OnePlus 擅长把握潮流——如果其他智能手机制造商尝试了某种新趋势,你可以肯定 OnePlus 也会提出自己的方案。该公司近日确认,将放弃备受推崇的警报滑块,转而采用类似 Microsoft Apple 的快捷键 Plus Key,而这并不是其最新手机追逐的唯一潮流。OnePlus 还宣布扩展 AI 功能系列,涵盖翻译、摄影、屏幕捕捉等多个领域。虽然 OnePlus 并未开辟全新局面,但它确实挑选了一些在其他手机中已被证明实用的 AI 功能。
OnePlus 的方案覆盖了大多数已确立的 AI 应用场景。未来将推出 AI VoiceScribe 功能,该功能能够录制并摘要流行的消息和视频通话应用中的通话内容。同样的,AI Call Assistant 可用于录制和摘要电话通话,有点像 Google Pixel 手机上的功能。但目前这两项功能仅限于印度市场。
在全球范围内,OnePlus 用户将享受到 AI Translation 功能,该功能将文本、语音、相机和屏幕翻译整合到一个由 AI 驱动的应用中。与此同时,AI Search 允许你以“对话”方式搜索手机内以及 OnePlus 系统应用中的内容。这让人觉得它基本上就是手机上的又一个聊天机器人,类似于 Motorola 的 Ask and Search 功能,不过我们对此并不十分买账。
OnePlus 还在摄像功能中注入了 AI 智能。AI Reframe 可以分析取景器中的画面,并给出不同的构图建议。AI Best Face 2.0(计划于今年夏末推出)能够分析并修正眯眼或“表情不理想”等问题。这听起来像是 OnePlus 版的 Google Best Take,但我们并不抱怨——这确实是一项很棒的功能。该功能支持最多 20 人的合影,你甚至可以导入其他手机拍摄的照片,自动修正每个人的面部细节。
OnePlus 方法的核心在于一项名为 AI Plus Mind 的功能,该功能与 Plus Key 集成在一起。它允许你捕捉屏幕中的内容,并将其存储至由 AI 策划的“Mind Space”中。同样,OnePlus 似乎正借鉴 Google 的经验,推出了自家的截图应用版本。据称,此功能甚至可以提取诸如日历约会等有用信息,免去了手动添加的麻烦。未来的更新还将实现对 Mind Space 内容的自动分类。
Plus Key 具备可自定义的快捷键,并与“Mind Space”屏幕录制器相连。
来源: OnePlus
该公司表示,采用的是混合处理方式,即将敏感数据保留在手机中,只有在需要更多算力时才调用云端资源。不过,OnePlus 系统的具体细节目前尚不明确。三星提供了一个切换按钮以禁用云处理,而 Google 则是在后台默默按照其认为合适的方式运行。如果 OnePlus 能借鉴三星的做法,我们会非常期待。
在某些方面,OnePlus 正在效仿三星。当三星发布 Galaxy S25 系列时,其中就首次展示了 Gemini 在 Google Pixel 手机之外跨应用工作的能力。如今,OnePlus 将步其后尘。作为 OnePlus AI 推广的一部分,Gemini 将获得与 OnePlus 应用(如 Notes 和 Clock)交互的功能。
许多全新的 OnePlus AI 功能将率先在本公司全新的 OnePlus 13s 上亮相,该机型是面向中国市场的 OnePlus 13T 的一个变种。然而,美洲和欧洲地区再次被排除在外,OnePlus 13s 将仅在印度上市。未来的 OnePlus 设备也将采用 Plus Key,从而实现类似的 AI 功能快速访问。OnePlus 13 系列现有设备也将通过更新启用大部分新 AI 功能。所以,即使你不换新机,也能享受到更多 AI 带来的便利。
把那副不尽人意的表情擦掉吧——你难道不知道,现在已经是 AI 时代了吗?
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。