PixVerse R2 – 爱诗科技推出的实时全模态世界模型AI工具23小时前发布AI小集02PixVerse R2是什么PixVerse R2 是爱诗科技推出的实时全模态世界模型，为PixVerse R1的升级版本。模型支持文字、图像、音频及动作信号等多模态输入，能在运行中持续接收用户控制、实时更新世界状态并连续输出同步音视频。模型通过 Omni Causal AR 架构与实时加速技术，PixVerse R2 在保持长程一致性的同时实现低延迟交互，让视频生成从固定片段进化为可持续演化的动态世界。PixVerse R2的主要功能实时全模态世界生成：支持文本、图像、音频、动作信号等多模态输入，在运行中持续接收用户控制并实时输出同步音视频。长程世界状态保持：通过多时间尺度记忆体系，在长时间运行中维持角色身份、场景设定和关键事件的统一性。动态交互控制：用户可通过 WASD 等动作信号或音频指令，在生成过程中实时操控世界演化方向。自适应时间粒度：根据控制信号的语义边界自动调整音视频生成块大小，兼顾响应速度与表达完整度。错误状态自纠正：通过 Error Bank 机制主动学习并修复历史生成中的偏差，提升长期运行稳定性。PixVerse R2的技术原理全模态因果自回归：将双向时空生成先验转化为单向因果自回归架构，统一处理短视频、长视频与交互轨迹，使画质、音视频表达、长程生成和多模态控制在同一模型中共同扩展。动态分块生成：根据控制信号的时间尺度自适应切分音视频序列，短块提升动作响应精度，长块保留语义完整结构，实现不同任务共享同一因果生成接口。混合教师强制与扩散强制：混合干净历史与带噪历史进行训练，配合因果注意力掩码与相对时间位置编码，缩小训练与推理的分布差距，提升长程稳定性。多时间尺度记忆：由固定锚点记忆、滚动历史记忆和对象键值缓存组成，在固定预算内协同保持世界身份与局部连续性。误差库：将代表性错误历史沉淀为训练样本并回放，使模型主动学习识别和修复偏差，将长期漂移从被动问题转化为主动优化目标。对抗正则去噪分布匹配蒸馏：用全模态因果自回归同时作为学生模型初始化与蒸馏教师，通过条件对齐、分布匹配与对抗正则三信号联合优化，在极少步数下保持控制精度与世界真实感。块稀疏注意力：通过块级相关性路由将注意力稀疏度提升至 90% 以上，集中计算关键依赖，显著降低长上下文开销且效果基本无损。如何使用PixVerse R2目前 PixVerse R2 处于内测阶段，用户需扫码填写体验申请表获取提前体验和 API 接入资格。PixVerse R2的核心优势统一训练范式：采用全模态因果自回归与实时加速层的两阶段统一训练，避免了传统多阶段 Pipeline 的能力折损。全模态实时交互：支持文本、图像、音频、动作信号等全模态输入，能够在生成过程中持续接收用户控制并实时输出同步音视频。长程状态保持：通过多时间尺度记忆体系与误差库机制，在长时间运行中有效保持世界状态统一性并主动纠正漂移。自适应生成粒度：动态分块技术可根据控制信号语义自适应调整生成粒度，兼顾交互响应速度与内容表达完整度。高效无损加速：基于块稀疏注意力与金字塔式超少步蒸馏，在 90% 以上稀疏度下实现低延迟实时生成且效果基本无损。PixVerse R2的同类竞品对比对比维度PixVerse R2Matrix-Game 3.0（昆仑万维）核心定位实时全模态世界模型，面向沉浸式内容与交互体验实时交互世界模型，面向 AI 游戏与虚拟世界构建核心架构Omni Causal AR + 实时加速蒸馏记忆增强的交互式世界模型（Patch 级记忆注入）输入模态文本、图像/视频参考、音频、动作信号（WASD）文本提示、键盘/鼠标动作控制输出内容同步音视频流（Video + Audio）可交互的 3D 游戏世界画面生成性能低延迟流式生成，支持持续交互720p @ 40 FPS（3.0）；单张消费级显卡 20 FPS（3.5）记忆机制多时间尺度记忆（Sink + Rolling + Object KV）+ 误差库纠错Patch 级记忆注入架构，分钟级长程一致性长程一致性通过 Error Bank 主动修复漂移，亮度漂移降低 35.8%分钟级记忆保持，支持数分钟连续探索PixVerse R2的应用场景实时交互式虚拟游戏世界：玩家通过 WASD 等动作信号实时操控第一人称或第三人称视角，模型即时生成对应场景与音画反馈，打造无限延展的开放世界体验。沉浸式影视实时预演：导演在拍摄前通过文本描述和实时动作调整，即时生成分镜动态画面与同步音效，快速验证镜头语言与叙事节奏，大幅降低试错成本。虚拟角色直播与互动娱乐：数字主播或虚拟偶像在直播中实时接收弹幕文本、语音指令或礼物动作信号，动态调整表情、动作与场景，实现真正意义上的实时人机共创内容。实时广告与营销内容生成：品牌方根据用户画像或实时热点，输入产品参考图与简短文案，模型即时生成多版本广告短片并同步配音，支持投放前快速迭代与 A/B 测试。教育培训与仿真模拟：在医学、驾驶或应急演练场景中，学员通过语音或操作设备发出动作指令，模型实时生成对应仿真环境与反馈画面，提供低成本、可重复的沉浸式训练体验。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Breeze TTS 2 - BreezeBlue 推出的新一代语音合成模型下一篇EgoSuite-Open100K - 光轮智能开源的全模态人类行为数据集相关文章Style3D Ai – AI服装设计工具，提供设计到生产一站式解决方案AI小集6灵犀 X2 – 智元机器人推出的最新双足人形机器人AI小集4QrGPT – AI二维码生成工具，输入网址和提示词快速生成个性化二维码AI小集2HiDream.ai – 多模态AI图像、视频和3D生成平台AI小集3Edge Copilot – 微软Edge推出的AI浏览器AI小集411ai – ElevenLabs推出AI语音助理，支持自定义MCPAI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录造剧立刻成片OJO海艺剧场豆包工作精挑翻译最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前GLM-5.3-Flash – 智谱开源的原生多模态模型1小时前Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型1小时前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题1小时前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具18小时前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态20小时前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作20小时前EgoSuite-Open100K – 光轮智能开源的全模态人类行为数据集20小时前Breeze TTS 2 – BreezeBlue 推出的新一代语音合成模型23小时前QuickDesk – 开源 AI 原生远程桌面，首款内置 MCP Server23小时前AlphaVow – 一站式 AI 批量图像处理工具2天前Agnes 2.5 Pro Alpha – Agnes AI 开源的多模态推理模型2天前OpenStory – 开源 AI 视频制作平台，一键生成短剧视频2天前Newtake – LiblibAI 推出的海外 AI 视频创作平台2天前ScienceClaw – 中科紫东太初推出的科研原生智能体平台2天前

Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型AI工具1小时前更新AI小集02Qwen3.8-Flash是什么Qwen3.8-Flash 是阿里云通义千问推出的多模态 MoE 模型，总参数量 125B，每 token 仅激活 6B，原生支持 262K 上下文。模型采用 GDN+QSA 混合注意力、门控残差、N-gram 嵌入及 Muon 优化器四大架构创新，训练成本仅为 Qwen3.7-Plus 的 1/9，在编码和办公任务上能力更强。Qwen3.8-Flash的主要功能超长上下文处理：原生支持 262K tokens，可扩展至 1M，胜任长文档与代码库分析。代码智能体：支持端到端软件工程任务，包括代码生成、调试与多语言开发。办公自动化：执行长程办公流程与专业工作任务，集成工具调用能力。多模态理解：理解长视频、科学图表、视觉数学问题及现实世界场景。设备与界面操控：通过视觉感知操控网页、Android 设备及桌面操作系统。推理与问答：覆盖科学推理、竞技编程、指令遵循与多学科综合推理。Qwen3.8-Flash的技术原理GDN + QSA Hybrid Attention：模型在每四层中安排三层 Gated DeltaNet 和一层 Qwen Sparse Attention，实现”高效记忆 + 精准查找”的混合注意力机制，在 1M 上下文下 Prefill 吞吐达到前代的 8.6 倍。Gated Residual（GR）：将传统单一残差流扩展为四条并行分支，通过动态门控控制各层信息的读写比例，保留长距离信息通道，抑制激活异常值，同时支持 FP8 存储大幅降低访存开销。N-gram Embedding：在常规词嵌入之外，引入 51B 参数的 N-gram 嵌入层，结合局部上下文查表捕捉短语搭配模式；该层可卸载至 Host Memory 并通过异步预取与计算重叠，几乎不增加 token 级计算量。Muon Optimizer：针对主要线性映射权重采用 Muon 正交化优化，对 Embedding 和 Router 等保留 AdamW；重新拟合 Scaling Law 后支持更大学习率与批次，取消无效的 Batch Size Warmup 策略。