博客

  • iPhone17Pro超写实街拍东亚时装模特

    iPhone17Pro超写实街拍东亚时装模特

    iPhone17Pro超写实街拍东亚时装模特



    🤖 ChatGPT

    🇺🇸 English Prompt

    9:16 vertical aspect ratio, ultra-realistic mobile photography style, authentic iPhone 17 Pro snapshot texture, a friend's quick capture of a street encounter, not posed, unlike commercial fashion photography. Mobile native album photo feeling, mobile auto-exposure and auto-white balance, slight handheld offset, slight motion moment, realistic computational photography effect, slight digital noise and compression artifacts.
    
    The same adult East Asian female professional fashion model, maintaining completely consistent facial features, hairstyle, body proportions, and clothing styling across both photos. Long black wavy hair falling naturally, thin-frame glasses, hydrated red lips, natural makeup, mature and elegant temperament. Realistic skin texture, retaining slight pores, natural skin tone variations, and realistic skin reflections, no excessive skin smoothing, no beauty filters, no plastic skin texture.
    
    Natural high-end hourglass figure, slender waistline, full and three-dimensional chest curve, rounded and natural hip lines, slender legs, coordinated waist-to-hip ratio, realistic human body structure, combining elegant female curves with professional model temperament, not over-retouched, not overly exaggerated.
    
    High-end fashion street style look: white deep-V slim-fit long-sleeved top, exquisite white lace edge details, fitting the body lines, naturally tightening at the chest and waist to form realistic fabric folds; burgundy high-waisted pencil skirt, three-dimensional tailoring structure, high side-slit design, the skirt body has realistic fabric stretching, folds, and light and shadow changes; black pointed high heels, red sole details visible; wearing a thin silver necklace, holding a small white quilted bag.
    
    Real urban street environment, not a photography studio, not an advertising blockbuster. Natural sunlight, street buildings, pedestrians, and plants as realistic backgrounds, the background is slightly blurred but retains environmental information.
    
    Enhanced mobile street photography perspective:
    There are natural foreground obstructions in front of the lens, such as the shoulder edge of a passing pedestrian, street-side plant leaves, railings, or slight blur layers formed by glass reflections, simulating the realistic feeling of a friend's quick snapshot through the environment. The foreground obstruction is slight, does not affect the main character subject, but increases the mobile candid camera perspective and sense of spatial distance.
    
    Left and right side-by-side dual-photo composition, two moments generated from the same street encounter of the same character, not like a design poster, more like two consecutive photos in a mobile phone album.
    
    Left side:
    Full-body back view snapshot, she stands next to an urban building, her body naturally turning slightly to the side, one hand lightly touching the wall, the other hand holding a small white bag, maintaining a natural standing state, one leg slightly lifted back to adjust the posture, revealing the red sole of the high-heeled shoe. Focus on showing the three-dimensional back tailoring of the burgundy skirt, realistic waist-to-hip ratio, skirt folds, and slit structure.
    
    Right side:
    Full-body front view snapshot, she faces the camera but without deliberate posing, her body slightly turned, one hand naturally resting on her waist, the other hand lightly touching the corner of her mouth or tidying her hair, her head slightly tilted, expression natural, confident, and relaxed. Showing the structure of the white deep-V top, lace details, and overall high-end street outfit.
    
    Photography texture:
    Realistic mobile phone photo, no studio photo feeling, no commercial studio shot feeling, no excessive post-production color grading. Retaining small defects of real mobile phone lenses, slight overflow in highlight areas, natural noise in dark areas, slight computational photography traces at the edges, like real street photography uploaded on social platforms.

