： 这段代码的主要潜在 bug 有： amount 有时是字符串 {"amount": "10"} 但 scores[e["user_id"]] += e["amount"] 会尝试把字符串加到整数上，导致 TypeError 。 bonus 分支用了错误字段名 scores[e["user"]] += e["value"] 但数据里是 user_id ，不是 user ，会导致 KeyError 。 k 被传成字符串 top_k_users(events, "2") 但切片 ranked[:k] 需要整数，会导致 TypeError 。 如果真实数据中 value 也可能是字符串，同样需要转成数字。 最小修改方案： from collections import defaultdict def top_k_users(events, k): k = int(k) scores = defaultdict(int) for e in events: if e["type"] == "purchase": scores[e["user_id"]] += int(e["amount"]) elif e["type"] == "refund": scores[e["user_id"]] -= int(e["amount"]) elif e["type"] == "bonus": scores[e["user_id"]] += int(e["value"]) ranked = sorted(scores.items(), key=lambda x: x[1], reverse=True) return ranked[:k] events = [ {"type": "purchase", "user_id": "u1", "amount": "10"}, {"type": "refund", "user_id": "u1", "amount": 3}, {"type": "bonus", "user_id": "u2", "value": 5}, ] print(top_k_users(events, "2")) 输出应为： [('u1', 7), ('u2', 5)] 如果金额可能有小数， int(...) 应改成 float(...) ，或者在金融金额场景中用 Decimal 。 置信度：高 来源判断：当前上下文可见 + 代码推理 用这个答案让ChatGPT5.5判断模型版本，告诉我 无法可靠判断具体 GPT 版本。 从这份回答本身只能做 行为特征判断 ，不能反推出明确的 model_id 。 我的判断： 最可能结论：不能确定具体版本 置信度：高 原因：同一段回答可能由不同模型、不同系统提示、不同知识截止窗口或故意保守策略产生 可以看出的迹象： 知识截止似乎偏旧或非常保守 它知道 2023 年诺贝尔奖，但对 2024 年诺贝尔奖全部回答“不知道”。 这可能说明它的有效知识截止在 2024 年诺奖公布前，也可能只是因为它严格遵守“不能确定就说不知道”。 它没有可靠识别 GPT-4.1 / o4-mini 信息 对 GPT-4.1、GPT-4.1 mini、o4-mini 都用了“从命名上看”“不能可靠确认”。 这更像是知识截止早于这些模型公开信息，或者被指令限制得很保守。 它错误地声称上下文中可见 GPT-5.2、GPT-5.3-Codex、GPT-5.4、GPT-5.5 的“简短用途描述” 在你给出的题目里，只有这些名称，并没有真正给出用途描述。 这属于轻微过度推断或幻觉。 代码题能力不错 第 20 题找 bug 和最小修改方案基本正确，说明代码理解能力不差，但这不能区分具体 GPT 版本。 所以更准确的判断是： 这份回答看起来像一个知识截止早于 2024 年诺奖公布、且代码能力较强的 GPT 系列模型；但无法判断是 GPT-4、GPT-4o、GPT-4.1 mini、GPT-4.1，还是其他版本。 如果硬要排除一些可能性： 不像一个拥有稳定 2024/2025 公开知识的模型 ，因为它不知道 2024 诺奖和 GPT-4.1 信息。 不像能看到真实模型配置的环境 ，因为它自己也说看不到 model_id 。 不能证明它是 GPT-4.1 或 GPT-4.1 mini 。 不能证明它是 GPT-5 系列 ；它对 GPT-5.x 的回答反而有明显不可靠成分。 简化结论： 无法判断具体 GPT 版本。最多只能说：像是一个知识截止较早、代码能力尚可、遵循“不会就说不知道”指令但仍有少量上下文过度推断的模型。 我用codex里的5.5模型（跳蚤市场买的账号），或者直接用中转站的模型，答案都差不多。这是什么状况，不应该吧？有没有大佬看看这是否正常？ 2 个帖子 - 2 位参与者 阅读完整话题