微信关注回复“开源”，加入AI开源项目交流群如何使用Qwen3.8-Flash开源权重部署：从 Hugging Face 下载 Qwen3.8-Flash-Next 权重，在本地或云端进行推理部署。API 服务调用：通过千问AI平台调用官方 API，输入 1 元/百万 tokens、输出 3 元/百万 tokens。千问办公使用：在”千问办公”中直接体验，用于长文档处理、代码生成与办公自动化任务。查阅技术报告：访问 GitHub 仓库中的技术报告，了解架构细节与训练方法以进行深度定制。Qwen3.8-Flash的核心优势极致成本效率：训练开销仅为 Qwen3.7-Plus 的 1/9，API 定价输入 1 元/百万 tokens，用极低算力成本实现旗舰级性能。超长上下文领先：原生 262K 可扩展至 1M tokens，1M 上下文下 Prefill 吞吐达到前代的 8.6 倍，长序列处理速度与精度兼具。Agent 与编码能力突出：在代码智能体、软件工程、长程办公任务等多项基准上显著超越同级模型，胜任复杂生产级开发工作。下一代架构创新：采用 GDN+QSA 混合注意力、门控残差与 N-gram 嵌入等全新设计，是 Qwen4 系列架构的提前验证版。多模态操控能力：支持长视频理解、视觉网页开发、Android 及桌面设备操控，实现真正的多模态智能体交互。开源与工程友好：Flash-Next 权重已开源，GR 支持 FP8、N-gram 嵌入可卸载至 Host Memory，降低部署门槛与显存占用。Qwen3.8-Flash的项目地址项目官网：https://qwen.ai/blog?id=qwen3.8-flash-nextHuggingFace模型库：https://huggingface.co/Qwen/Qwen3.8-Flash-Next?spm=a2ty_o06.30285417.0.0.1d73c921FsyOPe&file=Qwen3.8-Flash-Next技术论文：https://github.com/QwenLM/Qwen3.8-Flash-Next/blob/main/tech_report.pdfQwen3.8-Flash的同类竞品对比对比维度Qwen3.8-Flash-NextDeepSeek-V4-FlashClaude-Opus-4.6总参数量125B + 51B N-gram284B—激活参数6B13B—Agentic Coding(DeepSWE 1.1)58.754.4—SWE-bench Pro62.556.053.4多语言软件工程81.0—77.5长程办公(CoWorkBench)73.945.168.2专业工作(JobBench)55.741.336.6科学推理(GPQA Diamond)91.790.891.3竞技编程(LiveCodeBench)91.990.688.8指令遵循(IFBench)81.379.262.5多模态工具(ClawEval-MM)64.4/ 60.4—52.5 / 54.7移动操控(AndroidWorld)84.5—62.0计算机使用(OSWorld 2.0)19.4 /52.3——视觉网页开发(Vision2Web)64.0——具身智能(ERQA)72.3—40.8长视频理解(LVBench)76.6—63.0视觉数学(MathVision w/ CI)95.7—65.5科学图表分析(CharXiv w/ CI)90.6—66.0Qwen3.8-Flash的应用场超长文档与知识库智能分析：用 1M tokens 超长上下文，对整本技术手册、法律合同或大型代码库进行一次性深度理解与问答，无需分段处理。端到端软件开发与代码维护：作为代码智能体（Agentic Coding）完成需求分析、代码生成、Bug 修复、单元测试编写及多语言项目维护，覆盖 SWE-bench 级别复杂任务。企业办公流程自动化：执行跨平台长程办公任务，如自动整理会议纪要、批量处理 Excel 报表、撰写并排版商业文档，集成工具调用实现端到端闭环。多模态内容理解与教育辅导：解析长视频课程、科学论文图表、视觉数学题目，提供步骤化讲解与答案验证，支持 STEM 领域的深度教学辅助。跨设备智能体操控：通过视觉感知与推理能力，自动操控 Android 手机完成 App 测试、在桌面操作系统中执行文件管理，或根据设计稿自动生成可部署的网页前端。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Omarchy - 开源的AI原生Linux桌面 ，自然语言生成桌面主题下一篇GLM-5.3-Flash - 智谱开源的原生多模态模型相关文章Fynix – AI代码助手，具备上下文感知自动补全代码AI小集2SearchClaw – 中国人民大学推出的 AI 深度研究智能体AI小集3MoLing – 本地AI办公自动化助手，基于 MCP 服务器AI小集2魔力设 – AI设计工具，一键智能抠图和生成PPTAI小集4Ciallo TTS – 在线AI文本转语音工具，支持长文本自动分段处理AI小集2MEMO – 音频驱动的生成肖像说话视频框架，保持身份一致性和表现力AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录造剧立刻成片OJO海艺剧场豆包工作精挑翻译最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前GLM-5.3-Flash – 智谱开源的原生多模态模型1小时前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题1小时前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具18小时前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态20小时前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作20小时前EgoSuite-Open100K – 光轮智能开源的全模态人类行为数据集20小时前PixVerse R2 – 爱诗科技推出的实时全模态世界模型23小时前Breeze TTS 2 – BreezeBlue 推出的新一代语音合成模型23小时前QuickDesk – 开源 AI 原生远程桌面，首款内置 MCP Server23小时前AlphaVow – 一站式 AI 批量图像处理工具2天前Agnes 2.5 Pro Alpha – Agnes AI 开源的多模态推理模型2天前OpenStory – 开源 AI 视频制作平台，一键生成短剧视频2天前Newtake – LiblibAI 推出的海外 AI 视频创作平台2天前ScienceClaw – 中科紫东太初推出的科研原生智能体平台2天前

GLM-5.3-Flash – 智谱开源的原生多模态模型AI工具1小时前发布AI小集02GLM-5.3-Flash是什么GLM-5.3-Flash 是智谱最新推出的开源大模型，总参数三百二十亿，激活参数仅十八亿，为 GLM-5 系列首个原生多模态模型。模型综合智能指数达五十七分，与Claude Opus 4.8持平，定价仅为其四十分之一。模型采用稀疏与线性注意力混合架构及流形约束超连接技术，支持视觉编码、代码生成和专业文档处理，首次实现国产芯片集群大规模高效部署，端到端性能提升三倍。GLM-5.3-Flash的主要功能原生多模态理解：支持文本与图像的联合理解与生成，是 GLM-5 系列首个原生多模态模型。视觉编码：将视觉能力原生集成进模型，使其能自主判断何时需要”观察”，并利用视觉反馈指导编程与行动。代码生成与迭代：支持前端、游戏、3D 仿真等开发任务，能根据渲染和交互反馈自我检验并迭代改进代码。专业文档处理：针对 PPTX、PDF、DOCX、XLSX 等 Office 文档优化，具备审美判断与自我验证能力。金融与法律工作：覆盖金融研报生成、建模分析，以及合同审查、法律文书起草等专业场景。Agent 协同：通过 Browser Use Agent 与 Computer Use Agent 在代码、浏览器和图形界面间协同操作。GLM-5.3-Flash的技术原理混合注意力架构：GLM-5.3-Flash 采用线性注意力与稀疏注意力混合架构，线性注意力通过递归机制捕获局部依赖，稀疏注意力借助轻量级索引器召回全局上下文；同时引入 IndexPool 将索引器缓存向量从 4 个压缩至 1 个，使注意力计算量与 KV 缓存较 GLM-5.3 分别降低 3.01 倍和 4.44 倍，在保持精准长上下文能力的同时大幅降低服务成本。流形约束超连接（mHC）：模型采用 mHC 技术提升 Scaling 能力，使其在总参数量 320B 与 GLM-4.5 相当的情况下，将激活参数量从 32B 降至 18B、层数从 92 减至 45，结合 30T Token 多模态预训练语料，用更少的计算资源实现超越 GLM-5.2 的性能。国产芯片推理引擎：针对国产芯片内存容量与带宽瓶颈，团队在 SGLang 基础上构建专用推理引擎，采用 EPD（Encode-Prefill-Decode）分离式架构将多模态编码、预填充和解码拆分为独立工作池，结合张量并行、ReplaySSM、W8A8 量化及混合缓存量化等技术，使端到端性能较基线提升 3 倍，达到与主流英伟达 GPU 相当的效率。微信关注回复“开源”，加入AI开源项目交流群如何使用GLM-5.3-FlashBigModel API：访问 BigModel 开放平台 https://docs.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash注册账号，获取 API Key 后按文档调用glm-5.3-flash接口。