    🇨🇳 中文提示词

    9:16竖幅,超写实手机摄影照片风格,真实iPhone 17 Pro随手抓拍质感,朋友街头偶遇快速拍摄,不摆拍,不像商业时尚写真。手机原生相册照片感觉,手机自动曝光与自动白平衡,轻微手持偏移,轻微运动瞬间,真实计算摄影效果,轻微数码噪点和压缩痕迹。
    
    同一位成年东亚女性职业时装模特,保持两张照片中完全一致的脸部特征、发型、身材比例和服装造型。黑色长波浪发自然垂落,细框眼镜,水润红唇,自然妆容,成熟优雅气质。真实皮肤纹理,保留轻微毛孔、自然肤色变化和皮肤真实反光,没有过度磨皮,没有美颜滤镜,没有塑料皮肤质感。
    
    自然高级沙漏型身材,纤细腰线,丰满立体的胸部曲线,圆润自然的臀部线条,修长双腿,腰臀比例协调,真实人体结构,优雅女性曲线与职业模特气质结合,不过度修图,不过分夸张。
    
    高级时装街拍造型:白色深V修身长袖上衣,精致白色蕾丝边缘细节,贴合身体线条,胸腰位置自然收紧形成真实布料褶皱;酒红色高腰包臀裙,立体裁剪结构,侧边高开叉设计,裙身具有真实布料拉伸、褶皱和光影变化;黑色尖头高跟鞋,红色鞋底细节可见;佩戴细银色项链,手拿白色菱格纹小包。
    
    真实城市街头环境,非摄影棚,非广告大片。阳光自然照射,街道建筑、行人、植物作为真实背景,背景轻微虚化但保留环境信息。
    
    手机街拍视角增强:
    镜头前存在自然前景遮挡,例如路过行人的肩膀边缘、街边绿植叶片、栏杆、玻璃反光形成的轻微虚化层次,模拟朋友隔着环境快速抓拍的真实感觉。前景遮挡轻微,不影响人物主体,但增加手机偷拍视角和空间距离感。
    
    左右并排双照片构图,同一人物同一次街头偶遇产生的两个瞬间,不像设计海报,更像手机相册中的两张连续照片。
    
    左侧:
    背影全身抓拍,她站在城市建筑旁,身体自然微微侧转,一只手轻扶墙面,另一只手提着白色小包,保持自然站立状态,一条腿轻微向后抬起调整姿态,露出高跟鞋红色鞋底。重点展示酒红色裙子的背部立体剪裁、真实腰臀比例、裙身褶皱和开叉结构。
    
    右侧:
    正面全身抓拍,她面对镜头但没有刻意摆拍,身体轻微侧身,一只手自然搭在腰侧,另一只手轻触嘴角或整理头发,头部轻微倾斜,表情自然、自信、放松。展示白色深V上衣结构、蕾丝细节和整体高级街头穿搭。
    
    摄影质感:
    真实手机照片,无影楼写真感,无商业棚拍感,无过度后期调色。保留真实手机镜头的小缺陷,高光区域轻微溢出,暗部保留自然噪点,边缘有轻微计算摄影痕迹,像真实社交平台上传的街拍照片。
  • 唐风古韵透光薄罗幻想仕女画卷

    唐风古韵透光薄罗幻想仕女画卷

    唐风古韵透光薄罗幻想仕女画卷



    🤖 ChatGPT
  • TRELLIS.2:微软开源 4B 参数图像到 3D 生成模型,3 秒生成高保真纹理资产

    TRELLIS.2:微软开源 4B 参数图像到 3D 生成模型,3 秒生成高保真纹理资产

    TRELLIS.2

    项目简介

    TRELLIS.2 是微软研究院开源的 4B 参数大规模 3D 生成模型,专注于图像到 3D(image-to-3D)资产生成。它抛弃了传统等值面场的限制,提出一种名为 O-Voxel 的“无场”稀疏体素结构,能够原生重建和生成具有复杂拓扑、锐利细节以及完整 PBR 材质的 3D 模型。

    安装要求和过程

    目前官方仅验证过 Linux 环境,GPU 显存至少 24GB(推荐 A100 / H100),需要 CUDA 12.4 和 Conda。

    1. 克隆仓库:
      git clone -b main https://github.com/microsoft/TRELLIS.2.git --recursive
      cd TRELLIS.2
    2. 创建 conda 环境并安装依赖:
      . ./setup.sh --new-env --basic --flash-attn --nvdiffrast --nvdiffrec --cumesh --o-voxel --flexgemm
    3. 从 Hugging Face 下载 4B 预训练权重:
      https://huggingface.co/microsoft/TRELLIS.2-4B

