SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型AI工具2天前发布AI小集03SenseNova U1.5 Lite是什么SenseNova U1.5 Lite 是商汤科技开源的轻量级原生统一多模态大模型，专为真实视觉创作流程设计。模型原生支持 3-4k 字符超长指令遵循，具备高质量视觉生成、可靠的图像编辑、精准文字排版、精细视觉控制及原生 4K 输出能力，可稳定完成海报、信息图等复杂视觉交付任务，面向全球开发者与创作者开源。SenseNova U1.5 Lite的主要功能超长指令遵循：原生支持 3-4k 字符上下文，可同时处理主体、数量、空间关系、文字、布局、风格等多重复杂约束。高质量视觉生成：改善构图、色彩、材质、光影与真实感，减少局部正确但整体完成度不足的问题。原生图像编辑：增强主体身份保持与非编辑区域保护，支持局部修改、元素替换、文字精修和多参考图编辑。文字与复杂布局：强化中英文文字渲染、海报、信息图与品牌视觉的多文本排版能力。精细视觉控制：支持 Bounding Box、Visual Marker 及单图/多图参考，实现对指定区域和对象的精准编辑。原生 4K 输出：在高分辨率生成中兼顾整体构图与极精细肌理、微小文字和光影折射。SenseNova U1.5 Lite的技术原理数据与任务重构：模型围绕真实视觉交付需求重新完善训练数据分布与任务设计，针对复杂指令遵循、文字排版、图像编辑和 4K 生成等核心能力构建专项训练数据，确保模型能力从追求”画面美感”转向”稳定完成真实视觉任务”。后训练流程优化：通过强化视觉质量、复杂指令遵循、文字与布局、原生 4K、原生图像编辑和精细视觉控制等维度的后训练流程，系统性提升模型在真实创作场景中的执行稳定性与可控性，使各项能力能够更准确、更稳定地进入实际工作流。原生统一多模态架构：作为轻量级原生统一多模态大模型，其架构实现了文本与视觉信息的深度融合，使模型能直接理解复杂图文指令并在统一框架内完成生成与编辑任务，无需额外的模态转换或拼接模块，在 8B 参数量级下实现高效的视觉创作能力。微信关注回复“开源”，加入AI开源项目交流群如何使用SenseNova U1.5 Lite在线体验：访问 SenseNova Studio官网 https://unify.light-ai.top/可在网页端直接体验，无需本地部署。开源部署：前往 GitHub仓库https://github.com/OpenSenseNova/SenseNova-U1下载源码，在本地或服务器上直接部署运行。获取模型权重：访问 Hugging Face模型库 https://huggingface.co/collections/sensenova/sensenova-u15下载模型文件，集成到自有框架中推理使用。SenseNova U1.5 Lite的核心优势超长指令理解与执行：原生支持 3-4k 字符超长复杂指令，能精准解析并执行包含主体、数量、空间关系、文字、布局、风格等多重约束的视觉任务。真实创作流程稳定性：从追求画面美感转向真实视觉交付，确保生成与编辑能力在复杂创作流程中稳定可用、精准可控。精准图像编辑：具备可靠的原生图像编辑能力，能在修改局部元素的同时保持主体身份、空间结构和非编辑区域完整不变。文字与复杂排版：强化中英文文字渲染与复杂排版，可高质量完成海报、信息图、品牌视觉等多文本布局任务。精细视觉控制：支持 Bounding Box、Visual Marker 及多图参考等精细视觉控制方式，实现对指定区域和对象的精准编辑。原生 4K 高清输出：支持原生 4K 高分辨率输出，在超高分辨率下兼顾整体构图与极精细的肌理、微小文字和光影折射。SenseNova U1.5 Lite的项目地址GitHub仓库：https://github.com/OpenSenseNova/SenseNova-U1HuggingFace模型库：https://huggingface.co/collections/sensenova/sensenova-u15SenseNova U1.5 Lite的同类竞品对比对比维度SenseNova U1.5 LiteJanus-Pro-7B参数规模8B（MoT 架构）7B模型定位原生统一多模态生成与编辑模型，专注真实视觉创作交付统一多模态理解与生成模型，侧重视觉理解与生成的平衡指令长度原生支持 3-4k 字符超长复杂指令遵循主要支持常规长度文本指令，超长复杂指令遵循能力有限图像编辑原生图像编辑，支持局部修改、元素替换、非编辑区域保持具备基础图像生成能力，原生图像编辑与区域保持能力较弱文字渲染强化中英文文字、复杂海报排版与信息图布局文字渲染能力一般，复杂排版与信息图生成非其核心优势分辨率输出支持原生 4K 高分辨率输出主要支持常规分辨率生成视觉控制支持 Bounding Box、Visual Marker、多图参考等精细控制视觉控制方式相对有限SenseNova U1.5 Lite的应用场景创意海报与封面设计：根据超长图文指令生成高审美完成度的海报、杂志封面、活动主视觉，精准控制文字排版、空间层次与风格调性。信息图与数据可视化：将复杂数据、旅行攻略、知识科普等内容转化为结构清晰、图文混排的高密度信息图，确保文字准确与视觉逻辑连贯。品牌视觉与营销物料：为品牌快速生成统一风格的系列视觉物料，包括产品包装、社交媒体配图、广告 Banner，并保持品牌字体与视觉元素的一致性。电商产品图编辑与优化：在保留产品主体和背景的前提下，进行局部元素替换、文字精修、光影调整，实现低成本、高效率的商品图迭代。社交媒体内容创作：为创作者提供从概念到成图的一站式支持，生成带有精致排版和个性化文字的图文内容，适配小红书、Instagram 等平台的高频发布需求。# 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FLUX Upscale - Black Forest Labs 推出的 AI 视频放大工具下一篇DeepSeek-V4-Flash-Vision-Exp - DeepSeek 推出的多模态视觉理解模型相关文章ChatGPT for any role – OpenAI推出的ChatGPT提示词模板AI小集3GLM-5.3 – 智谱最新开源的基座大模型，编程能力提升50%AI小集3MiniMates – 轻量级AI数字人项目，支持语音和表情两种驱动模式AI小集2FS-DFM – 苹果联合俄亥俄州立大学推出的扩散语言模型AI小集2ReCapture – 谷歌和新加坡国立大学共同推出的视频处理技术AI小集3Ancher – AI信息管理工具，智能筛选个性化信息推荐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AskCcmarmos模兜漫小芽TipKayFloatboat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天前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架1天前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集1天前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎3天前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台3天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型3天前