Z.ai API：访问 Z.ai  API 官网 https://docs.z.ai/guides/vlm/glm-5.3-flash文档中心，注册并获取 API Key 即可接入模型。Z.ai 在线聊天：访问Z.ai网页，登录后直接开始多模态对话。智谱清言 App：下载智谱清言 App并登录，在模型列表中选择 GLM-5.3-Flash 即可使用。ZCode：进入ZCode，启用模型后在代码编辑器中让 Agent 协同完成开发任务。AutoClaw：访问AutoClaw官网，上传文档让模型自动处理办公和专业文书任务。开源本地部署：从 HuggingFace 下载模型权重，按说明在本地服务器加载运行。GLM Coding Plan：前往 https://bigmodel.cn/glm-coding 申请限量体验卡，免费试用模型能力。GLM-5.3-Flash的核心优势极致性价比：与 Claude Opus 4.8 同级智能，定价仅为其 1/40，限时折扣内为 GLM-5.3 的 1/20。原生多模态：GLM-5 系列首个原生多模态模型，视觉能力原生集成，可自主判断并调用视觉反馈。高效架构：采用稀疏注意力与线性注意力混合架构，注意力计算量和 KV 缓存较 GLM-5.3 分别降低 3.01 倍和 4.44 倍。国产芯片部署：首次大规模使用国产芯片集群，端到端性能较基线提升 3 倍，效率对标主流英伟达 GPU。全面超越前代：用 320B 总参数 / 18B 激活参数，在多项基准测试中全面超越参数量高出一倍的 GLM-5.2。专业工作优化：针对金融、法律、Office 文档等专业场景深度优化，输出格式可直接交付。GLM-5.3-Flash的同类竞品对比维度GLM-5.3-FlashClaude Opus 4.8GLM-5.3总参数320B未公开约 355B激活参数18B未公开32B模型层数45 层未公开92 层AA 智能指数57 分57 分更高（约 60+）多模态能力✅ 原生视觉编码✅ 多模态✅ 多模态开源状态✅ 开源❌ 闭源❌ 闭源定价水平极低（Opus 4.8 的 1/40）高端定价中端定价（Flash 的 10~20 倍）注意力架构稀疏 + 线性混合标准 Transformer标准 Transformer长上下文支持1M200K+1M国产芯片部署✅ 已验证❌ 否❌ 否核心定位前沿智能普惠化顶级闭源模型上一代旗舰模型GLM-5.3-Flash的应用场景前端与游戏开发：根据视觉反馈自主迭代代码，生成可运行的网页、游戏和 3D 场景。金融专业工作：覆盖金融研究、报告生成、建模与分析全流程，提供可追溯的数据来源。法律实务处理：审查合同条款、批注修订，并起草符合实务规范的律师函与诉讼文书。Office 文档自动化：处理 PPTX、PDF、DOCX、XLSX 等格式，具备审美判断与排版优化能力。Agent 协同办公：通过 Browser Use Agent 和 Computer Use Agent 在浏览器、代码与 GUI 间自动协同。日常多模态对话：在 Z.ai 和智谱清言 App 中进行图文理解、创意生成与知识问答。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Qwen3.8-Flash - 阿里通义推出的多模态 MoE 模型下一篇秒悟Meoo - 1分钟生成前后端完整的网站，真0门槛开发！相关文章OLMo – 艾伦AI研究所开源的完全开放的大语言模型框架AI小集4创脑 – AI机器人社区平台，创建特定知识能力的个性化AI助手AI小集2水产市场 – AI Agent能力进化平台，涵盖多种实用技能AI小集3CapCut AI Suite – 字节推出的一站式AI创意编辑工具AI小集2Cube 3D – Roblox 推出的 AI 3D 生成模型AI小集3Codev – AI应用开发平台，自然语言描述需求生成全栈代码AI小集3暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录造剧立刻成片OJO海艺剧场豆包工作精挑翻译最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！1小时前Qwen3.8-Flash – 阿里通义推出的多模态 MoE 模型1小时前Omarchy – 开源的AI原生Linux桌面 ，自然语言生成桌面主题1小时前Play with Putty – 谷歌推出的实时协作 Vibe Coding 工具18小时前AZ8 – AI 视频创作工作台，Agent 实时读取素材与状态20小时前Tutti · VM – 多人多 Agent 并行协作空间，零延迟并行协作20小时前EgoSuite-Open100K – 光轮智能开源的全模态人类行为数据集20小时前PixVerse R2 – 爱诗科技推出的实时全模态世界模型23小时前Breeze TTS 2 – BreezeBlue 推出的新一代语音合成模型23小时前QuickDesk – 开源 AI 原生远程桌面，首款内置 MCP Server23小时前AlphaVow – 一站式 AI 批量图像处理工具2天前Agnes 2.5 Pro Alpha – Agnes AI 开源的多模态推理模型2天前OpenStory – 开源 AI 视频制作平台，一键生成短剧视频2天前Newtake – LiblibAI 推出的海外 AI 视频创作平台2天前ScienceClaw – 中科紫东太初推出的科研原生智能体平台2天前

一台没有摇杆、外形酷似任天堂 GBA 的安卓掌机，在 2026 年卖到断货。KONKR Pocket Advance（KPA）上市后市场反响格外亮眼。这款定位复古取向的掌机，在小众圈层里收获了不俗的关注度，出货量稳步攀升，成为今年复古掌机里颇具代表性的机型。对于小众的复古掌机赛道而言，这份成绩出人意料。大家为何会在 2026 年，选择入手一台形态源自二十多年前的游戏机？上手直呼「爷青回」拿到 KPA 的第一眼，我几乎误以为这是一台重新量产的 GBA。横向机身、左侧十字键，还有敦实的握持轮廓，整体尺寸也和初代机型高度相近。细细端详便能察觉，它并没有一味复刻往昔布局：原先仅有的两颗功能键升级为 ABXY 四键，机身中央搭载一块更大的 3:2 屏幕，侧边还保留了可供拇指直接操控的音量滚轮。十字键与四颗功能键左右分立，正面布局十分均衡——双手握持时，拇指能够自然落在按键区域。按键反馈清脆利落，键程适中，熟悉感扑面而来。几乎无需思考，手指便本能地清楚该如何操控角色移动，或是在弹出对话框时快速按下确认。我觉得 KPA 没有配备摇杆，这是它最聪明的取舍。如今多数安卓掌机热衷于把十字键、双摇杆、功能键全部堆砌在正面，力求兼顾大型手游与 PS5 串流，追求一机全能。KPA 明明同样可以加装摇杆，去宣称能够运行《原神》，但它主动选择收窄自身的使用场景，将自身聚焦在原汁原味的复古上。这台设备最舒服的归宿，就是静下心体验经典老游戏。拿到机器当天，我本只想在工位简单测试屏幕与按键。可当《口袋妖怪》的 BGM 响起，不知不觉，我就这样玩了整整一个下午：「大木博士照常招呼我前去报到，小茂依旧一副争强好胜的模样，抢先夺走了本该属于我的精灵球。」小时候玩到这里，我肯定已经在心里给他记上了一笔：行，你给我等着，后面一定赢回来。二十多年后再看到这一幕，我却忍不住笑了——怎么还是你，一点都没变。游戏里的少年依旧莽撞，游戏机前的少年早已长大。只是玩耍的地点从家里走廊变成办公室，手中的设备也不再是当年那台 GBA。当我低头，拨动十字键操控角色穿行在像素世界，儿时坐在小板凳上、一边啃西瓜一边玩《口袋妖怪》的那个午后，瞬间清晰地浮现在眼前，我直呼爷青回。KPA 内部当然已经换成了现代硬件，我手上这台搭载联发科 Helio G90T，最高可以运行 PS2 端游戏，采用 960×640 分辨率的 3:2 屏幕，刚好能以四倍整数缩放呈现 GBA 原始的 240×160 画面。游戏的人物、文字与场景轮廓通透清晰，原生像素质感完整保留，不会因强行拉伸画面产生模糊毛边。高亮背光屏幕彻底改善了初代GBA画面昏暗、观感吃力的通病，4000 毫安大容量电池更是能支撑六七个小时的长线复古游戏体验。纯粹的像素复古质感被完整留存，而老式掌机的所有短板与不便，都被彻底留在了过去。AI 给这些旧玩具「附了魔」KPA 的独特魅力，一半源于精良的硬件适配，另一半则来自鲜活的玩家社区生态。依托安卓开放属性，这台掌机支持自定义前端、调试模拟器，也能安装各类常规安卓应用。玩家们专门制作了还原 GBA 卡带陈列风格的游戏前端，把分散在不同模拟器的游戏资源统一整合，规整出一套整洁统一、氛围感拉满的复古游戏界面。图｜Reddit也正因为大家对这台游戏机的痴迷，社区玩家们自发地持续产出汉化补丁、改版游戏与模拟器等优化配置。以至于现在的玩家启动一款二十多年前的老游戏，体验到的往往是经过汉化、修复 BUG，甚至追加全新内容的改良版本。而我觉得其中「最神」的社区成果，莫过于「Apollo AI 灵动岛」。它平时收纳在屏幕侧边，不会持续遮挡画面：游玩外文原版游戏时，灵动岛能够识别画面实现实时翻译；遇上地图错综复杂的游戏，还能直接调取预先挂载的攻略页面，缩放地图、查找行进路线，无需退出游戏拿起手机检索。图｜哔哩哔哩 掌机天下接入视觉 AI 之后，灵动岛更能读取游戏画面，讲解剧情脉络、梳理人物关系，或是将道具清单、待完成任务整理成清晰列表。儿时摆在游戏机旁、翻到卷边的攻略书，在 2026 年，被搬进了屏幕边缘。但这和开外挂有着本质区别，AI 不会代替我们赢得战斗，更不会篡改游戏数值。它仅仅翻译晦涩的对白，迷路时调出攻略，或是陷入僵局时给出一点线索。该去往何处、如何战胜对手，最终按下按键做出选择的，始终握在玩家自己手中。旧玩具回来，不只是因为怀旧KPA 并非这一轮复古回潮中的孤例。在过去二十年里，智能手机不断吸纳融合各类设备的功能——拍照、听歌、游戏全都汇聚在同一块屏幕里，操作愈发便捷，可不同体验之间的边界也随之模糊。不过当我们重新将这些功能摘出来，让它们回归到一台专用设备里，这条界限就能够轻易地重新划出：拿起相机，代表接下来专注拍摄；戴上耳机，意味着静心聆听音乐；握住掌机，则是暂时隔绝消息打扰，沉浸到游戏之中。