截图是捕捉数字信息的最通用方法。无论是网页、应用还是视频，只需几下点击，就能保存并分享到任何设备或应用。这种便携的数据格式在软件间传输信息时无与伦比。
截图包含丰富的信息，不仅有来源和内容，还包括时间戳等细节。更重要的是，截图传达了一个关键信号：“我重视这个内容”。
在AI工具日益普及的今天，截图的价值更加凸显。这些工具正在努力理解和分析世界、生活和各种信息，而截图正是其中不可或缺的一部分。
1. 微软Recall功能争议：该AI功能每3秒截屏并存储用户电脑活动，被批为“安全噩梦”且无人真正需要，但仍在强制推行。
2. Garmin订阅模式惹众怒：将一次性购买产品转为AI分析订阅服务，用户担忧免费功能终将收费化，被迫选择付费或弃用平台。
3. AI泛滥现象普遍：从手机、智能音箱到搜索引擎，Google AI概览强制插入搜索结果，反而增加用户操作步骤，破坏传统搜索体验。
4. 用户主动抵制案例：关闭iPhone的AI摘要功能（因信息失真），闲置Genmoji等噱头功能，反映“为AI而AI”的设计失败。
5. 核心矛盾点：科技公司假设用户需要全方位AI介入，却重现了Windows 97″Clippy助手”的扰民历史，强制推送导致体验降级。
6. 用户诉求：AI应作为可选工具而非默认强制功能，在图像生成等特定场景展现价值时，仍需保持用户自主选择权。
1. 突破性创作尝试
作者利用NotebookLM AI工具制作了迄今为止”最深奥迷人”的弦理论播客，尽管本人对弦理论理解有限（认为全球仅1%能真正理解），但通过AI将前沿科学与自身知识边界相结合。
2. NotebookLM核心功能
该AI研究工具可将上传资料转化为多种形式输出：文本摘要、播客音频和思维导图。作者特别推崇其”音频概览”功能，能生成对话式播客，风格类似主流访谈节目。
3. 弦理论播客制作过程
使用剑桥大学David Tong博士2009年的弦理论论文作为源材料，AI耗时30分钟生成播客和思维导图。初期担心AI无法处理复杂物理概念，但实际表现远超人类理解能力。
4. 播客内容特点
由男女双AI主播以通俗对话形式讲解，涵盖广义相对论、量子力学等概念，运用类比（如”想象弦在时空中的运动”）降低理解门槛。但后期内容仍显艰深，存在术语堆砌现象。
5. 输出成果评估
• 播客持续31分钟后突兀结束，缺乏总结
• 配套思维导图能有效辅助理解复杂概念
• 经物理专家验证内容无明显错误，但需要一定专业知识才能完全理解
6. 实验结论
NotebookLM展现了对深奥科学内容的强大处理能力，其生成的解释性内容甚至可能超越普通人的认知水平。但AI输出仍存在结构不完善、需专业验证等问题。
1. 测试背景
OpenAI近期发布了o3和o4-mini两款新AI模型，与测试中的GPT-4.5及默认的GPT-4o共同构成复杂产品线。测试者通过四项日常场景任务对比了它们的表现。
2. 模型特性
– o3：号称”天才中的天才”，擅长图像解析和逻辑推理
– o4-mini：经济版，响应更快但性能稍弱
– GPT-4.5：综合能力最强，兼具逻辑与共情
– GPT-4o：原生多模态模型，功能全面但缺乏新模型的某些特性
3. 测试结果
• 数独测试：所有模型均能正确解答，o3/o4-mini展示数学推导，GPT-4o/4.5采用对话式解释。面对错误题目时，GPT-4o异常生成全零答案表。
• 诗歌创作：要求按字母顺序写季节诗。o3唯一不押韵，GPT-4.5作品被评价”迷人”，其余模型产出适合贺卡的平淡作品。
• 食谱推荐：o3提供结构化菜谱表格，o4-mini方案简洁，GPT-4o意外简短，GPT-4.5则生成包含五道菜的完整菜单，其中芒果薄荷冰沙配方备受期待。
• 文化翻译：翻译英语谚语”raining cats and dogs”时，所有模型均指出日语需用”倾盆大雨”替代，GPT-4.5额外说明直译问题，GPT-4o则过度使用表情符号。
4. 总体评价
各模型在常规场景下表现均合格，但特色鲜明：
– o3最精准分析型
– o4-mini快速精简版
– GPT-4.5最拟人化
– GPT-4o偏爱表情符号
测试者特别推荐GPT-4.5的厨房应用潜力。
1. 功能开放：谷歌突然改变原定付费计划，宣布Gemini Live的屏幕和摄像头共享功能将免费向所有Android用户开放，无需订阅或Pixel设备，只需安装Gemini应用。
2. 核心能力：用户可通过实时屏幕共享（如网页、表格或设置界面）或摄像头识别（如商品标签、棋盘等）获取AI即时帮助，实现视觉交互。
3. 政策转变：该功能最初仅限Gemini Advanced订阅用户及特定机型（如Pixel 9），因用户反馈积极，谷歌决定全面免费开放，未来几周覆盖所有Android设备。
4. 生态优势：相比微软需通过Edge浏览器使用的Copilot Vision，Gemini Live直接集成至Android系统，无需额外启动应用，体验更无缝。
5. 行业影响：谷歌的免费策略重新定义了“付费AI”的边界，引发对”高级功能是否值得付费”的讨论，目前AI工具正加速走向免费化。
1. 照片元数据的敏感信息