Codex Harness – OpenAI 开源的 AI Agent 底层执行框架AI工具2天前发布AI小集04Codex Harness是什么Codex Harness 是 OpenAI 开源的 AI Agent 底层执行框架。Codex Harness 是驱动 Agent 的外骨骼，负责任务理解、记忆保持、工具调用、进度展示、失败处理及人类审批等完整执行循环。开发者可通过 CLI、SDK 和 app-server 三大组件，将 AI 智能体无缝嵌入自有产品、运营看板或业务系统，无需再把工作流硬塞进通用聊天框。Codex Harness的主要功能Agent 执行循环：驱动 AI 智能体完成从任务理解到结果输出的完整迭代流程。上下文与记忆管理：在长对话中保持上下文连贯，智能压缩和审查相关信息。工具与技能调用：支持 AI 灵活调用外部 API、数据库及自定义业务工具。沙箱安全执行：提供隔离的运行时环境，确保文件系统与网络操作安全可控。流式事件传输：支持实时向应用前端推送 AI 的思考过程与执行进度。人类审批介入：在关键操作前自动暂停并请求人类确认，实现安全的人机协作。会话持久化：支持跨会话保存和恢复对话状态、线程与任务生命周期。前后端解耦架构：将审批界面与底层执行循环分离，便于无缝嵌入任意业务系统。如何使用Codex Harness获取开源代码：前往 GitHub 的openai/codex仓库克隆项目，即可解锁完整的 Harness 工具库。CLI 快速执行：用codex exec命令行工具运行有边界的 Agent 工作流，适合脚本和 CI 自动化任务。SDK 编程集成：通过 TypeScript 或 Python 版官方 SDK，在代码中精准启动、恢复或流式传输 Codex 任务。App-Server 产品嵌入：部署 Codex app-server，通过 JSON-RPC 协议将 Agent 循环深度集成到自有业务系统。暴露业务工具：将应用自身的 API、数据库及操作接口通过 MCP 协议暴露给 Harness，让 AI 调用真实业务数据。配置审批流程：在前端接入审批界面，Harness 会在关键操作前自动暂停并请求人类确认，实现安全的人机协作。流式事件监听：订阅 Harness 的流式事件输出，在应用前端实时展示 AI 的思考过程与执行进度。注入业务上下文：向 Harness 传入产品界面状态、用户行为及业务规则，让 AI 基于真实场景而非通用聊天框工作。Codex Harness的核心优势开源可嵌入：开发者可将 AI Agent 执行循环直接嵌入自有产品、运营看板或业务系统，无需把工作流硬塞进通用聊天框。前后端彻底解耦：应用层掌控界面、上下文、工具与审批流程，Harness 层专注 Agent 循环与沙箱执行，通过 JSON-RPC 协议实现通信分离。Harness 设计即性能：在 ARC-AGI-3 基准上仅优化 Harness（保留推理+上下文压缩），GPT-5.6 Sol 得分从 13.3% 飙升至 38.3%，Token 消耗减少 6 倍。沙箱安全执行：内置隔离运行时环境，严格控制文件系统、网络访问与运行时审批，确保 Agent 动作可控、可审计、可回滚。原生 Human-in-the-Loop：在关键操作前自动暂停并请求人类确认，审批通过后才继续执行，天然适合容错率极低的业务场景。流式事件与持久会话：支持实时向前端推送 AI 思考与执行进度，并可跨会话保存和恢复线程状态，适配长周期工作流。模型无关的执行引擎：Harness 是编排层而非模型层，可与不同底层模型配合，聚焦「如何管理模型」而非绑定特定模型。Codex Harness的项目地址项目官网：https://developers.openai.com/blog/codex-as-a-platformGitHub仓库：https://github.com/openai/codexCodex Harness的同类竞品对比对比维度Codex HarnessLangGraph核心定位将 Agent 循环作为可嵌入产品的底层执行引擎基于图状态机的 Agent 工作流编排框架架构设计前后端分离：应用层控制界面/审批，Harness 处理执行循环节点-边模型：开发者定义显式状态流与检查点审批机制原生内置 Human-in-the-Loop，关键操作自动暂停请求确认需开发者手动在节点间插入中断/审批逻辑沙箱执行内置隔离运行时，控制文件系统、网络与工具访问无原生沙箱，需依赖外部容器/环境隔离集成方式JSON-RPC 协议连接 App-Server，流式事件实时推送作为 Python/JS 库直接嵌入代码，检查点持久化适用场景已有成熟业务界面的产品，需 AI 在底层执行且人类掌控审批需要精确控制多步骤状态流转的复杂工作流编排Codex Harness的应用场景财税合规自动化：嵌入税务准备工作流，AI 处理复杂税务逻辑并自动填充申报表，税务师在关键字段审批确认，已验证处理 7,000 份申报表、准备时间缩短约三分之一。企业云平台应用构建：如 Cisco App Builder，客户在其云控制平台内使用自然语言创建自定义应用，Harness 在幕后处理权限校验与底层逻辑流转。物流调度异常处理：在物流看板中嵌入 Agent，调度员点击「Investigate delay」后，Agent 自动调用 MCP 工具获取实时运单数据、分析延误原因，任何改单操作都需人工审批。运营仪表盘嵌入：将 Agent 直接集成到现有运营看板中，实时分析业务指标、触发异常告警、执行修复动作，无需切换至独立聊天界面。安全运维审批：安全分析师在预警队列中直接调用 Agent 排查受影响服务状态，高危操作自动触发 Human-in-the-Loop 审批后执行。Codex Harness的相关问题Q：Codex Harness 是什么？和 Codex 模型有什么区别？A： Harness 是驱动 AI Agent 的底层执行引擎，负责任务理解、记忆保持、工具调用、沙箱执行、流式事件和审批流程；而 Codex 模型是生成代码/推理的「大脑」。Harness 是「外骨骼」，模型是「大脑」，两者配合才能跑通完整 Agent 工作流。Q：开源协议是什么？可以免费商用吗？A： Apache-2.0 协议，可以完全免费商用。你可以自由嵌入自有产品、修改源码、二次分发，无需开源你的上层业务代码。Q：必须绑定 OpenAI 的 GPT 模型吗？能用 Claude 或 DeepSeek 吗？A： Harness 是模型无关的编排层，架构上不强制绑定 GPT。但当前官方实现默认对接 OpenAI API，若要替换为其他模型，需自行适配模型调用层。Q：三大组件怎么选？什么场景用哪个？A：codex exec → 脚本、CI 流水线、后台一次性任务，返回结构化结果。Codex SDK → 你在写应用代码，需要编程式启动、恢复或流式传输任务。Codex app-server → Agent 要成为产品的一部分，需要持久对话、实时事件、中断工作和审批处理。Q：已有业务系统，如何接入 Harness？A： 通过 Codex app-server 的 JSON-RPC 协议连接。你的应用负责提供「产品界面 + 业务上下文 + 审批流程」，Harness 负责「Agent 循环 + 沙箱执行」，双方通过 Context in / Events out 双向通信。Q：Human-in-the-Loop 怎么实现？对业务侵入大吗？A： Harness 在检测到「需审批的操作」时自动暂停 Agent 循环，通过流式事件向前端推送审批请求；用户确认后 Harness 继续执行。业务端只需实现一个审批 UI 并响应 JSON-RPC 事件，侵入性极低。# 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。上一篇紫三角 - CAD 图纸 AI 翻译工具，支持中英互译下一篇FLUX Upscale - Black Forest Labs 推出的 AI 视频放大工具相关文章Zen Browser – 开源AI网页浏览器，提供深度可定制功能AI小集3蓝耘MCP广场 – 蓝耘科技推出的MCP服务平台AI小集3ResAdapter – 字节推出的扩散模型分辨率适配器AI小集3Phi-4 – 微软开源的14B参数小语言模型，擅长数学等领域的复杂推理AI小集3天天跳绳 – AI运动健身应用，智能捕捉用户动作自动计数和监测AI小集3CAMPHOR – 苹果推出的端侧小语言模型多智能体框架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AskCcmarmos模兜漫小芽TipKayFloatboat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天前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架1天前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集1天前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎3天前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台3天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型3天前

