苹果在WWDC 2026大会上,并未率先介绍Siri的AI新功能或iOS 27的特性,而是第一时间为下一版macOS揭晓了正式名称。苹果软件负责人克雷格·费德里吉在一辆大众巴士的创意助阵下,正式发布了macOS 27——Golden Gate(金门)。
根据CNET此前发起的"大猜名游戏"结果来看,"金门"这个名字出人意料。此前呼声最高的候选名称包括Redwood、Shasta、Mammoth、Big Bear和Emerald Bay,金门并不在其中。
在去年引发广泛争议的"液态玻璃"设计之后,今年的WWDC更新重点转向了性能提升与稳定性优化,而非大刀阔斧的界面改革。此次变化更多体现在细节层面,比如窗口圆角弧度的微调,而非全面焕新的视觉风格。苹果承诺,金门版本在操作响应上将更加流畅,动画效果更为敏捷,同时还对搜索功能进行了重构,使其在效率和全面性上都有所提升,让用户在Spotlight、照片和邮件中能更快找到所需内容。
液态玻璃的设计风格不会消失,但用户现在可以对透明效果进行调节。苹果新增了一个滑动控件,方便用户在完全透明与带色调之间找到自己偏好的视觉平衡点。此外,应用程序顶部的工具栏也进行了统一优化,使标签和标题更易于阅读。
Mac的侧边栏现在将延伸至窗口边缘,并保留各自的背景颜色,以便用户更清晰地区分不同窗口及当前活跃窗口。与此同时,苹果还对应用图标进行了精细打磨,叠加了更多液态玻璃层次,据苹果介绍,此举将使图标看起来更加清晰、立体。
在设备兼容性方面,搭载苹果M系列芯片的Mac均可升级至macOS 27金门版,覆盖范围从M1芯片起步,包括搭载A18 Pro芯片的MacBook Neo在内。而搭载英特尔处理器的旧款Mac,即苹果自研芯片推出之前的机型,则无缘此次升级。
以下目前可运行macOS 26 Tahoe的Mac机型,将不支持升级至macOS 27金门版:
13英寸MacBook Pro(2020年款,四个Thunderbolt 3接口)
16英寸MacBook Pro(2019年款)
27英寸iMac(2020年款)
Mac Pro(2019年款)
对于仍想继续使用英特尔Mac一两年的用户,也有一个好消息:苹果将在未来三年内继续为英特尔Mac提供安全更新。
如果你的Mac搭载苹果自研芯片,并使用Rosetta 2运行为英特尔架构构建的x86应用程序,需要注意的是,Rosetta 2的支持即将终止。虽然今年尚不会停用,但macOS 金门将是最后一个支持Rosetta 2的版本。
目前,macOS 金门的开发者测试版已正式发布。公开测试版预计于7月推出,正式版macOS 27金门预计将在今年9月正式上线。
Q&A
Q1:macOS 27金门版对液态玻璃设计做了哪些调整?
A:液态玻璃设计在金门版本中得以保留,但苹果新增了透明度滑动控件,用户可以自由调节透明效果,在完全透明与带色调之间找到适合自己的视觉风格。此外,应用顶部工具栏也进行了统一整合,标签和标题的可读性得到提升,窗口侧边栏现在可延伸至边缘并保留颜色,方便用户区分不同窗口。
Q2:哪些Mac机型不支持升级macOS 27金门版?
A:搭载英特尔处理器的旧款Mac无法升级至macOS 27金门版,具体包括:13英寸MacBook Pro(2020年款,四个Thunderbolt 3接口)、16英寸MacBook Pro(2019年款)、27英寸iMac(2020年款)以及Mac Pro(2019年款)。不过,苹果承诺将在未来三年内继续为这些英特尔Mac提供安全更新。
Q3:Rosetta 2在macOS 27金门版之后还能继续使用吗?
A:不能。macOS 27金门版将是最后一个支持Rosetta 2的macOS版本。Rosetta 2是苹果用于在Apple Silicon芯片Mac上运行英特尔x86架构应用程序的兼容层。虽然今年金门版本仍支持Rosetta 2,但此后的macOS版本将不再提供该功能,使用Rosetta 2运行应用的用户需提前做好迁移准备。
好文章,需要你的鼓励
Anthropic首次将其最强AI模型向普通用户开放,但设有严格安全限制。Claude Fable 5在软件工程、知识工作和视觉任务方面表现突出,但在网络安全、生物、化学等高风险领域会自动屏蔽响应并回退至Claude Opus 4.8。该模型通过API和企业计划提供访问,定价为每百万输入令牌10美元、输出令牌50美元。Anthropic同时要求对所有流量保留30天数据,以防范新型越狱攻击。
英国金斯顿大学提出提示词感知权重分配策略,通过PAW和PTW两种语义重要性估计方法,让多个LoRA在AI图像生成中按需贡献,有效降低多概念干扰。
根据Salesforce与YouGov联合调查,美国工人比全球平均水平高出43%成为AI怀疑者,超过半数美国工人对AI持怀疑态度。与印度、泰国等新兴经济体80%以上的AI信任度相比,美国仅约50%。原因不仅在于担忧失业,还包括AI工具输出质量差、培训不足及数据基础薄弱等问题。研究显示,成功的AI应用需要高质量数据、员工培训与实验文化的共同支撑。
香港科技大学等机构构建SpatialAct基准,测试视觉语言模型能否在3D场景中将空间理解转化为可靠行动,揭示AI存在显著的推理与行动鸿沟。