Meta近日正式推出了一款全新的iPhone应用程序——Instants。这款以阅后即焚式照片分享为核心的新型社交应用,同时也作为Instagram的最新功能上线。
Meta将Instants定义为"一种全新的即时分享方式——通过自发、无滤镜的照片与朋友互动"。
以下是Meta对该应用及功能的整体描述:
Instants发布的内容对查看者而言是阅后即焚的,但会在用户的个人归档中保存长达一年,并可作为回顾内容重新分享至Stories(限时动态)。好友可以对内容进行回应和回复,回复内容将直接发送至私信(DM)。此外,Instants还配备了一款独立伴侣应用,方便用户更快速地调用相机。该功能完整支持青少年账户与家庭中心的保护机制,包括共享使用时间限制、睡眠模式以及家长监督功能。
Meta推出这一新功能的原因,在于希望推动用户进行更有机、更真实的社交分享。官方表示:
"我们希望让用户在生活中更轻松地与朋友即时分享——因此推出了Instants。这是一种分享随性日常照片的新方式,照片在好友查看后即会消失。Instants入口位于Instagram收件箱的右下角,只需轻点相机按钮,即可与亲密好友或互相关注的用户分享内容。无需编辑,没有压力,只是真实的生活记录。"
Meta同时介绍了使用Instants的五种主要方式,涵盖随手记录日常瞬间、与好友进行轻松互动等场景。
Meta将Instants定位为Instagram内部的一项核心新功能。不过,由于早期测试用户希望能以更快的方式使用Instants,Meta也在"尝试"推出一款独立应用程序。
官方对此解释道:"这款独立应用让用户一打开便可直接进入相机界面,只需使用现有的Instagram账户登录即可。通过独立应用分享的Instants内容,好友在Instagram上同样可以看到,反之亦然。我们推出这款独立应用,是为了观察社区用户的使用方式,并将根据反馈持续迭代优化。对于希望更快速即时分享的用户,我们也正在iOS和Android平台的特定国家和地区推出Instants独立应用。"
目前,Instants iPhone版已在部分地区正式登陆App Store,而作为Instagram功能的Instants则已在全球范围内同步推出。
Q&A
Q1:Instants和普通Instagram发帖有什么区别?
A:Instants主打阅后即焚式分享,照片在好友查看后即会消失,不会公开展示在主页或动态流中。它更强调自发、无压力的日常记录,无需编辑或精心策划,适合与亲密好友或互相关注的用户进行轻松互动。不过,内容会在用户自己的归档中保存最长一年,也可以重新分享为Stories回顾。
Q2:Instants独立应用和Instagram内的Instants功能有什么不同?
A:两者在核心功能上基本一致,分享的内容也可以互通,好友无论使用哪个入口都能看到。主要区别在于体验方式:独立应用打开即进入相机,操作更加快捷直接;而Instagram内的Instants入口位于收件箱右下角,需要先打开Instagram再进入。独立应用目前仍处于实验阶段,Meta将根据用户反馈决定后续方向。
Q3:Instants对青少年用户有哪些保护措施?
A:Instants完整支持Meta的青少年账户(Teen Accounts)与家庭中心(Family Center)保护机制。具体措施包括:家长与青少年可设置共享的使用时间限制、启用睡眠模式限制特定时段的使用,以及开启家长监督功能,让家长能够了解并管理青少年的使用行为,确保更安全的社交体验。
好文章,需要你的鼓励
美国连锁超市巨头Albertsons正在基于Databricks构建商品智能平台,整合产品、定价、促销与陈列等决策功能,目标是在2026年底前全面向门店运营商落地。该平台以Databricks Lakehouse存储零售数据,通过Unity Catalog与AI Gateway实现数据治理,并借助AI智能体Genie支持自然语言查询,帮助商家洞察销售趋势,提升决策效率。此举是Albertsons今年四项AI核心战略投资之一。
阿里Qwen团队通过引入强化学习和在线策略蒸馏,将Qwen-Image-2.0升级为Qwen-Image-2.0-RL,让图像生成模型真正学会人类审美,文生图Elo评分提升78分,图像编辑提升93分。
微软正将Windows 11打造成真正的AI操作系统。在Build大会上,微软展示了AI模型与智能代理如何深度融合进Windows 11,让用户通过自然语言完成系统操作。借助Windows ML框架,超过5亿台PC已可在本地离线运行AI任务,无需联网、无token费用、数据不离设备。Office、Photos、Teams等应用已支持本地AI能力,Adobe、WhatsApp、Canva等第三方也在积极跟进,企业级AI PC采购需求有望加速。
港科大与快手联合提出NormGuard,针对流匹配模型强化学习训练中速度范数膨胀问题,通过训练时单向惩罚约束,在保留奖励的同时改善图像真实感。