Qwen-UI-Agent – 阿里通义推出的 GUI 智能体基座模型AI工具2天前发布AI小集02Qwen-UI-Agent是什么Qwen-UI-Agent 是阿里巴巴通义团队推出的 GUI 智能体基座模型，能在手机、电脑和网页端像真人一样操作界面。模型基于 100+ 台真机、150+ 应用训练，支持 GUI 与命令行混合执行，可完成跨应用长程任务。内置安全机制，危险请求直接拒绝，支付、删除等敏感操作主动交还用户确认。在 MobileWorld、WebArena 等基准上全面超越GPT-5.6、Claude Opus 等旗舰模型，是当前真实世界可用性最强的 GUI Agent 之一。Qwen-UI-Agent的主要功能跨设备 GUI 操作：在手机、电脑、浏览器上自动点击、输入、滑动，完成界面交互。真机多应用工作流：跨 150+ 真实 App 执行复杂长链任务，如查地图→找餐厅→订座→发日程。GUI + CLI 混合执行：既能点界面，也能跑命令行，支持一次输出多个批量动作提速。安全边界管控：违法请求直接拒，支付、删文件、隐私授权等敏感操作主动弹窗交还用户确认。长程任务处理：稳定执行 100+ 步的调研、数据分析、报告生成等超长任务。精准界面定位：在 ScreenSpot-Pro 等 grounding 基准上刷新 SOTA，精准识别屏幕元素位置。Qwen-UI-Agent的技术原理真机训练环境：搭建 100+ 台真实手机、150+ 应用的真机集群，直接采集真实轨迹并用于训练与评测，弥合模拟环境与真实设备之间的性能鸿沟。混合动作空间：模型同时掌握 GUI 操作（点击、滑动、输入）与 CLI 命令，引入 Batched Actions 机制，支持单次决策并行输出多个动作，使电脑任务中 CLI 占比近半，整体执行步数显著缩短。长程在线强化学习：支持在超过 100 步的超长轨迹上进行端到端在线 RL 训练，依托约 10,000 个并发环境并行 rollout，配合自适应课程学习，持续攻克高难度长程任务。安全对齐机制：将安全判断内嵌于任务执行全链路，通过前置分类识别违法或高风险请求并直接终止；对支付、数据删除、隐私授权等敏感场景，在关键节点触发ask_user接管，确保危险请求不执行、敏感操作不擅自决定。多模态 Grounding 与通用能力保持：在 GUI 专用训练的同时保留基座模型的通用推理与 agentic 能力，使其既能精准定位屏幕元素（刷新多项 grounding SOTA），能应对真实世界中的长尾知识与工具调用需求。微信关注回复“开源”，加入AI开源项目交流群如何使用Qwen-UI-Agent阅读技术报告：访问 arXiv 论文了解模型架构、训练方法与 8 项基准的详细评测结果。浏览项目主页：打开 tongyi-mai.github.io/Qwen-UI-Agent 观看 5 个真实场景的真机演示与交互案例。跟踪开源仓库：关注 GitHub Tongyi-MAI/MAI-UI 获取后续可能发布的模型权重、代码与部署文档更新。运行基准评测：使用配套仓库 Tongyi-MAI/MobileWorld 的 Docker 环境，对模型进行可复现的移动端 GUI 能力测试。Qwen-UI-Agent的核心优势真机闭环：基于 100+ 台真实手机、150+ 应用训练与评测，自建 MobileWorld-Real 真机基准，直接弥合”模拟到真实”的鸿沟。全面 SOTA：在 MobileWorld、OSWorld、WebArena、ScreenSpot-Pro 等 8 项核心基准上全面超越或持平 GPT-5.6、Claude Opus 4.8、Gemini 3.1 Pro 等旗舰模型。混合执行提速：统一 GUI 点击与 CLI 命令，支持单次决策批量输出多个动作，电脑任务中约 40% 为批量动作，整体节省近 58% 执行步数。长程在线强化学习：支持 100+ 步超长轨迹的端到端在线 RL，依托约 10,000 并发环境并行 rollout，持续攻克复杂长程任务。内置安全边界：违法/危险请求直接拒绝终止；支付、删数据、隐私授权等敏感操作在关键节点主动停手，弹窗交还用户确认后再继续。Qwen-UI-Agent的项目地址项目官网：https://tongyi-mai.github.io/Qwen-UI-Agent/GitHub仓库：https://github.com/Tongyi-MAI/MAI-UI技术论文：https://tongyi-mai.github.io/Qwen-UI-Agent/Qwen-UI-Agent-Technical-Report.pdfQwen-UI-Agent的同类竞品对比对比维度Qwen-UI-AgentMAI-UI产品定位跨移动、电脑、浏览器、DeepSearch 的统一 GUI Agent 基座移动端 GUI Agent 基座模型MobileWorld82.1%41.7%执行方式GUI + CLI 混合，支持批量动作（Batched Actions）以 GUI 点击为主长程能力100+ 步在线 RL，10,000 并发环境 rollout基础长程任务跨平台手机、电脑、浏览器、DeepSearch 统一模型主要聚焦移动端主动服务能从航班取消等真实通知信号主动发起任务被动响应用户指令安全机制分层安全：违法直接拒，敏感操作弹窗交还用户确认基础安全对齐数据飞轮AutoResearch 式数据飞轮：Agent 自建任务、诊断失败、规划迭代人工驱动迭代Qwen-UI-Agent的应用场景本地生活探店：自动跨高德、大众点评、小红书完成地址搜索、人气比对和口碑总结，一站式搞定约会探店。行程会议联动：查 12306 高铁班次、算地铁通勤时间，自动在钉钉创建带提醒的会议日程。深度调研报告：跨网站采集财报数据、运行分析脚本，自动生成 Excel、PPT 和 Word 交付物。跨设备发票整理：从手机相册提取发票照片，传到电脑分类归档，并生成结构化 Excel 报销单。航班取消主动应急：检测到航班取消通知后，自动搜索替代航班和高铁方案，推荐能赶上会议的最优选项并交还用户决策。# 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Alta - AI 穿搭应用，能生成专属 Avatar 虚拟试衣下一篇紫三角 - CAD 图纸 AI 翻译工具，支持中英互译相关文章Manzano – 苹果推出的图像理解和生成模型AI小集2Vidu S1 – 生数科技推出的实时交互视频基础模型AI小集3Doubao-Seed-Translation – 字节推出的多语言翻译模型AI小集2KindlePPT – AI演示文稿制作工具，60秒内自动创建内容AI小集3R1-Onevision – 开源多模态视觉推理模型，基于 Qwen2.5-VL 微调AI小集2Kimi Playground – 月之暗面推出的AI工具调用体验平台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AskCcmarmos模兜漫小芽TipKayFloatboat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天前LLM-as-a-Verifier – 斯坦福联合英伟达等开源的通用验证框架1天前CoinVE-200K – 腾讯开源的大规模组合指令视频编辑数据集1天前Cocode – 开源DeepSeek Harness发行版，提供GUI与TUI双入口2天前Tap8 – AI 原生互动视频平台，支持实时双向交互2天前DeepSeek-V4-Flash-Vision-Exp – DeepSeek 推出的多模态视觉理解模型2天前SenseNova U1.5 Lite – 商汤科技开源的原生统一多模态大模型2天前FLUX Upscale – Black Forest Labs 推出的 AI 视频放大工具2天前Codex Harness – OpenAI 开源的 AI Agent 底层执行框架2天前紫三角 – CAD 图纸 AI 翻译工具，支持中英互译2天前Alta – AI 穿搭应用，能生成专属 Avatar 虚拟试衣3天前水豚桌面 – 免费 AI 桌面工作台，智能分类桌面应用与文件3天前Lumos NexCore – 鹿明机器人推出的具身智能进化引擎3天前MiniMax Design – MiniMax推出的AI Agent商业内容生产平台3天前Qwen3.8-27B-DFlash2 – Inco AI 开源的投机解码草稿模型3天前