它们功能远不如手机全面，却更容易让人进入目标清晰的专注状态。小岛工作室与 KM5 合作推出的《死亡搁浅 2》联名 CD 播放器，保留透明机身与实体光盘的形态，同时搭载蓝牙模块与现代化电池。蓝牙能够适配新式耳机，但使用者依旧需要取出碟片、放入机身。这些看似繁琐的步骤，恰恰构筑起独一份的使用仪式感。图｜TechNoid人们重新偏爱实体载体，本质是渴望拿回属于自己的体验与掌控感，也正因如此，索尼近期的官宣才格外让人唏嘘。索尼前段时间正式宣布，2028 年起将不再为 PlayStation 新游戏生产实体光盘，未来新作仅保留数字版本。消息一出，引发了大量玩家与实体发行商的惋惜与不满。玩家真正舍不得的，从来不止是一张薄薄的光盘。实体游戏可以陈列书架、借给好友，通关后还能自由转手流转，是实实在在握在手里的收藏。图｜X Sony如果说 CD 播放器守住了实体操作的仪式感，那柯达 Charmera 的走红，则诠释了复古回潮的另一种打开方式。这是一台可以挂在钥匙上的迷你数码相机，论解析力、清晰度，完全比不上智能手机。它反而刻意保留低像素质感、复古胶片滤镜与松弛随性的成像氛围，不追求极致精致，只还原老式数码的独特氛围感。整机以盲盒形式发售，多款撞色机身随机出货，拆开之前，永远不知道自己收获哪一款配色。图｜Kodak人们入手 Charmera，从来不是为了拍出更专业的照片。它的魅力，早已跳出纯粹的拍摄功能——随手从钥匙扣取下、按下快门，定格一张略带颗粒感、不可精准预判的松弛画面，这份随性与不确定性，是手机精修摄影给不了的温柔。而盲盒的玩法，又让这台小相机变成了可收集、可交换、可展示的趣味潮玩，让拍照这件事，重新多了分享与收藏的温度。图｜Kodak同样的逻辑，也能解释有线耳机的再度流行。无需繁琐配对，不用焦虑电量，插上接口即刻出声。曾经被诟病累赘的线材，如今反倒成为穿搭里随性的装饰细节，兼具实用与氛围感。这些复古设备的回潮，从来不是旧技术战胜了新技术。它们真正的价值，是带来了手机无法替代的专属仪式感、使用边界与实体触感。而现代科技恰好补齐了它们昔日的短板：CD 机升级蓝牙、复古相机支持手机快速传图，KPA 复古掌机则搭载高清屏幕、开放安卓系统与智能 AI 工具。对于亲历过像素时代的玩家而言，这是情怀怀旧；而对于没有时代记忆的年轻人来说，GBA、CCD 相机、CD 播放器，都是值得全新探索的新鲜事物。我们没有忘记这些旧玩具。过去只是缺少一个继续留下它们的理由。现在，它们已经升级了，怀旧也不再需要妥协。

刚拿到影石的 Insta360 X6 时，我对这个产品的体验是有些苦恼的——说起全景相机，最先联想到的总是极限运动：山路骑行、雪场滑雪或下海潜泳。囿于纤长机身、超广镜头和繁重后期的体验，全景相机对于记录日常是总有不便的。但半个多月体验下来，我发现 X6 的产品迭代思路，与前几代产品相比，变得更「普通」了——不是说参数或形态变化不大，恰恰相反，X6 是近几代影石全景相机里迭代最大的版本，褪去了专业设备的距离感，并逐渐成为一台拿起就能拍的 vlog 相机。简而言之，这是一台更适合普通人的 Vlog 相机。做全景相机中的 Vlog 机很多人选购数码产品时容易陷入参数竞赛，但现实往往是：出门时，一台设备能不能被顺手塞进包里，比纸面参数更能决定它的使用频率。想要改变用户的使用习惯，首先就要从外观形态打破固有印象。X6 做出的第一个改变就是重塑机身轮廓：机身缩短、横向加宽——原本的实体按键被压感触控区域取代，整机外形更接近常规运动相机，握持重心顺势收回到掌心，单手操作的平衡感明显提升。过往不少全景相机的传感器，沿用自手机的供应链，因此大多是长方形，画面边缘感光区域得不到充分利用，画质自然也有所折损。这一次，影石联合索尼定制了双1/1.1 英寸方形传感器，在提升感光面积使用率的同时，整机的元器件排布更为紧凑小巧，但使用功能的升级却是巨大的：譬如可更换镜片设计升级为了** 2.0，更换镜头更加的方便；裸机支持 20 米防水、2.32 英寸的 OLED 屏幕**在亮度和色彩方面也算优秀，即便是广州 36 度的大晴天，也能清晰预览画面。更让人惊喜的是，影石还为 X6 搭配了充电折叠自拍杆，装上配件后，X6 的握持方式、操作逻辑会更接近于手持云台相机，而得益于全景相机 360 ° 拍摄的特性，又比手持云台相机多了一些便利：手指拨动摇杆，画面随之转向；想要回看身后发生的画面，前后视角也可以快速切换；在新传感器的加持下，X6 的取景画面也得到了优化，提供了畸变更小、画质更好的选项。不过二者底层逻辑存在本质区别：传统云台相机依靠机械结构扭动镜头完成跟随，X6 摇杆并不驱动硬件，只是调取全景素材内不同方向的画面，全程没有机械运转噪音，还可以实现 360 度追踪/跟随，整套操作更加「无感」。相较于口袋手持云台相机，「先拍摄再取景」的全景相机，实际使用门槛更低，能取到更多有意思的画面和景别。完成收纳后，也可以直接放进背包或裤兜，用起来是比较方便的。无论是手机，还是常见的 Vlog 相机，都遵循固定拍摄逻辑：先构图，再拍摄。开拍前要对准主体，录制过程中还要紧盯画面，提防人物出框、运镜失衡、焦点偏移。拍摄者注意力常常被屏幕束缚，难以沉浸在现场之中，我经常会为了追求画面完美而紧盯取景器，结果错失当下真实的情绪氛围。但生活里真实动人的瞬间大多是突如其来，想起来拍摄时往往没有功夫精雕细琢——而全景相机「先拍摄，再构图」的摄影逻辑，则很好解决了这个问题。在 X6 之前，我身边已经有不少朋友会带着 X4 或 X5 当日常 vlog 机使用，譬如徒步、钓鱼都是不错的情景。而 X6 显然进一步满足了这些记录日常的诉求，便携机身、防水性能和内置存储（可用约 47GB）……都是为了拿起来就能拍所做的设计。拍摄时，我习惯于选择 360° 模式，同一段视频，既能保留拍摄时的正面视角，也可自由转向，查看镜头后方的画面，视角能够灵活切换，同一段素材，很轻易就能得到风格迥异的镜头：记录风景的广角镜头：录制的 vlog 镜头：营造奇观的小行星镜头：而且得益于泛焦的 360° 取景方式，我几乎不需要时刻留意画面拍到了什么，能够把注意力更多聚焦到风景当中，对于日常生活来说，也可以弥补很多转瞬即逝的画面。云台模式 2.0 的加入，则进一步简化后期操作：X6 可自动追踪人物、宠物等主体目标，直接输出稳定的 4K 30fps 成片，同时完整留存 8K 全景原始素材。广角镜头又解锁另一套创作思路，超宽视野带来更强画面沉浸感，直出平面画面省去全景裁切步骤，适配户外运动、旅行随拍等追求即时出片的场景。可谓是「一机三用」，可玩性拉满了。倘若直出画面的构图与追踪效果满意，拍完就能直接导出分享；如果拍摄时主体移出画面，或是一旁出现更值得记录的场景，也无需舍弃整条素材，随时调取全景原片重新选择视角、裁切画面。打开相机后，能够专注于眼前的风景，而非取景器画面，我有一种久违的解脱感。让全景相机走进生活即便是在全景相机领域，「底大一级压死人」依然是金科玉律。这也是以往影石 X 系列无法作为 vlog 机来使用的根本原因——天色渐暗，夜景能力还是差点意思。构图失误、取景偏差，都能够依靠后期裁切补救，但暗光环境下拍出糊成一片、噪点泛滥的画面，无论借助任何算法，都无法从根本上修复。原生画质上限，直接决定成片最终质感。更何况，我们日常拍摄 Vlog，很少拥有光线充足的理想环境：暖光笼罩的室内、人流喧闹的夜市、黄昏逆光的街道……这些都是生活中高频的拍摄场景，却也是过往全景相机最棘手的短板。在传感器得以升级后，X6 的夜拍能力有了肉眼可见的提升，即便是在黄昏，甚至极限的弱光环境下，依然有不错的观感：尽管前代 X5 同样支持 8K 30fps，但依托全新传感器底子，这一代 8K 30fps 的实际成像水准实现明显跨越。就算身处比较昏暗的场景，也不至于抓瞎，噪点控制、动态范围表现更加靠谱，这无论对拍照还是录像都大有裨益。▲ 上｜X5 、下｜X6除了硬件画质提升外，影石也在这一代持续优化普通人的后期体验：依托PanoMind 智能算法与AI 导演功能，相机能够自动识别人物、互动画面、高光瞬间，自动生成流畅运镜与成片脚本。拍完之后把相机接上电，它会在充电时自动分析素材，识别人、动作和一些高光片段，然后剪出一版初稿，再推送到手机上。非常适合那种拍得很长，自己又很难筛选好角度的日常视频，出门钓鱼、玩水这种日常生活是够用了。实际体验下来，虽然这个功能很好用，但还有一些美中不足。有时候，想指望 AI 快速出片，但屏幕页面只会给出一个预估时间，而等到时间到了，推送的成片却没有如期出现，多少让人有些失落。总的来说，一系列软硬件优化叠加在一起，让 X6 顺利跳出过往全景相机是极限运动专用机的刻板印象。它不再局限于滑雪、骑行这类门槛较高的户外场景，在旅行出游、朋友聚会的时候，我也会更多选择把这样一台全景相机揣到包里，去拍一些有趣好看，其乐融融的画面。成立十多年来，影石成功的秘诀，就在于如何把手机之外的第二台相机，塞到普通人的口袋里——拇指相机、运动相机、全景相机和手持云台相机，不外如是。我想 Insta360 X6 确实是一次绝佳的尝试，通过技术进步、产品定义和功能打磨，影石又一次成功地将一台本不属于普通人的口袋相机，揣进了你我的口袋里。客观来说，作为一台 vlog 机，Insta360 X6 确实还有一些使用不便的地方，譬如全景素材会占用更多存储空间，后期整理也需要投入时间成本。但换取拍摄全程松弛自在的体验，允许我们事后补救各种意外漏拍，这笔取舍对于热爱记录生活的人而言，也是值得考量的卖点。也许下次，你在选购拍照手机或 vlog 相机的时候，一台面向普通人的全景相机，也会成为其中的一个候选项。