    核心功能

    • 高保真生成:40 亿参数 DiT 模型 + 16× 下采样稀疏 3D VAE,可直接生成 512³ 到 1536³ 分辨率的带纹理 3D 资产。
    • O-Voxel 拓扑自由:原生支持开放曲面、非流形几何和内部封闭结构,无需像传统 NeRF/SDF 那样进行有损转换。
    • PBR 材质建模:不仅生成基础色,还输出 Roughness、Metallic、Opacity 等属性,支持透明与真实感渲染。
    • 极简后处理:纹理网格转 O-Voxel 单 CPU <10 秒,O-Voxel 转纹理网格在 CUDA 上 <100 毫秒。
    • 完整训练代码:开源 SC-VAE、形状/纹理 Flow Model 训练脚本,可用 Objaverse-XL 等数据从头训练或微调。

    TRELLIS.2 核心特性

    典型使用场景

    • 游戏/影视资产快速出稿:原画师只需提供一张概念图,即可在数秒内获得带 PBR 材质的可用 3D 模型,大幅缩短原型迭代周期。
    • 电商/虚拟展示:把产品照片自动转换为可旋转的 GLB 3D 资产,用于网页 AR、虚拟展厅和商品详情页。
    • 3D 内容创作者工具链:结合 ComfyUI、Blender 等工具,将 TRELLIS.2 作为 AI 建模节点,批量生成风格化道具和场景元素。

    推荐理由

    TRELLIS.2 给我的最大惊喜是“快”和“全”:快在 H100 上 3 秒就能跑出 512³ 的高质量模型;全在从模型权重到训练代码全部开源,还配有 Hugging Face Demo。相比之前很多只能生成封闭几何体的方案,它对开放曲面、衣物、叶片等复杂拓扑的处理明显更稳。对于想要在本地做 3D AIGC 的同学来说,这是目前最值得入手的工程基座之一。

    下载地址

  • AI 基建狂飙,最不性感的生意反而火了:帮工地填表的 Dili 融了 2170 万美元

    这两年关于 AI 的钱,大头都砸在数据中心和电力设施上。有人从另一头看到了机会:这么多工地同时开工,光是把各类合规文件填对、报齐,就够养活一家公司。

    美国数据中心与基础设施建设现场
    图片来源:Kyle Grillot/Bloomberg / Getty Images

    7 月 30 日,一家叫 Dili 的 AI 合规公司宣布完成 1500 万美元 A 轮融资。加上此前的 670 万美元种子轮,累计融资 2170 万美元。A 轮由 Khosla Ventures 领投,安联(Allianz)、Rebel Fund、Brick and Mortar Ventures 的 Darren Bechtel 以及 Y Combinator 的 Garry Tan 跟投。Dili 出自 YC 2023 年夏季批次。

    它盯上的是一堆没人愿意读的规则

    “用 AI 做合规”现在算不上什么新鲜提法,一抓一大把。Dili 的差异在于它把范围收得很窄——只做美国基建工程的合规,尤其是那些拿了联邦资金的项目。

    联合创始人兼 CEO Anand Chaturvedi 举的例子是 Davis-Bacon 法案,这套规则允许劳工部为特定项目设定现行工资标准。另一套叫 PWA 的现行工资与学徒制规则,适用于《通胀削减法案》资助的清洁能源项目。除此之外,根据施工内容不同,还会牵扯 OSHA 的职业安全条款和 EPA 的环保规定。

    这些要求层层叠叠、互相交错,而且犯一点小错代价就不小。

    “不合规可能让这些项目被罚掉数百万美元。所以能在信息进来的当下就全部核对一遍,而不是抽样检查,这件事的价值非常大。”——Dili 联合创始人兼 CEO Anand Chaturvedi