学不过来，刚刚学会怎么用好 Codex，现在又来了个 DeepSeek Harness。过去几天，我们已经介绍过它的插件、各种新玩法和新上线的多模态，但还有一个最基础的问题没有解决：DeepSeek Harness 到底该怎么装，又该怎么用？这次我们从安装、第一次对话、装 Skill、玩插件一路到卸载，带大家从零跑通 DeepSeek Harness。用 WorkBuddy 安装 DeepSeek HarnessDSH 在某种程度上有点像龙虾，没有完整的点击即安装的应用程序，只有放在代码库里需要通过命令行安装的软件包。DeepSeek 官方提供了两种方式，一种是从源码安装，获取完整项目源码，并按照仓库说明完成安装。git clone https://github.com/deepseek-ai/deepseek-harness对于熟悉 Git 和命令行的用户来说，这套流程并不复杂，但后面还要继续执行 pnpm install、构建项目等一系列操作。如果只是想先体验一下 DeepSeek Harness 的普通用户来说，多少还是有些劝退。所以更简单的方法，是直接通过 Node.js 快速启动。安装 Node.js 后，只需要输入：npx @deepseek-ai/dsh web我们这一批从「龙虾时代」走过来的 AI 原生玩家，电脑上一般都已经安装了 Node.js。在命令行输入 node -v、npm -v 检查一下是否安装好，如果都没有，直接从官网 https://nodejs.org/en/download 下载安装即可。正常来说，输入快速体验的命令后，我们在浏览器中打开 http://127.0.0.1:3080 该本地地址，就能启动顺利启动 DeepSeek Harness。如果还是启动失败，不妨试试社区开发的第三方应用。不少开发者已经基于开源的 DeepSeek Harness 仓库，独立开发了相关的应用，可以像安装微信一样，一键安装到本地电脑上。其中收藏比较多的是由 Anywhere Lab 开发的桌面端，目前在 GitHub 上已经有 14000 个 Star，算是目前关注度最高的第三方客户端之一。正常安装完成后，其界面和官方的 WebUI 基本是保持一致，不同的地方在于它新增了一个插件市场的入口，我们可以直接在插件市场里找到有意思的插件并安装。更终极的方法，如果你不想用第三方应用，也不想自己捣鼓终端，交给 WorkBuddy 或者 Codex。早在我们内测时，安装方法就需要从自己的 GitHub 仓库里面部署，对小白来说是完全不懂。我们就直接把项目链接发给 Codex，Codex 会自动读取项目文档，帮我们在命令行处理那些操作。同样的 DeepSeek Harness，我们也可以直接把 GitHub 的仓库链接丢给 Codex，https://github.com/deepseek-ai/deepseek-harness，选择 Codex 访问权限为全部访问，等待它慢慢操作，就能直接帮我们打开安装好的 DeepSeek Harness。用 WorkBuddy 也可以，就选「日常办公」，工作空间可以任意指定一个本地的文件夹，或者干脆不用指定。模型和思考强度不用太纠结，安装任务本身并不复杂；如果中途涉及较多环境排错，再切高推理等级。然后直接发送「帮我把这个 https://github.com/deepseek-ai/deepseek-harness 项目部署到本地，让我可以通过 http://127.0.0.1:3080 访问该服务。」很快，Workbuddy 就帮我们安装好了最新版本的 DeepSeek Harness，后续有更新，还可以继续和它对话，让它帮忙更新。以前安装一个开源项目，第一步是学会敲命令；现在第一步可以是把 GitHub 链接丢给另一个 Agent。DeepSeek Harness 自己还没有做到点击即用，但 Codex、WorkBuddy 这类本地电脑 Agent，已经把它最劝退普通用户的命令行门槛直接抹掉了，而后续更多的繁琐操作，都可以甩手交给 DeepSeek Harness 处理。第一次对话，怎么用多模态和所有的 Agent 一样，工作区可以让我们指定某个文件夹，在该项目内就能直接开启对话。举个例子，点击对话框，选择本地电脑上任意一个文件夹，可以是新创建的，也可以是包含了具体项目文件的；选择之后，我们就能给 DeepSeek Harness 下需求。一般来说，模型可以选择 DeepSeek-V4-Pro，推理等级选择 Max，虽然贵一点，但是也能减少我们和 AI 拉扯的时间。DeepSeek Harness 也会在理解我们需求之后，将项目分成多个有进度可跟踪的任务，以及使用目标模式来控制任务不偏离原需求。中途遇到需要我们做决策的部分，或者需要授权的审批，DeepSeek Harness 都会弹出通知让我们选择。和一般的网页版生成不同，DeepSeek Harness 会持续调用工具来完善最终的交付，就像这个《牛来》的游戏，DeepSeek Harness 生成的网页，还是有一定的可玩性的。甚至还识别到了「半导体老祖」、「跳过小溪」、「父子相认」这些名场面。而简单的问答或是安装 Skills 现在都可以交给他，例如我们从网上找了一个 PPT 的 Skill，ppt-master，然后直接在对话框发送「帮我安装一下这个 Skill https://github.com/hugohe3/ppt-master/blob/main/skills/ppt-master/SKILL.md」安装完成之后，直接说用这个 Skill 帮我做一份语文课 PPT，内容是朱自清的《荷塘月色》。DeepSeek Harness 会遵照 PPT Master Skill 的要求，自动打开一个新的浏览器标签页，要我确认设计方案。最后生成的效果，也确实很不错。和其他 Agent 不一样的地方，则是 DeepSeek Harness 新增的「轨迹」页面，把调用了哪些工具，助手的回复，上下文注入以及 Token 的使用都清晰的呈现出来了。以及多种不同的运行模式，处理不同的任务。基本的使用大概就是这样，如果是从一个已有文件的本地文件夹，我们也可以让 DeepSeek Harness 帮我们完成文件的整理。刚好 DeepSeek Harness 最近的更新加入了多模态的功能，在 0820 的更新日志里写着「新增功能：增强多模态支持度，DeepSeek 模型适配器支持配置启用原生图片请求，/goal、/plan 等命令可接收图文输入，@ 菜单支持引用文件和会话」但实际的情况是Harness 多模态了，当前用的这个 DeepSeek 模型还没有。当 DeepSeek Harness 遇到整理的文件是图片时，它依然会报错，表示 DeepSeek-V4-Pro 不是一个支持多模态的模型，它无法读取图片内容。这次更新打通的是 Harness 的输入管线和模型适配层，所以 DSH 已经能把图片送给支持视觉的模型；V4-Pro 本身不接图片，因此默认组合下依然看不了图。根据更新的仓库代码显示，前一版本的 DeepSeek Harness 多模态支持处于较基础阶段。在多轮对话中，如果发送了多张图片或单张图太大，极易因为图片历史堆积（Token 超限、API 格式不支持）导致模型请求直接崩溃（Crash）。更新之后的多模态，不仅仅是聊天框，/goal（目标模式）和 /plan（计划模式）这些底层命令也正式打通了图文输入，并且能在 @ 菜单里直接拖入/引用图片文件。但如果模型本身不支持「看图」，即模型在 DeepSeek 官方适配器中被标记为 [“text”]，就无法使用 DSH 的多模态能力。代码注释还解释了为什么拒绝：工具结果会进入持久会话历史，如果路由不支持图片，会破坏续聊和分叉。创作第一个插件万物皆插件，插件几乎是 DeepSeek Harness 最大的亮点，如果不使用插件，可能会觉得 DSH 也不过如此。在 DeepSeek Harness 官网，给出的自定义插件案例，就有创作 UI 插件，开发贪吃蛇游戏插件，以及自定义一个代码审查模式。我们可以直接在对话框输入「给当前界面加入一个鲸鱼的背景。」DSH 的插件能力，就能让我们自定义整个用户界面。从 DSH 的思考轨迹可以看到，它使用的是 Cordis 内核的能力，即 Cordis 内核只负责插件的加载、卸载和依赖关系，不承载 Agent 的具体能力。