不是吧！Google 地球「Create image」刚上线，就被光速紧急撤回？7 月 30 日，Google 地球 网页版正式推出「Create image」功能，接入「Nano Banana 2」 模型，依托大模型的生成能力，用户可以框选地球上任意地点，输入一段提示词，就能基于实景影像进行二次创作：闲置荒地一键改造为商业区，千年古迹直接复原出古文明盛景，官方宣传片充分展现了这项功能的创意潜力。但功能对外开放后，局面却迅速失控，Google 地球被网友们彻底「玩坏了」。先进的「AI 公司」，辜负了 10 亿人的信任Google 地球可以说是世界上最流行的卫星云图服务，通过 Google 地球，我们能查看到关于这个星球最详细的面貌。根据 Google 自己在官方博客透露，Google 地球拥有总计 3600 万平方英里的卫星图像可以供用户浏览，Google 还表示已经这些卫星图像已经覆盖了地球上 98% 的人口。考虑到 Google 地球和 Google 地图极强的关联性，可以说超过 10 亿的 Google 地图用户，也都是 Google 地球的使用者。但就是这样一个权威云图服务，却在短短一天内出现了——「9·11 事件」场景重现、「哥斯拉」入侵城市、「外星生物」降临地表等乱象：图自 X随着事件快速发酵，谷歌火速做出决定，紧急回滚这项新功能。 官方回应称，平台观测到大量外流的生成截图涉嫌违反社区政策，因此决定先下线入口、补上安全防护，等条件成熟后再评估是否重新开放。AI 生图服务下线了，但 Google 地球长达 20 年积累起来的「公信力」也毁于一旦了。这份公信力并非凭空产生，而是在无数现实场景中反复验证、一步步沉淀而来：卡特里娜飓风过后， Google 地球更新的灾区影像被交付给一线救援人员参考；国际特赦组织也曾通过现场视频与 Google 地球卫星影像交叉比对，排查疑似集体埋葬地点。无论是记者核验地理信息、学者追踪地表变化，还是普通用户实景查证，公众早已习惯性将其界面内容视作真实世界的有效参照。也正因如此，当我们打开 Google 地球时，会自然认为：眼前呈现的，是现实世界真实存在过的景象。（承认吧，你也肯定在地图里一点一点扒拉，找过自己家的屋顶。）这份不假思索的信任，是谷歌二十年持续采集影像一点点搭建起来的。可「Create image」上线后，任何人都能借助同一套界面、相同地名、一致观测视角，给凭空捏造的场景附上浓厚的 「现场真实感」。过去，一张 Google 地球截图在网络传播，人们不会第一时间质疑真伪；而往后，怀疑将会成为所有人看图时的本能。信任的裂痕一旦出现，很难修补。既然 AI 随手就能制作出足以乱真的图像，我们还能无条件相信自己看到的画面吗？难道往后每看见一张截图，都要先费劲分辨它究竟是真是假？其实早在 Google 地球这次风波之前， Google Pixel 手机就捅过类似的篓子。两年前，Google Pixel 9 系列上线之际，内置相册搭载了 Reimagine 功能——用户可以框选照片任意区域、输入提示词，就能在原始画面上生成全新内容。The Verge 曾做过测试，在河流里生成一架失控坠毁的直升机，成品细节完整，乍看都找不到 AI 修改痕迹。图自 The Verge这架直升机发在朋友群里，可能只是一场恶作剧；可它要是出现在社交平台里，就可能摇身一变，成为引起社会恐慌的「现场证据」。这不只是 Google 一家公司的问题 ，Meta 最近也整了一出大的。今年七月份上旬，Meta 正式推出 Muse Image，其中一项功能允许用户在 Meta AI 里 @ 公开 Instagram 账号，直接把对方发布的照片拿来做 AI 生图参考。根据 TechCrunch 报道，符合条件的成年公开账号会被默认纳入素材池，照片被调用生成图像时，账号所有者不会收到任何通知。等等，你说什么？难道你是在告诉我，我自己的作品会在我自己不知情的情况下被二创吗？这合理吗？图自 Meta不出意外，仅仅三天，Meta 就紧急撤回了这项功能。看到这里，你可能会问：给 AI 图片加上水印，不就行了吗？水印当然有用，只是它没法包办一切。传统水印很容易被裁切、截图或转发破坏，虽然隐形水印更难去除，但它也有着一定的门槛——需要专门工具才能识别，而且局部修改后仍可能出现漏判。为了补上图片来源和修改记录这部分信息，越来越多的平台开始采用 C2PA 内容凭证：它可以记录一张图片由谁制作、是否经过 AI 生成，以及后来被怎样编辑。可令人头疼的是，即使有了这套凭证，人们能够查清的仍然只是图片的来历。至于画面里的事情是否真的发生过，还需要我们结合新闻来源、现场证据等信息进一步核实——但很多时候，吃瓜群众在不言中就成为了传谣者。图自 C2PA归根结底，水印和溯源技术，都只是事发后的补救手段。而那些真正决定风险边界、守住影像可信度的，从来不是用户的辨别能力，而是平台从功能诞生之初，就设定好的开放规则与安全尺度。让娱乐归于娱乐，让真实归于真实Google 和 Meta 接连出现的功能争议，本质上反映出科技行业一种趋同的产品取舍——以假乱真的生成式 AI，能力的边界在哪里？厂商优先简化 AI 生成流程、降低使用门槛，再依靠后置规则与风控兜底，应对功能开放后产生的滥用问题。无论是直接挪用公开 Instagram 照片作为生图素材、依托真实地理影像开展AI创作，还是将实景照片编辑简化为框选加提示词的极简操作，都是这套产品逻辑的具体体现。这种极致的操作简化，在便利正向创作的同时，也消解了过去天然存在的使用阻力，而这些阻力原本是抵御恶意创作的无形屏障。不过令人费解的是，明明 Nano Banana 和 Google 地球都属于 Google 。在同一类敏感请求下，在 Nano Banana 中会被拒绝，换到 Google 地球里却能顺利生成。可见，Google 在功能上线前，内部并没有对齐安全规则，对于模型能力的调度，不同产品有着不同的选择。对一个依靠真实地理影像建立公信力的平台来说，这恰恰是致命的纰漏。可在争相证明自己是一家「AI 公司」的竞赛里，比起完善前期的安全工作，Google 更急着把功能塞进产品，将安全规则抛之脑后。当争议出现后，Google 给出的解决方案也很无力——让用户可以通过 Gemini 来甄别可疑图像，可这篓子就是自家 AI 捅出来的啊。图自 Gemini显然，风控防线本该优先搭建在平台一侧，把辨别真伪的负担转移到用户肩上，这本身就是一种逃避责任。在这点上，我认为国产手机厂商在引入 AI 能力时的做法，更值得借鉴。以 OPPO 手机的 AI 影像功能为例，诸如人像补光、最佳表情、去反光去拖影等功能，当然是一种对真实的「修改」，但这种修改在私人相册这个环境下，是合理的，是克制的，更是锦上添花的。既不打扰他人，也借助 AI 能力提升了效率、挽救了废片。图自 OPPO想象一下你在一个很漂亮的花园里拍照，偏偏遇上阴天，光线不足，人物和景色都显得灰暗。这时候用 「AI 人像补光」一键提亮画面，就能把一张差点拍坏的照片救回来，也把拍照时的好心情留住。花园、人和那次拍摄都真实存在，AI 只是扮演了打光师的角色。它没有另外编出一个不存在的场景，而是修补一次真实拍摄留下的遗憾，让这张「照片」变成一张「好照片」。即使这是一张经过 AI 处理的照片，这些功能一样会改动像素，有时还会修正局部内容，但 AI 在这里起的只是修饰作用，原本拍下的生活依旧是画面的中心。我想无论是 Google 地球或是 Google 相册，必然也能在入口处、在产品层，做好引导与防护，做好 AI 内容与真实数据的隔离，让娱乐归于娱乐，让真实归于真实。对 Google 来说这绝非难事，但却依然一次次选择拿公信力去冒险——我想这不应该是一个先进的 AI 公司应有的担当。

下线 8 年的 QQ 宠物，这几天居然在手机 QQ 上官宣回归了。这是个旧时代的产物，但它真正的意义，可能是开启一个新的时代。图｜腾讯从外形看，QQ 宠物从以前的二维企鹅，升级成了如今的 3D 毛绒形象。更重要的是：在保留喂食、洗澡、打工等经典老玩法的同时，腾讯还给这些萌物塞进了大模型。以前的 QQ 宠物都靠已有的固定代码规则运行，饿了得喂饭，它出去打工，回来还能领到「赛博薪水」。只是这些机制的触发都是基于固定的计时系统，玩久了之后，你能很轻松滴摸透它什么时候想干啥。新版的 QQ 宠物则接入了腾讯自家最新的「混元 Hy3」：依托大模型的生成能力，玩家可以自由挑选宠物性格，不同的用户做同样的交互，也会得到不同的反馈。同时，新版还新增了主动回应，能记录一天里的行为，自己写下一篇「日记」，以第一人称视角留存日常点滴。相比单纯的「回忆杀」，我想腾讯有另一个隐藏的野心——通过 QQ 宠物这一 IP，在 AI 时代重新占据桌面宠物的市场。当然，喂饭、洗澡，依旧是核心玩法的一部分，固定的养成数值等机制也仍在。但新旧之间的设计哲学，最大的区别在于玩家和宠物之间不再只有单向的点击与反馈。当 QQ 宠物被赋予了记忆，具有专属的性格，降低了过去的「机器」感，让「活感」更强了——这让玩家很容易对它投进去更多感情。原来那串冰冷的数值，终于会抬头看人一眼。有趣的是，这只企鹅回到在手机 QQ 的同时，另一批「桌宠」开始在程序员的屏幕上诞生：它们不等人喂饭，而是替人盯着尚未结束的任务：Agent 运行时跟着忙，等待权限时抬头，遇到错误便停下来。二十年前，人守着 QQ 宠物，等它「下班」、给他喂饭；现在，桌宠开始替人「上班」了。新一代桌宠，从命令行出发对 Agent 桌宠来说，它有着更重要的任务：替人守着一项还没做完的任务。Agent 桌宠的诞生，一开始是在终端/命令行工具里。今年愚人节，Claude Code 曾经短暂加入过一个叫「 buddy 」的彩蛋。图｜Odaily用户在终端里输入命令，就能孵出一只 ASCII 码渲染的小动物。给它取好名字后，它能够留意正在进行的工作：Agent 开始运行，它跟着动；任务卡住，它停下来；轮到用户确认权限，它便抬头等待。最好玩的是，当时的 Claude Code Buddy 具有极强的「抽卡」属性：动物类别、「稀有度」都是随机的。大部分人只能随到「普通」的各种动物，而极少数玩家能抽出「金色传说」。官方设计是领养之后就与用户绑定，无法修改，但当时甚至有人捣鼓出一些歪门邪道的重新刷新机制。当然，Buddy 自始至终是个期间限定的彩蛋，过后官方也很快将其移除。不满足的开发者们很快开源了各种各样的替代版本，将新的宠物直接通过 hook 机制接到 Claude Code 上，让测试结果、权限请求和任务状态变成不同动作。