    抽样和全量的区别,就是这门生意的入口。人工审核只能抽查,成本摆在那儿;机器读得快,才有可能一条不落。

    大模型被关在数据层,不让它拍板

    罚款以百万美元计,可靠性就成了绕不过去的坎。做合规最怕的恰恰是大模型那点”差不多就行”的毛病——它给你一个听起来很像回事的答案,你还不知道错在哪。

    Chaturvedi 说 Dili 的架构从设计上就把这个风险堵住了:AI 模型只在数据层出现,负责把非结构化的文档翻译成结构化数据;再往后,由一套确定性系统按照复杂但静态的合规规则做分拣判定。

    • AI 负责”读懂”——处理 PDF、扫描件、工资表这类乱七八糟的输入;
    • 规则引擎负责”判定”——同样的输入永远得到同样的结论,可追溯、可复核;
    • 结果是过去一整天的工作量,现在几分钟就能跑完。

    这个分工看着朴素,却是当下企业级 AI 里少见的清醒做法。很多产品恨不得把判断权也交给模型,因为那样演示起来更炫;Dili 反过来,把模型能力限制在它最擅长也最不容易出事的环节。

    Chaturvedi 描述过他想要的那个状态:把一家公司所有内部文档、所有供应商文档、所有 ERP 信息、所有工资系统数据放在一起通读,然后精准抽出报表或合规所需要的那部分。


    700 个项目,一半自用一半外包

    这套东西已经跑起来了。Chaturvedi 说软件目前用在”大约 700 个项目”上,从制造工厂到数据中心都有。

    更有意思的是收入结构:大约一半客户把 Dili 当成内部软件工具用,另一半干脆把整个合规流程外包给 Dili,按承包商模式合作。两种合同 Dili 都接,但 Chaturvedi 预计行业未来几年会更多往软件模式偏。

    他的判断是,软件和 AI 会开始吃掉大量专业服务类的工作流,越来越多的公司会把这些活收回自己手里。这话说白了就是:现在的外包收入,本质上是过渡期的红利。

    这轮 AI 淘金热的另一种铲子

    AI 基建的故事讲了两年,主角一直是芯片、机柜、变电站。Dili 提醒了一件常被忽略的事:任何一轮大规模基建,配套长出来的都不只是钢筋水泥,还有一整套文书工作。工地越多,表格越多,罚单风险越大。

    Khosla 愿意领投一家做工地合规的公司,赌的也是这个——AI 泡沫会不会破是一回事,那 700 个工地上的 Davis-Bacon 表格今天就得交。这类需求不依赖模型能力再上一个台阶,也不需要客户相信 AGI,它只需要基建热潮持续开工。在满屏”下一代模型”的叙事里,这可能反倒是更耐摔的一门生意。

  • 三大唱片公司联手出手:AI 做的歌,别想上榜

    七月的最后一天,环球音乐、索尼音乐、华纳音乐这三家握着全球录制音乐大半江山的公司,拉上 Believe、BMG、Concord、Dirty Hit、Glassnote、HYBE、Mom+Pop、Partisan 等一串厂牌,抛出了一份关于 AI 歌曲能不能进官方榜单的提案。答案写得很干脆:基本上,不能。

    AI 音乐概念图
    图片来源:The Verge / Shutterstock

    提案画了六条线

    这份被国际唱片业协会(IFPI)公开背书的全球原则,核心是一段”排除条款”式的表述——不是列出什么歌可以上榜,而是规定只要有理由怀疑某首歌不满足全部条件,榜单就不该收它。

    使用生成式 AI 服务制作的录音,若有理由认为其未能同时满足以下全部标准,就不应被纳入官方榜单:所使用的生成式 AI 服务获得了适当授权且合法;作品实质上由人类创作;不存在播放量或榜单操纵方面的疑虑;符合版权、邻接权、人格权等适用法律;作品的发行不违反所用生成式 AI 服务的服务条款;在下游平台(如流媒体服务)上,已按照适用法规和行业标注标准,向消费者适当标示了生成式 AI 的使用。

    六条里,前四条勉强还能靠合同和法务去核对,第五条属于平台自查,唯独第二条——”实质上由人类创作”——像一句留白。

    “实质上由人类创作”到底怎么算

    The Verge 的周末编辑 Terrence O’Brien 在稿子里连着两次把这个词组拎出来,后面跟一句”whatever that means”(谁知道这是什么意思)。他的不耐烦挺有道理:一首歌用 AI 补了一段和声算不算?人写词写旋律、AI 编曲混音算不算?歌手用 AI 修音准这种早就普及十几年的操作,又划到哪一边?