基于 Cordis 内核的服务，模型、工具、技能、会话、沙箱、存储、循环、调度、UI 等所有 Agent 能力均可以由插件提供，再通过 Cordis 服务与事件彼此协作。前段时间，「滑动变祖器」在社交媒体上被网友们疯狂转载。我们也把这个项目链接丢给 DSH，告诉他当我们选择不同的思考深度时，界面的 UI 要根据 Low、High、Max 做出对应的调整。▲ 提示词：参考这个仓库 https://github.com/Lichtspektrum/liang-intensity-calibrator，把滑动变化的图片设置为 UI 界面的背景，然后当我们选择不同的思考深度时，界面的 UI 要会根据 推理等级 做出对应的调整，变化为不同的图片背景。类似皮肤的插件还可以在专门的皮肤市场找到更多的案例，有深海女仆工坊、回到 2005 的广告门户网站、海洋皮肤、滑动变祖，以及便签等 189 个皮肤插件。▲ 地址：https://kingofsoysauce.github.io/dsh-skin-market/之前我们也分享了 DSH 好玩的插件，也有网友自发整理了各类插件，不过目前主流的玩法还是集中在可视化的 UI、不同任务类型的 Agent 编排、以及处理记忆、连接不同第三方服务的 MCP 等。如果看到有意思的插件，安装也很简单，除了在终端输入类似的命令 dsh plugin –profile web add github:csyangwen/dsh-memory-evolve，我们甚至可以直接跟 DeepSeek Harness 对话就行。▲ 安装的记忆插件，让对话框上方从对话和轨迹，变成了包含技能、待办等多项内容的界面或许有意思的插件，还得自己去对话框一轮一轮测试，记得切换到创造模式，效果或许会更好。一键卸载卸载和安装一样，直接告诉 WorkBuddy/Codex 也可以，一句话「帮我卸载电脑上的 DeepSeek Harness。」如果是通过：npx @deepseek-ai/dsh web 快速体验，DeepSeek Harness 并没有作为一个全局应用安装到电脑里。关闭运行它的终端，或者结束对应的进程，服务也就停止了，不需要再额外执行 npm uninstall。如果此前是从 GitHub 克隆源码运行，则停止服务后，再删除本地的 deepseek-harness 项目文件夹即可。至于第三方桌面客户端，就和普通应用一样，直接从系统中卸载。▲ 提示词：帮我在桌面制作一个deepseek harness本地桌面启动器，有一键打开和一键卸载的功能而 DeepSeek Harness 留下的会话、配置和凭据也不准备保留的话，还可以继续删除 ~/.dsh 目录。到这里，从安装、第一次任务、装 Skill、折腾插件，再到最后卸载，DeepSeek Harness 基本就算跑过一遍了。DSH 说 15s 之后会重启，它自己还在输出，时间到了就重启完，重启之后成功安装了工作区目录树的插件回头想想，这套流程里最有意思的变化可能还发生在 DeepSeek Harness 之外：我们可以让 Agent 帮忙安装 Harness，再让 Harness 给自己安装插件。以后折腾一个新的 AI 工具，需要记住的命令可能会越来越少，需要说清楚的只剩下一件事——我们到底想让 AI 做什么。

ChatGPT 现在可以直接「翻」你的 iMessage 了。今天凌晨，OpenAI 正式为 Mac 端的 ChatGPT 上线 Apple Messages 连接器。授予相应系统权限后，输入「@」并选择「Messages」，ChatGPT 就能检索、分析聊天记录，并帮你起草回复。把散碎的聊天记录，变成可执行的结构化数据比如对 ChatGPT 说一句「整理昨天有哪些我需要跟进的事情」，它会翻看昨天的聊天记录，从里面找出那些没有下文的事情。OpenAI 展示的例子里，读书俱乐部的一位朋友问「我们下次聚会是什么时候」。ChatGPT 找到这条消息之后，又去日历里确认了活动时间，最后顺手拟好回复。另一个例子则是很常见的约饭。朋友在 Messages 里约你下周吃饭，你可以让 ChatGPT 看一下自己的日历，再告诉对方哪几个时间有空。不过，ChatGPT 并不会「自作主张」直接帮你回复，在卡片中直接修改文字，确认无误后点击发送，消息才会正式出现在 iMessage 的对话流里。类似的事情在聊天记录里其实随处可见。朋友随口提到的生日、同事说下周继续处理的工作、家人约好的聚餐……这些琐事，现在都可以被模型主动调用，变成理解用户近况和继续完成任务的「上下文」。这也是 OpenAI 最近一系列产品变化里越发明显的趋势。图｜ChatGPT Finances今年 5 月推出的 ChatGPT Finances，允许用户通过 Plaid 连接银行账户、信用卡和投资账户。接入之后，用户可以直接问 ChatGPT 自己最近的钱花到了哪里、有哪些固定订阅、资产和负债发生了什么变化。图｜ChatGPT Health此前的 ChatGPT Health 思路也类似。连接 Apple Health 和医疗记录之后，ChatGPT 可以在用户授权范围内参考睡眠、运动、活动和其他健康信息。到了 Messages，模型又开始接触用户的聊天记录，以及聊天背后错综复杂的日常安排和人际关系。这几项功能放在一起，OpenAI 的思路其实很清楚：通过用户已经在使用的应用和服务，间接获得更多关于这个人的信息。图｜TechRadar这和传统的 ChatGPT「记忆」还不太一样。记忆主要来自用户过去主动告诉 ChatGPT 的内容；这些连接器接入的，则是其他应用长期记录下来的真实数据。过去想让 ChatGPT 分析一段聊天，需要截图或者复制聊天记录；想聊最近的消费，自己去把账单找出来；问最近为什么总是很累，也得先交代自己的睡眠和运动情况。接入这些应用以后，模型不再需要你「动嘴」，ChatGPT 能了解到的「你」，也由此开始从对话框里的几句话，慢慢扩展到日常生活留下的各种记录。问题也随之而来：苹果不是一直把不同 App 和数据隔离得很严吗？确实。出于安全与隐私考量，苹果在过去十多年里用沙盒机制（Sandbox）与权限清单（Entitlements）构筑了严密的护城河。一个得到 Health 权限的运动 App，不会因此获得 Messages 的聊天记录；同样，保存几年聊天内容的「信息」App，也没有理由跑去查看你的健康数据。有意思的是，面对这套坚固的沙盒，OpenAI 讨巧地选择了一条颇具极客色彩的「邪修」路径。它利用 macOS 长期存在的高级权限与自动化机制，绕开了传统 App 的边界约束：通过索取「完全磁盘访问权限」（Full Disk Access）直接读取本地的 SQLite 聊天数据库，再借助 AppleScript、Apple Events 与辅助功能（Accessibility）等原生 API 来解析与起草消息。沙盒与底层安全机制并没有失效，但 OpenAI 巧妙地借用系统留给高阶自动化工具的权限缝隙，打破了长久以来心照不宣的产品边界。苹果负责守门，谁来负责编排？把系统服务串联起来这件事，苹果自己其实已经做了很多年。在「快捷指令」时代，串联规则高度依赖人类手动搭建一条严苛而死板的流水线：「读取日历空闲 → 筛选可用时段 → 匹配联系人 → 格式化文本 → 唤起信息发送」。图｜AppleInsider每一步该读取什么、得到结果之后再做什么，基本都由人提前规定。快捷指令负责按照这套规则执行。AI Agent 则直接颠覆了这套逻辑。用户只需要随口说一句：「看我下周什么时候有空，回小王约顿饭。」模型便能自己拆解任务：先去「信息」App 理解邀约语境，从「通讯录」App 判断「小王」是谁，再进入「日历」App 寻找空闲档期，最后把拟好的回复送回「信息」App 等待确认。数据隔间依旧存在，权限也没有消失，但在这些沙盒之上，大模型开始搭起一层新的「语义总线」。这些原本割裂在系统各个角落的数据，正在被拼成一幅越来越完整、鲜活的个体画像。于是，一个新的问题也浮了出来：在未来的操作系统里，究竟谁来负责这层编排？对苹果来说，这个问题现在可能尤其敏感。图｜使用 AI 生成Mark Gurman 今年 5 月就曾报道，双方持续两年的合作关系已经明显转冷，OpenAI 认为与苹果的合作没有带来预期中的收益，当时甚至已经在研究采取法律行动。两个月后，苹果反过来以窃取商业秘密为由正式起诉 OpenAI；OpenAI 随后公开反击，并要求法院驳回诉讼。双方从合作伙伴走到对簿公堂，只用了两年时间。与此同时，苹果也在加快自己的 Siri AI，希望把它更深地嵌进 iPhone、iPad 和 Mac。两家公司现在显然已经不在「蜜月期」。macOS 现有的权限仍然允许 ChatGPT 继续深入这些系统服务，苹果却未必愿意看到 OpenAI 长期占据「理解用户意图、调度系统服务」这个位置。苹果依然牢牢握着最底层的钥匙。什么 App 能访问什么数据、哪些动作需要确认、哪些权限绝不能越界，最终都由系统说了算。但当用户完成授权之后，去理解一句自然语言、判断该调用哪些服务，并把它们组织成一条完整任务链的能力，正在成为 AI 时代新的入口。图｜The Verge苹果花了十几年，把数据和应用放进一个个权限分明的「房间」；如果 Siri AI 能够顺畅读懂意图，并在授权范围内自如调度这些房间，它才最有资格成为系统原生的「总指挥」。否则，守门的虽然还是苹果，但发号施令的指挥权，可能就落在别人家的 AI 手里了。