数字照片的元数据包含相机技术参数和GPS定位信息，可能暴露拍摄者的具体位置。
2. GPT-o3的强大地理定位能力
最新GPT-o3模型即使在没有元数据的情况下，也能通过图像分析进行精准地理位置猜测，并展示其推理过程（如分割图像、分析细节等）。
3. 实际测试案例
– 成功案例：仅用24秒准确识别出佛得角圣莫尼卡海滩，通过分析海水颜色、沙滩质地等特征
– 失败案例：无法识别某书店位置，但展示了详细的推理过程
– 精确案例：通过建筑细节在56秒内定位到纽约42街Cipriani餐厅
– 局限案例：对安提瓜岛度假村定位偏差46英里
4. 隐私安全警示
这种技术意味着任何人上传到网络的数字照片都可能被用来追踪其位置历史，存在被雇主、当局等第三方利用的风险。
5. 建议
需谨慎考虑在社交媒体分享包含地理位置线索的照片，特别是敏感场所的影像。
1. 功能发布：据报道，Anthropic公司的AI助手Claude计划本月推出名为”语音模式”的新功能，将提供三种不同音色（暂定名：Airy/Mellow/Buttery）供用户选择。
2. 行业现状：当前ChatGPT和Gemini均已推出类似语音交互功能（Advanced Voice Mode/Gemini Live），使得AI对话体验更自然流畅。
3. 同质化担忧：业界观察到AI产品功能趋同现象——从推理模型、图像生成到现在的语音模式，各厂商都在快速复制竞争对手的功能创新。
4. 用户视角：作者质疑这种”打勾式创新”的实际价值，呼吁企业突破现有模式开发真正差异化的功能，而非简单重复市场竞争。
5. 未来期待：虽然对Claude新功能持观望态度，但仍希望其能为AI语音助手领域带来实质性突破，而非沦为又一款雷同产品。
1. 全新图片库功能上线
OpenAI为ChatGPT推出专属图片库（Library），免费和付费用户均可使用，支持网页端和移动端同步，集中展示所有历史生成的AI图像。
2. 核心功能特点
• 自动归档：跨对话记录自动收集生成的所有图片
• 基础编辑：支持点击图片进行下载和编辑
• 联动删除：删除聊天记录时关联图片也会同步清除
• 当前暂缺图片搜索/筛选功能，但未来可能更新
3. 产品战略意义
• 解决用户此前需翻查历史对话找图片的痛点
• 或为OpenAI布局AI社交平台铺路（类似Instagram的AI内容社区）
• 可能通过用户图片数据强化模型训练
4. 行业背景
正值AI图像生成技术爆发期（如DALL·E 3、人物手办化等趋势），该功能响应了用户对AI内容管理的强烈需求。
微软本周为Copilot Studio启用了一项新的“计算机使用”功能，使AI代理能够与网站和桌面应用程序交互。这一功能类似于OpenAI的Operator或Claude的“计算机使用”功能，允许企业利用Copilot Studio构建AI代理，将网站和桌面应用视为自动化任务的工具。
通过点击按钮、选择菜单和在屏幕上输入字段，AI代理可以处理即使没有API直接连接的任务。这意味着如果一个人能使用某个应用，AI代理也能做到。
Copilot Studio能够创建自动化数据录入、市场调研甚至处理发票的AI代理。微软表示，这一新工具还能检测应用程序或网站中按钮和屏幕的变化，并继续工作而不会失败或中断。
微软本月早些时候在其消费者版Copilot中添加了类似的功能，称为“Actions”。“Actions”可以在后台执行任务，例如预订餐厅、购买活动门票或在线购物，而用户可以继续处理其他任务。不过，“Actions”体验目前仅限于部分合作伙伴，而Copilot Studio则可以自由与更多网站和应用合作。
1. 华为发布昇腾原生千亿级大模型Pangu Ultra
华为推出基于昇腾NPU训练的1350亿参数稠密模型Pangu Ultra，技术报告显示其性能超越Llama 405B、Mistral Large 2等国际主流模型，并可与DeepSeek-R1等稀疏模型竞争。
2. 突破国产算力瓶颈
研究团队在8192张昇腾NPU集群上实现50%的算力利用率（MFU），通过混合并行策略和虚拟流水线技术将训练空泡率从30.45%降至6.8%，证明国产算力可支撑千亿级大模型训练。
3. 创新训练稳定性技术
提出Depth-scaled sandwich-norm（DSSN）架构和TinyInit初始化方法：
– DSSN通过层深度平方根倒数调控输出尺度，完全消除loss突刺
– TinyInit采用深度/宽度联合缩放策略，加速收敛20%以上
4. 领域感知分词优化
构建153376词元的混合词表，通过独立分析通用文本、代码、数学等领域词频，使专业领域词元覆盖率提升40%，压缩效率保持92%以上。
5. 三阶段课程训练策略
13.2T tokens训练数据分阶段优化：
– 通用阶段（12T）：知识积累
– 推理阶段（0.8T）：数学/代码数据占比超60%
– 退火阶段（0.4T）：指令数据占比提升至20%
6. 强化学习效果显著
在AIME 2024、MATH-500等基准测试中，后训练模型推理能力超越DeepSeek R1，MMLU-pro通用理解得分达82.3%，验证”预训练+强化学习”技术路线的有效性。