「赛博宠物」开始从命令行爬向桌面。图｜OpenAIOpenAI 为新版 ChatGPT/Codex 桌面端加入了 Pets 入口，用户能够按照自己的喜好选择和创建自定义宠物。官方还收录了孵化宠物的专门 skill，能基于用户上传的参考图，生成新的动作，创建成活灵活现的新桌宠，也备受欢迎。而 Claude 那边也没有完全忽略用户对 Buddy 的喜爱：Anthropic 官方后来开放了面向创客的蓝牙接口，用市面极易获取的 M5Stack 开发板和 ESP32 微控，结合官方开源的 GitHub 项目，就能复刻出一只实体桌宠。（略微讽刺的是，Anthropic 官方对中国用户、企业的恶意人尽皆知，但这个项目不仅有着官方的身份，硬件实现却几乎全部仰赖中国供应链……）图｜Felix Rieseberg每当用户打开客户端点击「新任务」，桌宠就会醒过来。权限请求迟迟没人处理，它会显得不耐烦；没事做了，它便趴下睡觉。模型能力并不会因为拥有了桌宠而增加，只是用户终于可以不用一直守着日志，能够放心切出窗口去运行其它事情。看起来是 AI 大模型时代人机互动的新范式，桌宠却绝非全新的事物。事实上，「把系统状态变成一个角色」，电脑其实已经试了近四十年。桌宠活了四十年，才学会什么时候别出声电脑养宠物的历史，比不少互联网公司都长。上世纪八十年代末，日本程序员为 NEC PC-9801 写下 NEKO.COM ：一只像素猫追着鼠标满屏跑。追累了，它抓抓痒，洗洗脸，最后乖乖趴下睡觉。它不会处理文件，也提高不了效率。唯一做到的，只是给无聊的屏幕添了一点活气。图｜1997 年，微软推出了可能是计算机历史上争议最大的「桌宠」——办公助手「大眼夹」(Clippy)。它真的是一个助手，能够观察用户的操作，提出猜测 ——比如「你似乎正在写一封信」，然后弹出一段帮助提示。比起让角色动起来，让它在正确的时候出现要难得多。微软想给复杂的软件安上一张亲切的脸，最后却造出了电脑史上最出名的「烦人精」。在大眼夹的存续期间，几乎没有人打开 Word 之后的第一件事不是把它关掉。然而在它离开我们一段时间后，风评却发生了逆转。下图是我的同事前几年在微软 Build 大会上拍到的画面，那段时间微软的主线是全新的 AI 助手「Cortana」，但大家却无比想念「大眼夹」……相比于 Neko 和大眼夹，中国用户应该更熟悉瑞星小狮子。它会在桌面上跑动、换衣服、拿道具，给严肃的杀毒软件添了一张脸。隔壁 QQ 宠物走的则是另一条路。它不替人做事，反过来制造了一堆事情：要吃饭，要洗澡，会生病，还要学习和打工。2005 年，腾讯把电子宠物的养成玩法搬进电脑，接上好友、社区和成长系统。软件通常替人减少麻烦，QQ 宠物偏要人每天回来伺候它。意外的是，大家当年都还挺乐意去照顾这只麻烦的企鹅。QQ 宠物以及它的异形同类们，包括并不限于偷菜、种树等产品，尽管几乎毫无任何使用价值，却成为了互联网公司打造的活跃度与粘性最强的产品。后来，电脑桌面越来越挤。搜索框接走了 Clippy 的帮助功能，操作系统的集成安全能力也让杀软不再流行，游戏则提供了完整得多的虚拟世界。QQ 宠物这一套让人疲惫的玩法还要求人不停点击，偶尔挑一个不合适的时间跳出来。这种需要用户过度伺候的陪伴，慢慢成为日渐忙碌的人们，数字生活当中的「负担」。在 2018 年 9 月，QQ 宠物终于停运。但正如你所看到的，桌宠没有因此而彻底消失。进入 AI 时代，它先是从怀旧项目、小众软件和程序员的命令行里重新萌生，然后随着新的人机交互范式的。2026 年，Agent 催生了一个此前从未凸显的交互缺口 ——「进度模糊」。传统电脑任务的交互体验，都是突出「确定性」的：文件复制显示进度条与剩余时长；下载任务标注速度与百分比。估算数值或许存在偏差，但至少有一条清晰的、向前推进的进度线，作为关键参照。可 Agent 的执行过程，特别是在后端采用思考/推理模型、前端采用多 Agent 架构以及复杂工程约束的时候，其不确定性被显著放大了。无论是检索资料、迭代项目还是自动修改代码，用时多久、最终结果都难以预判：可能十几分钟顺利收尾，也会长时间反复碰壁，遭遇测试报错、权限异常，陷入循环重试。进度的边界彻底模糊。哪怕计时器已经走过三十七分钟，没人能确定任务还需要三分钟，或是三小时。「Vibe Coding 像一场蒙着眼睛的长跑。真正磨人的往往不是跑了多久，而是不知道还要跑多久，以及跑出什么结果。」弹窗转瞬消失、提示音一闪而过。这类瞬时「强提醒」只适合告知「某件事刚刚发生」，没办法持续展示一项长周期任务的运行状态。为了解决这个小众但重要的需求，人们曾经发明过许多颇为有趣的方案。其中最有趣的，莫过于久负盛名的施乐研究所 (Xerox PARC) 在 1995 年做的一个用于判断机房服务器负载的小项目：一根塑料悬绳挂在一个马达上，而马达直接连接服务器。当网络繁忙，绳索快速摆动；流量空闲，它偶尔轻微抽动——而这带来的效果就是：办公室人员无需打开监控面板，路过时余光一瞥，或是听见绳索晃动的声响，就能大致判断网络负载。不必调动核心注意力，信息自然在视觉边缘传递。Agent 桌宠填补的，正是这种「余光提醒」的交互空白。过往追踪 Agent 运行状态，程序员必须主动切换窗口、调动中心视觉，而这些操作会打断用户本身的「上下文」进程，且随着 AI 工具的进一步普及，越来越多人每天当中越来越多次被这样打断。加州大学学者 Gloria Mark 的研究证实：人被打断深度工作后，平均需要 23 分钟才能重建完整思路、回归专注。停靠在桌面角落的 AI 桌宠，依靠形象动效、形态变化传递任务状态，打通了余光感知这条极低负荷的信息通道。人眼周边视觉天生擅长捕捉细微的动态变化，开发者仅凭余光就能感知 Agent 进展，无需刻意转移视线、中断编码思考。桌宠的出现和流行，大幅削减窗口切换带来的认知损耗，更长时间守住稳定的心流。任务正常运行，它安静蛰伏；需要人工确认时给出温和提示；运行失败便停下动作；产出结果待核验时，再通过明确的通知来呼唤用户。一只合格的 Agent 桌宠，大部分时间应当安静趴着。倘若每次状态变动都夸张弹跳，它就沦为换了外壳的加载条；如果再叠加无休止的对话、弹窗与卖萌互动，用不了多久，又会变成新的注意力干扰源——所以，如果你想要创建自己的桌宠，不要执迷于给它加过度丰富、复杂的动作，那样只会本末倒置。（关于创建自己桌宠的教程，可以看这篇文章/视频）目光留给 Token，守候交给桌宠当我们使用 AI 产品的时候，总是对于任务执行进度以及 Token 消耗量有很大焦虑：额度不够用的时候，担心活干不完，额度快要重置的时候，又总想干点什么给它利用起来……结果，人就成了一种时常处于「纠结状态」的 Agent 监工。Agent 原本作为替人省力的工具，反倒为用户增添了「FOMO」（错失恐惧）。桌宠的走红，有一部分原因是它披着可爱的皮肤，能够给予用户思绪上的释放，缓解 Token 给用户带来的压力。不少人期待此次回归的 QQ 宠物不止局限于手机端。大众心底的情怀，始终期盼这只经典小企鹅重返 PC 桌面；倘若能够深度接入腾讯自家的 Agent 体系，让怀旧 IP 顺势承接智能体状态提醒的职能，让数码复古的情怀与当下 Agent 风潮碰撞出新的化学反应。图｜小红书 小鱼游游游而且，定制自己专属桌宠的过程，本身也挺解闷的：挑照片、改动作、给角色添一点脾气。它提高不了多少生产力，却是长时间 Vibe Coding 里的一段小小的慰藉。用户可以「赛博抚摸」它，也可以把对进度和 Token 的烦躁暂时丢给它。从二十年前人们守着 QQ 宠物，操心它温饱病痛，到如今轮到桌宠替我们看守 Agent。电脑养了四十年宠物，这次终于能让它帮我干点活了。附录：怎样创建一只属于自己的 Agent 桌宠先准备一张容易辨认的参考图。主体尽量完整，背景简单。真人照片只保留最醒目的外观特征，例如发型或衣服。证件和工牌不要入镜，带有住址、聊天记录的背景也要裁掉。随后在 Codex 中调用 OpenAI 收录的 Hatch Pet skill。不同版本的入口可能不一样，可以直接在对话中明确写出「使用 Hatch Pet 制作一只 Codex 宠物」。提示词同时写清外形和状态动作，例如：Hatch Pet 会生成并校验多组状态，再把动画整理成精灵图。生成结束后，重点检查：每组动作是不是同一个角色；花纹、发型和衣服有没有漂移；waiting、failed 和 review 能不能一眼分清；左右移动的方向是否正确，动作循环有没有闪烁。确认目录后，重新启动 Codex CLI。桌面版可进入 Settings → Appearance → Pets，点击刷新后选择新角色。界面名称可能随版本变化；如果没有看到 Pets，先检查应用版本和角色包路径，不必急着重新生成图片。做到这里，这只 Agent 桌宠就算正式上岗了。别忘了给 Agent 派个短任务，看看这只新来的小家伙什么时候醒来。