苹果最近在 AI 上又有了新动作。8 月 20 日，苹果向创作者群发邮件，敲定 Apple Music 的 AI 透明度规则：今年晚些时候，曲目、封面、音乐视频等页面会出现「Made with AI」（由 AI 制作）的可见标签。凡是「AI 被用于创作内容的实质部分」的作品，包括完全由生成式 AI 产出的整轨歌曲，提交时必须主动申报。这不是「建议」，是强制。任何沾上 AI 的作品都绕不开这层申报。这也意味着，苹果正式把 AI 内容的身份问题，从后台管理推到了前台用户面前。所有 AI 音乐，都要打上「标签」其实早在今年 3 月，苹果就下过通牒。当时苹果宣布，Apple Music 将要求创作者对新上架的封面图、曲目、编曲作品和音乐视频披露 AI 使用情况。当时这还只是一纸通知，外界并不清楚披露内容会不会真的出现在用户眼前。在落地的细节上，相较于 「AI 生成」的用户可见，更重要的是苹果明确了「必须打标」的门槛。邮件里声明，只要 AI 被用于创作内容的实质性部分，内容提供方就必须贴上 AI 透明度标签，包括由 AI 平台直接生成的曲目。苹果还把「AI 平台生成内容」定义得非常严格——任何主要由生成式 AI 服务产出的内容，都算。换句话说，哪怕一首歌是人类写的、编的，只要其中有一块实质性的东西是 AI 做出来的，就得如实交代。苹果同时引导创作者查阅官方《音乐风格指南》，获取更细的规则说明。苹果给出的理由是：为听众提供尽可能多的透明度。把这个政策放到整个流媒体行业，苹果并不是一个先驱者。Spotify 最近宣布，默认将 AI 人设（AI Persona）生成的内容排除在编辑推荐和算法推荐之外；Deezer 去年就把纯 AI 生成曲目剔除出推荐流和编辑歌单，上个月还公布了一个标志性数字——纯 AI 生成音乐首次超过了平台每日新增上传量的一半。各家平台都在用不同的方式给 AI 音乐划出边界，只不过苹果选了最「用户可见」的一条路：不隐藏、不降权，直接把标签亮在你脸上。图｜Spotify真正值得玩味的是 Apple Music 负责人 Oliver Schusser 上周在 Billboard 播客上给出的两组数据：每个月上传到 Apple Music 的音乐中，有超过三分之一是纯 AI 生成的；但这些 AI 内容在平台上的播放量，加起来不到 0.5%。机器正在以极高的速度往平台里灌水，而听众几乎没人买账。苹果选择在这个节点把「Made With AI」标签推到前台，也是在提前给内容池立规矩：AI 生产的内容可以存在，但必须在人工内容面前「亮明身份」。AI 写 App，苹果管得更严这也不是苹果的临时起意，是苹果对于生成式 AI 一贯的态度。今年 3 月，The Information 披露，苹果开始阻止包括 Replit、Vibecode 在内的一些 Vibe Coding 应用更新。这些应用的共同特点，是允许普通用户通过自然语言描述需求，然后让 AI 自动生成游戏或者应用程序。随后，事情进一步升级。Anything 因类似问题一度被苹果直接从 App Store 下架。苹果给出的依据并不是一条专门针对 AI 的新规定，而是一条已经存在多年的 App Store Review Guidelines 2.5.2。这项规则要求 App 必须保持相对「自包含」，不能下载、安装或者执行能够改变自身或其他 App 功能的代码。教育类编程 App 存在有限例外，但代码需要向用户完整开放并允许编辑。Vibe Coding 恰好撞上了这条红线。传统 App 在提交 App Store 时，苹果审核的是一个相对确定的软件包。如果一个 App 可以根据用户的一句话实时生成新的代码，并直接在 iPhone 内运行，理论上同一个经过审核的 App，可以在安装之后变成成千上万种不同的软件。这意味着苹果审核过的东西，和最终在手机上运行的东西，可能已经不是同一回事。苹果一面下架第三方 Vibe Coding 工具，一面自己却在 Vibe Coding 上押了重注。今年 2 月推出的 Xcode 26.3，直接让 Claude Agent 和 OpenAI Codex 进了 Xcode，用来搜索文档、查看项目结构、自动迭代构建。一句话，苹果并不反对「AI 帮你写代码」，它反对的是「用户在商店审核之外，通过第三方 App 生成并执行新代码」。图｜Applelnsider所以苹果并没有禁止「AI 写代码」，而是严格限制这个代码必须在苹果原有的安全和审核机制之下运转。看到这，虽然 Apple Music 和 Vibe Coding 看起来是两件完全不同事件，但能看出苹果处理它们的逻辑其实高度一致：把 AI 关进苹果设计的笼子里。AI 可以在苹果的地盘上存在，但必须服从苹果制定的规则——谁创造的内容、由谁创造、如何被看见，都得由苹果说了算。这或许就是一家以用户体验和隐私保护为立身之本的公司，面对 AI 时代给出的最符合自身气质的答案：不是拒绝，不是拥抱，苹果选择的是控制。

苹果对 VisionPro 的收缩，还在继续。8 月 20 日，AppleInsider 爆料称，苹果刚刚裁掉了整支专门做 VR 开发的团队，至少 60 名员工受影响，涉及 Apple Vision Group 及类似岗位。这不是苹果第一次被曝出「放弃 Vision」了。过去一年多里，围绕这支团队的消息一直是坏消息：负责人被调走、部门被拆散、产品被「搁置」。如果说前面这些还只是信号，这一次裁员，才是把苹果的真实战略摆上了台面：苹果已经不想再赌「头显」这条路了。VisionPro 还在，团队没了苹果官方对裁员的消息既没有确认，也没有回应。时间回到 2024 年上市时，VisionPro 是苹果近年来投入规模最大的全新品类之一。为了开发这款产品，苹果曾经建立了独立的 Vision Products Group（VPG）。它同时负责 Vision 的硬件和软件，组织形态与 iPhone、Mac 等成熟产品线有所区别。而就在一年多前，彭博社的马克·古尔曼就报道过：苹果已经拆散了曾经的 VPG。这个团队本来是苹果空间计算业务的核心，把 Vision 的硬件和软件攥在一个组织里；拆散之后，人员被分流到苹果更大的硬件工程和软件工程部门。原负责人 Mike Rockwell 被调去负责 Siri 的整改，从硬件部门掌门人变成 AI 助手项目负责人。换句话说，早在这次裁员之前，「苹果 Vision 团队」作为独立建制就已不存在。这一次至少 60 人被裁，意味着这种调整还在进一步深入。根据 AppleInsider 的说法，被裁人员包括一整支负责 VR 开发的团队。如果消息准确，苹果砍的是 VR 方向的研发力量，不只是管理岗和重复岗。这与苹果最近一年的产品路线变化基本一致。去年 10 月，苹果还给 VisionPro 做过一次硬件更新，将芯片升级到 M5，渲染像素数量提升约 10%，最高刷新率达到 120Hz。但产品基本形态没有发生变化，价格仍然高达 3499 美元。此后受存储器成本上涨影响，今年 6 月美国售价又进一步上涨至 3699 美元。与此同时，原本被认为能够扩大 Vision 产品受众的低价版本，前景却越来越不明确。今年 7 月还有消息称，三星显示已经停止开发一项与廉价版 VisionPro 相关的显示组件。一边是现有 VisionPro 小幅更新、继续维持高价，另一边是低价产品推进受阻、研发团队继续缩编。苹果没有宣布放弃 VisionPro，但资源投入上，传统 VR 头显已经不再是优先方向。头显退场，眼镜接棒苹果对「空间计算」没有失去兴趣。