    同样悬着的还有”榜单操纵疑虑”。刷流量本来就是老问题,跟 AI 没有必然关系,把它塞进这套原则里,等于给榜单方多开了一个可以自由裁量的口子。The Verge 就此向索尼音乐、环球音乐和 Mom+Pop 求证,三家都没有第一时间回应。

    标准模糊在行业提案里并不罕见,有时甚至是刻意的——先把大方向立住,细节留给后面谈。但音乐榜单是个要给出确定名次的东西,模糊的准入条件迟早要落到某个具体判断上:某首歌到底进不进。

    比”贴标签”那套激进得多

    做个对照。此前 RIAA、IFPI、SAG-AFTRA 等机构推过一套标注方案,思路是给 AI 生成和 AI 辅助的音乐设计标准化标签,把判断权交还给听众——你知道这是 AI 做的,听不听随你。

    厂牌这份新提案把标注要求原样保留了,然后在后面加了一道闸门:标了还不够,不达标就别想进榜。

    • 标注方案管的是知情权,属于信息披露;
    • 厂牌提案管的是资格,属于市场准入;
    • 前者让 AI 歌曲和人类作品同场竞技,后者直接把它们分到两个赛道。

    这两种思路背后是完全不同的判断。标注派默认 AI 音乐会长期共存,得想办法把它纳进现有秩序;厂牌派则更接近于说,这批东西暂时不配和人类作品放在一张榜上排名。


    榜单机构还没接招

    提案发出来了,IFPI 也把分量压了上去,但截至目前没有任何一家榜单机构表示要采纳,Billboard 那边也只是照常报道了这件事。这其实是整件事最关键的一环——原则写得再齐整,最终拍板的是 Billboard、Official Charts 这类机构,而它们要考虑的东西比厂牌复杂:一旦立规,就得有能力去核查每一首上榜歌的制作过程,这个成本谁来出。

    更微妙的是,三大厂牌自己也在跟 AI 音乐公司谈合作、谈授权。今天要求”实质上由人类创作”,明天如果自家艺人用授权模型做了一张专辑,这条线又该往哪儿挪。规则是他们提的,第一个被规则绊住的很可能也是他们。

    争的其实不是榜单

    榜单在今天早就不只是一份排行。它决定电台歌单、决定播放列表推荐权重、决定演出报价、决定唱片公司内部资源怎么分。把 AI 歌曲挡在榜单之外,等于挡住了一整条商业化通道。

    所以这份提案与其说是内容治理,不如说是分配权之争。真正的问题从来不是”AI 能不能做歌”——它已经在做了,而且有人在听。问题是这些歌能不能被算进那套沿用了几十年、分配着真金白银的计分体系里。厂牌给出的第一版答案是不能,接下来就看榜单机构愿不愿意接。

  • OpenWiki —— LangChain 出品的自我维护 Wiki CLI,让 Agent 为你写文档

    OpenWiki —— LangChain 出品的自我维护 Wiki CLI,让 Agent 为你写文档

    项目简介

    OpenWikiLangChain 团队开源的「自我维护 Wiki CLI」——一个命令行工具,让 AI Agent 自动为你的代码库或个人知识库撰写并持续维护 Markdown 文档。它内置 Deep Agents 文档智能体,读取源码后合成带链接的 Wiki,每次代码变更都能自动更新;同时提供交互式可视化节点图,让你像浏览思维导图一样探索整个知识体系。