好消息，平时骑「电鸡」上班的朋友，可以稍微骑快点了。8 月 25 日，《道路交通安全法》修订草案提请十四届全国人大常委会第二十四次会议初次审议。这是现行道路交通安全法自 2004 年施行以来的一次系统性修订，共 9 章 170 条，涉及电动自行车、「盲驾」、自动驾驶、「暴走团」等多个高频出行话题。要注意，这只是修订草案，尚未正式通过和施行。电动自行车限速，拟从 15km/h 提高至 20km/h先来说每天穿行在城市里「电鸡」，也就是电动自行车。草案拟将电动自行车在非机动车道内行驶的最高时速，从现行的 15km/h 提高至 20km/h。这里调整的是道路通行限速，不是车辆的最高设计车速。目前电动自行车国标规定的最高设计车速仍为 25km/h。换句话说，这次修法主要是缩小一点「车能跑多快」和「路上允许跑多快」之间的落差。但限速放宽，不等于骑行规则一起放宽。草案同时明确，驾驶电动自行车上路，不得逆行、超速、违反交通信号，也不能拨打或接听手持电话、观看视频；驾驶人与乘车人还应按规定佩戴安全头盔。开车看视频，「盲驾」处罚可能加码机动车这边，也多了一条更明确的红线。草案规定，驾驶时拨打或接听手持电话、观看视频等妨碍安全驾驶的行为，如果造成交通事故或者其他严重后果，将处 200 元以上、500 元以下罚款，并可以暂扣三个月机动车驾驶证。过去，酒驾、疲劳驾驶的危险性已经深入人心；如今，手机正在成为驾驶舱里的另一种注意力黑洞。不过需要注意，草案中的上述加重处罚，以「造成交通事故或者其他严重后果」为前提，并非只要开车看一眼手机，就一律暂扣三个月驾照。自动驾驶违章，车企也要「接单」这次修订草案还专门设置了「自动驾驶汽车的特别规定」一章。按照草案，当自动驾驶功能处于激活状态，车辆发生道路交通安全违法行为时，由自动驾驶汽车的生产企业或进口企业接受处理。但要注意，这里的「自动驾驶」，并不是我们平时使用的「辅助驾驶」。如果自动驾驶功能没有激活，或者车辆仅具备辅助驾驶功能，则仍按照普通汽车的规定管理。简单来说，辅助驾驶还是「人开车、人负责」；真正进入自动驾驶状态后，交通违法的处理对象开始从驾驶人延伸至车企。不过，「由车企接受交通违法处理」不等于所有事故责任都自动归车企。事故认定、民事赔偿及产品责任，仍需根据具体情形和后续配套制度判断。「暴走团」也被盯上了对于成群占用机动车道、非机动车道的「暴走团」，草案重申：未经许可，任何单位或者个人不得占用道路从事暴走、健身等非交通活动。草案还进一步明确了相关管理责任：公安交管、交通运输、住房城乡建设等部门应当依法劝阻、制止和处理，道路养护单位则负有劝阻、报告义务。健身当然是自由，但马路不是健身房的延长线。除此之外，这次修订还聚焦醉驾、「僵尸车」、超标车辆等长期存在的交通治理难题，并加入多项便民出行措施。需要再次提醒的是，《道路交通安全法》修订草案目前仅进入初次审议阶段。20km/h 限速等调整最终是否落地、何时施行，仍要等待后续审议和正式公布。

最近，美国法院接连被 AI 摆了几道：一名法官的助理用 Perplexity 起草裁定，绕过常规复核，结果文件不仅出现虚构引用，连当事人都写错了。这已经不是法律界第一次因为 AI 翻车而吃苦头，还有法院接到当事人发来的诉状，打印文件时出现了大片空白，仔细一查发现了隐藏的白色文字。原来是当事人在文件里，贴进了人眼不可见的白色小字，要求任何读取文件的 AI「确保输出同意本文件的主张」，并引导 AI 推翻先前决定、支持他的诉求。好吧，现在法律界确实经常用 AI 了，但还没到啥都用 AI 审阅的程度——更没那么笨。Harvey 最近就发布了专门的法律模型 Tenet，而且是以 Kimi K3 为基座。没听过这家公司也很正常，它不做面向普通人的法律问答，而是给律所和企业法务提供 AI 工具，帮助律师查资料、审合同和处理文件。Harvey 成立只有四年，估值已经达到 110 亿美元，服务超过 1300 家机构和 10 万名律师，是目前最值钱的法律 AI 公司。这是 Harvey 第一个基于开放权重进行后训练的模型，面向需要长时间执行、连续调用工具的法律任务。初步成绩显示，Tenet 在 Harvey 的法律智能体基准 LAB 上，成功完成的测试任务接近底座模型的两倍。不过，作为一家独角兽公司，随时买得到最强模型，为什么还要自己专门训一个？从开头的新闻里也看到了，通用模型可以回答法律知识，却未必能完成真实的法律任务。律师接到的通常不是一道问答题，而是一句来自合伙人的要求，以及大量真假线索混杂的客户文件。模型需要判断从哪里开始，连续检索和阅读材料，发现风险、给出引用，最后形成可以交付的合同修订或法律备忘录。对这类任务而言，真正稀缺的不只是知识，而是知道一项工作应该怎样完成、怎样检查。麻烦在于，这些很难靠提示词和外部工作流完整地传递给模型。你可以把检索、引用和审阅步骤写进系统，却很难用一段提示词让模型学会「什么时候应该多调一份材料」「一份交付物到底差在哪里」——这些判断藏在成千上万次真实执行的细节里。所以，只能靠训练了。OpenAI 投资的百亿独角兽，模型底座来自中国类似选择正在同时发生在更多中国模型身上，一批看起来土生土长的美国 AI 产品，扒开外壳，里面却装着一颗中国模型的心。最为人所知的，要数全球最热门的 AI 编程工具 Cursor，年初时发布了自己的模型 Composer 2。当时 Cursor 只强调它便宜、快速，能够自动完成复杂的编程任务，却没有交代模型究竟从哪里来。直到被抓住，它才在技术报告中承认，Composer 2 是在 Kimi K2.5 的基础上训练出来的。Cursor 一直被视为美国 AI 创业潮中最风光的公司之一。它估值数百亿美元，背后站着一群硅谷顶级投资人，平时还大量使用 Anthropic 的 Claude。这样一家公司第一次推出「自己的模型」，也不是从零开始，而是直接拿了 Kimi 的开放模型继续加工。甚至在随后推出的 Composer 2.5，仍然沿用 Kimi 的底座。照着这个思路，英国 AI 公司 Cosine 也拿 Kimi K2.6 训练出 Lumen Outpost。Cosine 是专门维护银行、航空公司和大型企业仍在使用的古老代码的「修理工」，减少 AI 随手生成但难以维护的垃圾代码，并让模型在完成工作时少说废话、多主动解决问题。这家公司体量远不如 Cursor，但它更现实，小公司没有钱与 OpenAI、Google 竞争，那就可以拿现成的中国模型，专门训练它解决某一类客户愿意付钱的问题——不考高考了，而是直接考职业资格证。最后，连「全球第一位 AI 程序员」的 Devin 也加入了这条队伍，发布 SWE-1.7 时公开承认，它使用的是 Kimi K2.7。在 Curosr 之前，Devin 曾经是硅谷 AI Agent 最受瞩目的明星产品，后来也跟 Cursor 走上了同一条路，现在也用了同一个中国厂商的基座模型。短短半年，Kimi 的不同版本像接力棒一样被海外公司依次拿走：K2.5 进入 Cursor，K2.6 被 Cosine 改造成专攻疑难杂症的程序员，K2.7 进入 Devin，K3 则被 Harvey 训练成法律专家。Kimi 每更新一代，海外就多出一个挂着本地公司招牌的新模型。这些公司当然不是简单地给 Kimi 换个名字。它们仍然需要投入数据、算力和行业经验，才能把通用模型变成真正可用的产品。但它们也不再执着于证明「这个模型完全是我从头训练的」，毕竟在商业世界里，血统没有成本重要，能不能用更少的钱，做出更适合自己客户的模型，才是关键。中国模型抢的，不只是 Claude 的用户过去，AI 创业公司通常只有两条路：要么花费巨资从头训练模型，要么接入 Claude、GPT 等闭源模型，每使用一次就向模型公司交一次钱。后一种办法启动更快，却很容易带来一个尴尬的问题：产品做得越大、用户用得越多，付给上游模型公司的费用也越高，支出收入能勉强打平就不错了。中国开源模型的爆发，则给这些 AI 创业公司提供了第三条路，他们可以直接拿到一套已经训练好的模型，再用自己的数据和业务经验继续加工。它们不需要承担从零造模型的全部成本，也不用永远依赖 Anthropic、OpenAI 的定价和服务。这也由此诞生一种类似 Harvey 的有趣现象，美国的AI产品，由中国模型预制。同样是在法律咨询行业深耕的汤森路透，也发布了首个自研模型 Thomson-1，他们同样使用了中国开源模型。CTO Joel Hron 把这种选择比作租房与买房——调用外部 API 是在交租，而拥有自己的模型，才能让公司的行业数据和知识产权不断沉淀成资产。连 OpenAI 前 CTO Mira Murati 创办的 Thinking Machines，虽然从头训练了自己的基础模型 Inkling，一方面参考了DeepSeek 的 V3 做模型架构，另一方面也使用 Kimi K2.5 生成的合成数据启动监督微调，这家公司目前估值已经超过 120 亿美元。从开放权重、合成数据到直接部署，中国模型正在以不同形式进入美国 AI 产品的供应链。虽然中国开源模型今年杀疯了，甚至开始围攻闭源顶流 Fable 5 ，也屡屡在海外开发者圈子刷屏。但中国模型给硅谷带来最大的变化，其实是海外的这些公司开始用中国模型制造自己的 AI。很多用户大概都不知道底层模型来自中国，但这恰好说明它正在获得另一种更「长期主义」的价值：去成为其他 AI 产品的原料、底座和上游工业品，是真正带来更底层价值的关键。

2026 年最好的 AI PC，刚刚迎来了一大波更新。苹果正式发布全新一代 Mac mini 和 Mac Studio。新一代桌面 Mac 带来了 M6、M5 Pro、M5 Max 与 M5 Ultra 四款芯片选择，也进一步拉高了苹果在本地 AI 计算领域的性能上限。其中，Mac mini 提供 M6 和 M5 Pro 两种版本，起售价分别为 6999 元和 12999 元。针对教育用户，苹果还提供对应优惠价格，M6 版 Mac mini 起售价为 6199 元，M5 Pro 版为 12199 元。Mac Studio 则提供 M5 Max 与 M5 Ultra 两种版本，起售价分别为 19999 元和 46999 元，将模型容量、内存带宽和多机扩展推向更高层级。作为对比，M4 Mac mini 国行起售价在今年 6 月已经由 4499 元涨至 5999 元，M4 Pro 版目前为 12499 元起。新款 M6 和 M5 Pro 版又分别上涨 1000 元和 500 元。四款全新机型均于 8 月 27 日开启预购，9 月 22 日起发售。其中，配备 512GB 统一内存的 Mac Studio 将于 10 月下旬上市。苹果最小的 Mac，正在成为 AI 时代的新入口过去，Mac mini 在苹果产品线里的定位非常明确。它是一台价格相对友好的 Mac，让用户用较低成本进入 macOS 生态。但新款 Mac mini 的任务伴随着年初 OpenClaw 的爆火，它除了承担办公、影音和日常创作，也逐渐成为越来越多用户运行本地 AI 模型和 AI Agent 的设备选择。具体而言，新款 Mac mini 的核心变化，来自全新的 M6 芯片。