两个月前，苹果 visionOS 产品营销高级总监 Steve Sinclair 在被问到 VisionPro 是否已经「被冷冻」时，还公开否认了这种说法。他的表态是，空间计算目前仍处于早期阶段，苹果还在继续学习和投入。visionOS 27 的更新，以及 VisionPro 在消费、企业和医疗等场景中的应用，都是苹果继续投资这个平台的证明。更准确地说，苹果调整的是用什么设备承载空间计算。AppleInsider 的报道点得很直白：苹果的优先级正在转移，资源越来越多地流向 AI 智能眼镜。图｜Gizmodo根据此前的爆料，苹果的第一代 AI 眼镜预计在 WWDC 2027 上亮相，同年晚些时候发售。它依赖摄像头、Siri 和 Visual Intelligence，注意，不搭载 AR 显示屏。也就是说，这跟 Meta 的雷朋智能眼镜是同一个路线：轻量、日常、挂在脸上，而不是盖住你的眼睛。这也解释了为什么苹果可以一边继续维护 visionOS，一边缩减 VR 团队。VisionPro 过去几年积累的摄像头、空间感知、计算机视觉、人机交互等技术，是苹果压上真金白银换来的资产。其中相当一部分能力都可以迁移到智能眼镜、带摄像头的 AirPods，以及其他 AI 穿戴设备上。图｜AppleVision Pro 就像一个技术孵化器：空间计算在它身上被跑通、被验证，成熟的那部分交给眼镜去量产、去普及。苹果反复挂在嘴边的空间计算，不等于「那一台头显」，是一整套交互体系。苹果汽车项目结束后的处理方式也类似：项目可以收缩消失，但人才、技术和研发成果会重新进入其他产品线。这轮 60 人裁员的重点，不在人数，在于它指向的方向。从 VPG 被拆分、Mike Rockwell 转去负责 Siri，到低价版 VisionPro 相关项目遇阻，再到 VR 团队进一步缩编，路线已经越来越清楚：苹果的下一台「Vision」设备，可能不是一台 VR 头显，而是一副能每天戴出门的 AI 眼镜。

和去年一样，成都车展几乎变成了本土品牌的团建，宾利、保时捷、劳斯莱斯等近 20 个豪华品牌集体缺席，空出来的场地被自主品牌迅速瓜分。比亚迪的 9 号馆依然是最热闹的展馆之一，王朝、海洋、方程豹、腾势和仰望五大品牌车型亮相构建新品矩阵。其中最硬的菜无疑是新鲜出炉的大汉 EV 和第三代唐。作为王朝网的旗舰轿车，大汉的配置非常抓人眼球：1008 公里纯电续航，3.3 秒破百、全系后轮转向和双腔空悬。当然，最引人注目的还是 24.99 万元的价格。要知道，比亚迪汉早在三年前就已经下滑到 18.98 万元，想要重新把它重新拉回 25 万元基本已无可能。「大汉」这个名字虽然有些简单粗暴，但其实也挺聪明的——既蹭了汉家族多年攒下的知名度，又悄悄与它划清了界限：此汉非彼汉，这是加量又加价的汉。相似的高低搭配也出现在唐家族。大唐上市两个月后，原来的「王朝8系」正式定名为第三代唐。汉、唐两个老 IP，正在被比亚迪重新拆分。大汉，大在尺寸和配置先看「加量」。大汉长宽高分别为 5256、1999 和 1510 毫米，轴距达到 3130 毫米。相比汉 L，它长了 206 毫米，轴距增加 160 毫米，已经进入 D 级大型轿车的范畴。大汉没有顺着传统行政轿车的样子走，它的车头较低，车顶和车尾保留了明显的流线感。车头那条 2.41 米的一体式贯穿日行灯被命名为「飞檐破晓」，再配上 21 英寸多辐轮圈和始终保持正立的悬浮轮标，辨识度满强。大汉在颜色上也要更加丰富，它提供五款单色和四款双拼车色，预售期间，原价 1 万元的双拼车色可以免费选择。车内空间上它明显更照顾后排，比亚迪公布的大汉车内「得房率」达到 90.8%，车顶使用麂皮材质，门板采用大面积软质包覆，并加入了真木饰板。后排配备黑色 PDLC 调光玻璃，可以根据外部光线自动调节，也可以在一秒内从透明切换至不透明。目前比亚迪旗下使用这块玻璃的车型，除了大汉，只有仰望 U8L。它的音响采用 31 扬声器的帝瓦雷方案，氛围灯被嵌入扬声器内部，可以跟随音乐变化，副驾驶手套箱还支持密码和语音开启。。动力方面，大汉 EV 四驱版零百加速 3.3 秒，100-150km/h 加速 3.2 秒，最高车速 270km/h，百公里制动距离为 32.83 米。数据足够凶猛，但对于它的用户来说，实用性更高的配置显然是后轮转向。这是大汉全系标配的配置，得益于此，它的最小转弯半径只有 4.95 米，基本和海鸥处在同一水平，在地库和窄路里也可以拥有小车的灵活性。它的底盘采用了云辇-A 双腔空气悬架，车身高度调节范围达到 100 毫米，并配有道路预瞄。系统可以提前识别减速带和破损路面，再调整悬架状态；遇到坡道和烂路时可以升高车身，减少托底风险。辅助驾驶硬件上，大汉采用了天神之眼 B，软件升级到了天神之眼 5.0，支持智能泊车和城市领航。当然了，比亚迪在介绍辅助驾驶的时候，免不了要强调它们对于这两项功能的「双兜底」。尽管有着各种各样的配置，但长续航依旧是大汉最醒目的标签，它的后驱版 CLTC 续航达到 1008 公里，四驱版也有 880 公里。大汉的长续航归功于第二代刀片电池，流畅的造型让它的风阻系数低至 0.197Cd，官方公布的百公里电耗仅为 11.5 千瓦时。诚然，CLTC 的 1008 公里不能直接当成实际的续航里程，但大电池和低风阻依然能带来更充足的余量。与此同时，大汉还支持比亚迪引以为傲的闪充。按照比亚迪的规划，2026 年底全国闪充站将达到 2 万座，他们相信，届时比亚迪纯电用户的续航焦虑将得到很大程度的缓解。最后来看价格，大汉 EV 一共有三个版本：1008 公里后驱尊享型预售价 24.99 万元，后驱旗舰型为 26.99 万元，880 公里四驱旗舰型为 29.99 万元，三款车全部压在 30 万元以内。第三代唐回到大五座在第三代唐发布之前，这一车型一直被称为「王朝网 8 系」，如今比亚迪选择重新用回唐这个已经存在了 11 年的名字，与大唐组成新的「唐家族」。两款车的分工很好理解，大唐接近 5.3 米，采用 2+2+3 七座布局，负责三代同堂这样的多人出行；唐则要稍微收敛一些，主打五座，把更多空间留给第二排和后备厢。第三代唐的长宽高分别为 5045、1980 和 1760 毫米，轴距 2950 毫米。虽然官方将它定义为大型 SUV，但它的尺寸其实和之前的唐 L 非常接近。和大唐相比，唐的车顶加入了一点溜背，姿态更低，视觉上也没有那么方正厚重。虽然定位较大唐要低一些，但唐的车头同样采用王朝旗舰系列的一体式贯穿大灯，设计语言与大唐保持一致。少了第三排以后，第三代唐的第二排纵向超过了 1 米，座椅靠背最大可以调节至 130°。相比用一排长期折叠的座椅满足偶尔出现的多人需求，这种大五座布局更能迎合多数家庭的使用场景。内饰上，第三代唐的变化称得上是「翻天覆地」的，它采用一套叫做「星际双屏」的全新仪表台布局，上方是 35.4 英寸实体星环屏，用来显示车速等行车信息；下方则是一块 30 英寸无拼接全景屏，负责车机操作和影音娱乐。虽然类似的远端长投影屏已经出现在小米 YU7、宝马新世代 iX3 和传祺越 7 等车型上，供应链显然已经成熟，但这样的布局放在比亚迪车里依旧算得上是一件新鲜事。毕竟在过去的很多年里，比亚迪座舱最稳定的元素就是那块悬浮式旋转中控屏，第三代唐直接换了一套布局，至少说明比亚迪终于愿意动一动自己的内饰「模板」了。动力方面，比亚迪目前申报的后驱版本搭载一台功率为 300 千瓦的电机，电池容量分为 88kWh 和 105kWh，CLTC 续航有 730、830 和 850 公里三个版本。另外，这次发布会还确认了四驱版本的存在。和大汉一样，第三代唐的底盘采用云辇-A 双腔空气悬架，可以主动升高车身。遇到破损道路、浅滩或者轻度非铺装路面，至少不用太担心底盘高度；智能电四驱则可以毫秒级调整动力，在湿滑和泥泞路面的稳定性也会更好。当然，第三代唐依旧是一辆承载式城市 SUV，它能应付川西自驾和露营途中偶尔遇到的烂路，但没打算去抢豹 5 和豹 8 的工作。同样地，第三代唐将标配闪充，最高纯电续航达到 850 公里。除此之外，比亚迪总经理路天还在发布会上表示，他们还留了一项「杀手锏」尚未公开，准备以后单独发布。价格同样没有公布，要等到四季度上市时才能揭晓。从目前的信息看，第三代唐大概率会比大唐便宜。大唐售价 23.99 万至 30.99 万元，而第三代唐尺寸稍小，又采用五座布局，合理的价格区间应该在 20 万元上下。