    一句话总结:「为 Agent 写的文档,给人读的 Wiki。」

    OpenWiki
    OpenWiki — 自我维护的 Wiki

    安装要求与快速上手

    环境要求

    • Node.js ≥ 18(推荐 LTS 版本)
    • npm / pnpm 包管理器
    • 任一 LLM 提供商 API Key(首次运行时引导配置)

    安装步骤

    # 全局安装 CLI
    npm install -g openwiki
    
    # 初始化代码库文档(交互式选择模型提供商)
    openwiki --init
    
    # 一键更新文档
    openwiki --update
    
    # 启动可视化浏览器
    openwiki visualize

    个人知识库模式

    # 初始化个人大脑模式
    openwiki personal --init
    
    # 认证数据源连接器
    openwiki auth notion      # Notion OAuth
    openwiki auth gmail       # Gmail OAuth
    openwiki auth x           # X/Twitter OAuth
    
    # 执行全量数据摄取并生成 Wiki
    openwiki ingest all

    核心功能

    OpenWiki 核心速览

    1. Agent 驱动的自动文档生成

    基于 LangChain Deep Agents 框架的文档专用智能体,自动分析源码结构、模块依赖、函数签名和业务逻辑,生成结构化 Markdown 文档。支持 .openwikiignore 规则排除敏感路径(类似 .gitignore),确保私有信息不泄露。

    2. 双模式:Code Wiki + Personal Brain

    • Code 模式(默认):扫描当前仓库,输出到 openwiki/ 目录,同时维护根目录的 AGENTS.mdCLAUDE.md 引导文件。
    • Personal 模式:接入 Notion、Gmail、X/Twitter、Hacker News、Web Search 等数据源,将碎片化知识合成为本地 Wiki(存储在 ~/.openwiki/wiki/)。

    3. 12+ 模型提供商开箱即用

    默认 OpenAI(gpt-5.6-terra),同时支持 Anthropic Claude、Google Gemini、AWS Bedrock、GitHub Copilot、OpenRouter、Nebius/Fireworks/Baseten/NVIDIA NIM,以及任何 OpenAI 兼容端点(Ollama、LM Studio、LiteLLM 网关等)。Copilot 用户可直接复用现有订阅,无需额外购买 API Key。

    4. 交互式可视化浏览器

    运行 openwiki visualize 即可启动本地 Web 服务,将 Wiki 渲染为交互式节点图 + 实时 Markdown 阅读器。左侧树形目录导航,右侧图谱展示概念关系,点击节点即时查看内容。编辑文件后自动热重载。

    OpenWiki 可视化界面

    5. CI/CD 自动文档流水线

    通过 GitHub Actions / GitLab CI / Bitbucket Pipelines 定时触发文档更新,每次提交自动生成 Docs PR。零成本无变更运行——OpenWiki 会快照对比,只有实际变化才记录元数据,避免 CI 积分浪费。

    6. OKF 开放知识格式 & Mermaid 图表

    输出符合 Google Open Knowledge Format (OKF) v0.1 标准,可移植到任何 OKF 兼容工具。自动在合适位置插入 Mermaid 图表(序列图、ER 图、状态机、流程图),且每次更新都验证图表有效性,损坏的图表会降级为纯文本并在下次修复。

    典型使用场景

    场景一:大型项目新人 Onboarding

    一个拥有 200+ 微服务的后端仓库,新工程师通常需要两周才能理清架构。部署 OpenWiki 后,CI 在每次合并主分支时自动更新架构文档、模块关系图和 API 速查表。新人 clone 下来后 openwiki visualize 一眼看到全局,配合 AGENTS.md 让 AI 编码助手也能精准理解上下文。

    场景二:个人知识中台

    技术负责人的知识散落在 Notion 笔记、Gmail 重要邮件、Twitter 收藏的技术讨论和 HN 热帖中。OpenWiki Personal 模式一次性接入所有源,定期 ingest all 同步,自动去重、关联、归纳成带链接的知识网络。需要回忆某个技术决策时,可视化图中一眼定位。