作为苹果首款采用 2 纳米制程的 M 系列芯片，M6 配备 12 核 CPU、12 核 GPU，以及两组 16 核神经网络引擎。其中，CPU 包含 2 个超级核心、4 个性能核心和 6 个能效核心，核心总数比 M5 增加 2 个。苹果官方给出的数据显示，M6 的多线程 CPU 性能最高达到 M5 的 1.2 倍、M1 的 2.4 倍。放到 Mac mini 中，与上一代 M4 版本相比，其 CPU 性能最高提升 40%，图形性能最高达到 2 倍，AI 性能最高达到 4 倍。M6 的 12 核 GPU 首次在 Mac mini 的每个 GPU 核心中加入神经网络加速器。其 AI 峰值计算能力较 M5 提升接近 30%，较 M1 提升超过 8 倍，主要用于加快大模型的提示词处理。两组 16 核神经网络引擎的峰值计算能力最高达到前代的 2 倍。系统框架可以同时调用两组引擎，提高设备端模型的执行效率。M6 版从 16GB 统一内存起步，最高可选 32GB，内存带宽达到每秒 170GB，较 M5 提高 10%，是 M1 的 2.5 倍。在具体应用中，这款机型使用 LM Studio 处理大模型提示词的速度，最高达到 M1 版 Mac mini 的 13.5 倍、M4 版的 4.8 倍。其 Microsoft Excel 表格计算速度最高达到 M1 版的 2.3 倍、M4 版的 1.5 倍。在支持光线追踪的《赛博朋克 2077：终极版》中，游戏性能最高达到 M4 版的 2 倍。由此来看，M6 版 Mac mini 已经不只是入门办公电脑。它同时面向普通用户、学生、开发者、AI 爱好者和企业用户，可以处理智能编码、图像生成、模型推理和轻量级 Agent 任务。如果你有更复杂的工作负载，苹果还准备了 M5 Pro 版本。M5 Pro 最高配备 18 核 CPU 和 20 核 GPU，每个 GPU 核心同样包含神经网络加速器。统一内存最高达到 64GB，带宽达到每秒 307GB，可以容纳体量更大的模型、复杂三维场景、ProRes RAW 视频文件和科研数据集。在 LM Studio 中，M5 Pro 版 Mac mini 的大模型提示词处理速度最高达到 M2 Pro 版的 8.5 倍、M4 Pro 版的 4 倍。其 Blender 光线追踪渲染性能最高达到 M2 Pro 版的 4.5 倍，Affinity 图像处理性能最高达到 2.1 倍。苹果官方介绍还将其描述为适合 AI Agent 或创意工作流的安静、高效常驻设备。这一定位说明，Mac mini 的使用场景正在从用户主动操作，延伸到后台持续运行。连接能力也围绕这一方向升级。两种版本均支持 Wi-Fi 7、蓝牙 6 和 2.5Gb 以太网，并可选配 10Gb 以太网。机身正面配备两个支持 USB 3 的 USB-C 接口和一个高阻抗耳机插孔。M6 版背面配备三个 Thunderbolt 4 接口，M5 Pro 版则配备三个 Thunderbolt 5 接口，另外还有 HDMI 和以太网接口。借助 Thunderbolt 5，多台 M5 Pro 版 Mac mini 可以组成集群，共同承载超出单机能力的模型。新增的 USB-C 同步锁相功能，则可以让显示设备与 iPhone 17 Pro 等拍摄设备实现精确同步。至此，Mac mini 获得了一个新身份。它既是一台个人桌面电脑，也可以成为连接数据、应用和 Agent 的小型 AI 节点。体型虽小，野心拉满。从单机到集群，Mac Studio 组队越级如果说 Mac mini 提供了个人 AI 计算的入口，那么 Mac Studio 承担的就是更高强度的模型推理、训练与创意工作。新款 Mac Studio 提供 M5 Max 与 M5 Ultra 两种版本。M5 Max 配备 18 核 CPU，其中包括 6 个超级核心和 12 个性能核心。GPU 最高拥有 40 个核心，每个核心都内置神经网络加速器。统一内存最高达到 128GB，带宽达到每秒 614GB。与 M4 Max 相比，M5 Max 在 LM Studio 中处理大模型提示词的速度最高达到 3.9 倍，文生图性能最高达到 3.5 倍，DaVinci Resolve Studio 的 Magic Mask 性能最高达到 3 倍。与更早的 M1 Max 相比，其大模型提示词处理速度最高达到 10.7 倍。到了 M5 Ultra，苹果干脆把「力大砖飞」写进了芯片结构。它通过新一代 UltraFusion 技术，将两颗采用双芯片晶粒设计的 M5 Max 连接起来，形成苹果首个四晶粒 M 系列系统级芯片。UltraFusion 的晶粒间带宽超过每秒 4.4TB，连接密度提升超过 6 倍，使四个晶粒可以像一个统一处理器一样运行。M5 Ultra 最高配备 36 核 CPU 和 80 核 GPU，并首次在 Ultra 芯片的每个 GPU 核心中加入神经网络加速器。其 AI 峰值性能最高达到 M3 Ultra 的 4.3 倍、M1 Ultra 的 9.8 倍。按照芯片层面的峰值 GPU AI 算力计算，其性能最高达到 M3 Ultra 的 4.5 倍。搭载 M5 Ultra 的 Mac Studio 最高支持 512GB 统一内存，带宽达到每秒 1.2TB。这样的容量可以在设备内保存大型数据集，并承载数百亿乃至数千亿参数的模型。在 LM Studio 中，该机型的大模型提示词处理速度最高达到 M1 Ultra 版的 9.8 倍、M3 Ultra 版的 4 倍，文生图性能最高达到 8.2 倍和 4.3 倍；Foundry Nuke 的 CopyCat 训练速度最高达到 M1 Ultra 版的 15.4 倍。M5 Ultra 还配备更强的媒体引擎，可以同时播放最多 33 路每秒 30 帧的 8K ProRes 422 视频。新款 Mac Studio 的存储速度最高提升至 2 倍，采用基于 PCIe 6 的新一代固态存储架构。Mac Studio 首次支持 Wi-Fi 7 和 Bluetooth 6，同时加入 Thunderbolt 5 连接能力，可以连接高速外置存储、PCIe 扩展机箱和其他专业设备。整机最多支持 8 台显示器，或者 4 台以 5K 分辨率、120Hz 刷新率运行的 Studio Display XDR。相比单机性能，多机集群更能体现这次升级对产品逻辑的改变。新款 Mac Studio 支持通过 Thunderbolt 5 和远程直接内存访问技术连接。多台设备可以组成低延迟网络，共同执行分布式 AI 推理。根据苹果公布的数据，4 机集群的推理性能最高可以达到单机的 3 倍。值得一提的是，今年 6 月，苹果在 WWDC26 期间的一场特别活动中，展示了这种集群的实际运行方式。现场的 4 台 Mac Studio 通过 Thunderbolt 5 连接，并利用 RDMA over Thunderbolt 建立低延迟通信网络。借助 LM Studio 当时即将推出、基于 MLX Distributed 的功能，LM Studio 员工加载并运行了 Kimi K2.6 这一万亿参数规模的开放权重模型。其背后的关键是分布式计算。对于一万亿参数模型，如果采用 FP16 精度，仅模型权重理论上就需要约 2TB 内存，尚未计入缓存和其他运行开销。单台个人电脑很难提供如此大的可用空间，多机协同则可以同时扩展计算能力、内存容量与带宽。不过，桌面集群的实际性能仍然受到模型精度、内存配置、通信速度和模型架构影响。下一代个人电脑的用户，未必是人类今年 2 月 6 日，可能是人类最后一次在 AI 服务中消耗了比 AI Agent 更多的 token。OpenRouter 数据显示，此后 Agent 的 token 使用量超过人类，并在约半年内增长至原来的 14 倍，人类当然并没有减少使用 AI，只是越来越多 token 的触发指令被交给了 Agent 代劳。因 OpenClaw 爆火而受到关注的 Mac mini，也展示了一种此前并不突出的硬件需求。以前，人敲打键盘，电脑执行，然后等待下一次指令。Agent 的到来改变了这种供需关系。一台面向 Agent 的设备，需要保留用户的文件、历史记录、应用权限、模型状态和任务上下文。它不仅要完成一次推理，还要知道此前做过什么、当前进行到哪一步，以及接下来可以调用哪些资源。从这个角度看，以 Mac mini 为代表的 Mac 电脑受到关注，不只是因为它体积小、功耗较低或者性能足够强。更深层的原因是，它具备成为这种数字环境的基本条件。它可以接入用户的本地文件和系统应用，也能将敏感数据保留在设备内。不过，外形和能效只能解释它为什么适合常驻桌面，真正决定模型运行能力的，是 Apple Silicon 的统一内存架构。传统电脑通常由 CPU 使用系统内存，独立 GPU 使用显存。模型权重和计算数据需要通过总线在两类内存之间传输。独立显卡虽然拥有很强的峰值算力，但消费级产品的显存通常只有几十 GB，模型规模很容易受到容量限制。Apple Silicon 让 CPU、GPU、神经网络引擎和其他模块共享同一个物理内存池。模型权重、输入数据和中间结果只需要保存一份，减少了重复存储和数据搬运。M6 最高支持 32GB 统一内存，带宽为每秒 170GB。M5 Pro 将两项指标提高至 64GB 和每秒 307GB。M5 Max 进一步达到 128GB 和每秒 614GB。M5 Ultra 则提供最高 512GB 容量与每秒 1.2TB 带宽。统一内存负责容纳模型，芯片提供计算能力，Core AI、Core ML、Metal 和 MLX 等框架负责调度硬件，操作系统与本地应用则向 Agent 提供数据和工具。这些能力结合在一起，构成了 Mac 在 Agent 时代的优势。它提供的不只是一次模型推理，而是一套覆盖上下文、权限、状态和执行过程的本地 AI 环境。电脑角色的变化，也开始影响 Mac 的产品分层。过去，苹果主要按照性能需求、工作负载、预算和便携性划分产品线。在这套体系中，mini、Pro、Max 和 Ultra，不同程度地代表着用户对性能的需求