有些人还在等自己的第一辆问界，但有的孩子已经可以先开上了。最近，问界推出了一款儿童车，目前已经开启预订，并将在 8 月 30 日正式上市，售价 15800 元。不过从官方海报来看，这并不是一辆简单贴上问界车标的玩具车：车长只有 1.5 米，家族前脸、金属车漆和智能功能却一样没少，连小蓝灯都装进了前脸灯组。一台只有 1.5 米长的「M9」看上去，这台儿童车很像一辆被缩小的问界 M9。圆润厚重的车头、贯穿式灯带、大面积下格栅以及多辐轮圈，都在尽力复刻问界旗舰 SUV 的气场，不过双座敞篷设计则让它比 M9 多了一点度假感。整车长宽高为 1500/800/655mm，小朋友坐进去刚刚好，大人若想体验，挤一挤也不是不行。麻雀虽小，问界还是努力把「旗舰感」塞进了有限的车身。儿童车常见的做法，是用几张贴纸和一块塑料格栅表明身份；这辆车则把灯组、下格栅、车门、轮眉和尾灯都认真做出层次，车身侧面甚至留有银色装饰件。从几米之外看过去，确实能让人一眼认出这是一辆问界。颜色也没有敷衍。问界为它准备了金瑞红、赛里木青和暖云白三款配色，并使用车规级金属漆。这三种颜色也延续了问界大车惯用的命名方式：红色讲究稳重，青色带一点户外气息，白色则最接近常见家用车。若家里本来就停着一辆问界，选一款相近颜色，大车旁边再摆一辆小车，拍全家福时应该比任何选装件都更抢镜。虽然尺寸很小，这辆儿童车却颇有几分智能汽车的模样。它搭载一台 350W 电机，官方标称最长续航 20km。家长可以用多功能遥控器控制车辆，也能通过 App 查看车辆状态。电子围栏的范围最远可达 300m，孩子若把车开得太远，家长手里的手机和遥控器总有一个能提醒他该掉头了。20km 放在真正的电动车上，只够从家开到附近的商场，但对于一台放在一辆主要活动于院子、公园和小区空地的儿童车上，却能称得上是长续航版了。车身使用汽车保险杠级材料，前后还配有双 1080P 摄像头，可以记录行驶画面，行车记录仪这一块也是给安排上了。对于家长来说，也可以顺手得到一段第一视角的成长录像。车企把自家明星产品做成儿童车，问界并不是第一个。2021 年底，特斯拉曾在推出 Cyberquad for Kids，国内定价 11990 元。它没有直接复制 Cybertruck 的四轮汽车形态，但那套锐利的不锈钢皮卡造型还是被移植到了儿童车上。这台儿童车还配有可调悬架、后轮碟刹，续航里程为 13 公里，速度两档可调。不过，这辆小车后来还经历了一次曲折。2022 年，美国消费品安全委员会宣布召回约 5000 辆 Cyberquad for Kids，原因是产品未能满足美国针对儿童全地形车的强制安全要求。Cyberquad 保留了特斯拉最擅长的未来感，低矮、锐利，还有些不太像传统汽车，问界则把成年消费者熟悉的豪华 SUV 元素悉数缩小，连配色和小蓝灯都不愿放过。前者想让孩子得到一辆现实里少见的机器，后者更像让孩子提前喜提一台「豪华新能源车」。

中国人能飞，中国人的云台相机怎么办？使用 AI 生成对于这个问题，一家位于深圳的小无人机公司哈浮（HoverAir）给出了一种答案：云台相机也要能飞。即使你没听说过哈浮，也或多或少见过它们家的产品——依靠着超便携的可折叠云台无人机，哈浮在 2025 年全球市场的年营收额已经突破了 10 亿元量级。图｜BIKEPACKING到了今年，大疆 Pocket 系列热度空前的时候，号称专造「会飞的 Pocket」的哈浮还真就拿出了一款与之相符的产品—— HoverAir Versa。图｜HoverAir是的，哈浮还真就把最擅长的形态拆分成了两个独立产品。Versa 平时拿在手里是个小型自拍云台，装上螺旋桨则能直接原地起飞。虽然 Versa 还没有正式发布，但你已经可以在哈浮官网、Indiegogo 以及京东上预订它了，京东预约价 2999 元人民币，计划十月份开始交货：图｜京东一台能上天的 Pocket哈浮 Versa 的热度非常对得起它的定价。就在 Versa 上线 Indiegogo 两天多，参与用户数已经超过了四百，众筹金额超过了 200 万元人民币：这也是哈浮 Versa 最微妙的地方——它第一眼像个概念产品，但稍微翻翻规格就能发现，Versa 的落地难度和哈浮之前的那些小无人机几乎相同。Versa 的手持部分机身重 163 克，配备三轴机械云台和 1/1.3 英寸传感器，支持最高 4K 60 帧、10-bit HDR 以及无裁切的竖向录制：图｜HoverAir除此之外，Versa 还支持片门全开（OpenGate）模式录像，对于无人机这种存在大量平移拍摄的产品来说可以极大减轻果冻效应的影响。值得一提的是，哈浮在 Versa 的宣传页上特别标注了它拥有 17.5 档动态范围——虽然官方没有说 Versa 的传感器型号，但这个表现大概率是一块 LOFIC 传感器：图｜HoverAir而 Versa 的相机部分同样没有因为「需要兼顾飞行」而显得过分简陋。Versa 的手柄部分是一块旋转的 1.64 寸 OLED 屏幕，峰值亮度为 800 尼特，主要操作按钮只有一个腰杆和录像键，拿上手就会拍：图｜HoverAirVersa 的手柄上还内置双麦克风和扬声器，自带 64GB 存储，最高支持 1TB 的存储卡扩展。根据哈浮宣称，单块电池在手持状态下可以持续拍摄约 3 小时。也就是说，即使真的找不到起飞空域，它仍然是一台相当够用的手持云台，更不用说哈浮 Versa 真能飞了。图｜HoverAir需要起飞时，只需要将滑盖推下、把 Pocket 扣进飞行套件里，哈浮 Versa 就变成了一架带全包围保护框的四轴微型无人机，和哈浮的「固定翼」X1 系列几乎没有区别：哈浮 X1 Pro｜WIRED根据官方数据，Versa 的飞行套件重量仅为 67g，整机起飞重量为 230g 左右。对于安全性，哈浮表示 Versa 的「MagLatch」连接结构完成了超过 5000 次装卸以及拉力、扭转和振动测试。毕竟磁吸支架掉在桌上只是尴尬，磁吸相机掉在半空就是另一档节目了。图｜HoverAir哈浮 Versa 的操控方式也和之前的产品区别不大，以掌上起降和无需遥控器的自动跟拍为主：图｜HoverAir飞行能力方面，哈浮宣称Versa 单电飞行续航 14 分钟左右，稍逊于大疆 Neo 2、更是只有大疆 Flip 的一半左右——但还是那句话，Neo 2 和 Flip 都不能拆下来当 Pocket 用。不过需要注意，虽然哈浮官方说 Versa 支持「在复杂环境和障碍物附近保持跟踪」，却没有列出完整的环境感知硬件，从宣传图上只能看到它有下视避障摄像头。图｜HoverAir至于拍摄玩法方面，除了最基础的环绕、渐远、俯拍、侧向跟随等等自动运镜之外，Versa 也准备了一些更偏「玩具箱」的功能。例如 Dolly Zoom 可以自动完成拉伸变焦的希区柯克变焦效果，「3D Worlds」则是让 Versa 围绕场景飞行一圈，重建一个类似苹果空间照片的 360 度立体照片：图｜HoverAir从宣传来看，哈浮 Versa 似乎的确做到了将 Pocket 和无人机融合在一起，共用一颗镜头、一块电池和一套处理系统实现优势互补。这意味着你在街头可以拿它拍 vlog，走到山顶觉得视角不够，就装上机翼放飞，拍完全景再让它回到手里，拆下机翼继续走的「全自动旅游」体验。图｜HoverAir万物皆可 Pocket其实严格来说，把哈浮 Versa 简单理解成「Pocket + 翅膀」不太准确，它真正吸引人的地方其实是「一台无人机能够拆分出一个 Pocket 的用法」。这一点从哈浮的宣传方式里就能看出来：出门何必要带 Pocket 和 Drone 两架云台呢？带个能兼任的，效果也差不多。图｜HoverAir这也是哈浮 Versa 主要瞄准的需求市场——无人机不是人人都有条件飞，但一台 Pocket 大家总能找到用武之地。实际上，类似的情况在 2026 年屡见不鲜，哈浮 Versa 只是其中一个比较特别的例子，更有甚者还想在手机上做出一个 Pocket 来：图｜HONOR早些年的「Pocket」只是一个相当朴素的形容词：一架足够小的手持云台相机，小到可以塞进口袋。后来运动相机把防抖和耐候性塞了进去，机器人手机把手机给塞了进去，如今 Versa 又准备把一副机翼塞进去。于是我们看到，Pocket 慢慢从产品名称变成了一条技术路线——牺牲一部分极限性能，却换来了随身携带、极速开机和「一个人就是剧组」的拍摄能力。图｜HoverAir然而即使有个 Pocket，Versa 也肯定不会替代成熟的云台相机和无人机，但它把一个很有意思的问题摆到了桌面上：下一台口袋设备，为什么一定只能保持一种形态？相机可以装上机翼、屏幕可以拆下来变成外监、控制器可以缩成腕带……只要算力和电池可以高效共享，未来的 Pocket 产品就不会只是越来越小，而是越来越擅长变成另一种东西。