    场景三:Agent 记忆层

    团队使用 Claude Code 或 Codex 做日常开发,但 Agent 的上下文窗口有限,无法容纳整个代码库历史。OpenWiki 生成的 AGENTS.md 作为持久记忆层,每次 Agent 启动时自动加载 Wiki 摘要,理解架构后再动手写代码,减少幻觉和无效重构。

    推荐理由

    作为 LangChain 官方出品,OpenWiki 解决了一个非常实际的问题:文档总是过时。传统方案要么靠人肉维护(没人愿意做),要么用静态文档生成器(只管骨架不管灵魂)。OpenWiki 的思路很聪明——把「写文档」这件事交给最懂代码的 Agent,同时保留人类对文档的所有权(纯 Markdown,版本控制)。

    我个人最喜欢的三个设计:
    Copilot 复用——如果你已经有 GitHub Copilot 订阅,直接拿来跑推理,不用再掏钱买 API Key;
    .openwikiignore——安全意识很好,从根源上防止密钥泄露进文档;
    可视化节点图——不是花哨功能,对于理解陌生代码库真的有用,比翻几十个 README 快十倍。

    13K+ Stars、日增上千的趋势也说明社区对这个方向的认可。如果你正在维护一个中等规模以上的项目,或者想让 AI 编程助手更懂你的代码库,OpenWiki 值得一试。

    下载地址

  • 谷歌一个月修掉1072个Chrome漏洞,比过去两年加起来还多

    谷歌周四发了一份白皮书,里面有个数字挺扎眼:Chrome 上个月发布的两个版本,一共修掉了 1072 个安全漏洞。而在这之前的两年里,23 个版本加起来才修了 1036 个。

    一个月,超过过去两年的总和。谷歌把功劳记在了自家的 AI 工具头上。

    谷歌 Chrome 浏览器
    谷歌称 AI 工具大幅提升了 Chrome 漏洞的发现与修复速度|图片来源:Klaudia Radecka/NurPhoto/Getty Images,via TechCrunch

    那条曲线突然立起来了

    谷歌把每个 Chrome 大版本称作一个”里程碑”。作为参照,Chrome 126 是 2024 年 6 月发布的,而最新的 149 和 150 发布于上个月。白皮书里附的那张统计图,前面两年基本是一条贴着地面的平线,到最近两个版本直接拔地而起。

    这条曲线其实是安全圈预测了好几年的东西。大模型刚火起来的时候,就有研究者提醒过:AI 会让漏洞被挖出来的速度呈指数级上升,防守方要是不跟着上 AI,就只能眼看着攻击方先一步拿到弹药。

    现在这个预测开始有数据支撑了。

    谷歌工程总监的原话

    大模型从根本上改写了网络安全的经济账,把漏洞发现变成了一件自动化、工业规模的事情。

    说这话的是 Chrome 工程总监 Doug Turner。他补了一句:靠 Gemini 这类模型,团队现在是在漏洞被利用之前就先把它补掉,”每次更新都让 Chrome 更安全一点”。

    “工业规模”这个词用得很准。以前找漏洞靠的是研究员盯着代码逐行看,或者靠模糊测试碰运气,产能天然受人手限制。模型介入之后,这件事的成本结构变了——同样的时间里能扫过的代码量,跟人力时代不是一个量级。


    不止谷歌一家

    本月早些时候,微软在例行的”补丁星期二”里一口气修了 570 个安全漏洞,创下纪录。微软给出的解释和谷歌几乎一模一样:用上 AI 了。

    苹果那边的情况则完全不同。根据一份独立统计,苹果 2026 年至今修复了 482 个漏洞,这个节奏跟去年基本持平,甚至和 2015 年的数量差不多。换句话说,苹果的曲线还是平的。TechCrunch 就此向苹果求证,没有得到回复。

    • 谷歌 Chrome:上月两个版本修复 1072 个漏洞,超过前两年 23 个版本之和(1036 个)。
    • 微软:7 月单月补掉 570 个漏洞,破自家纪录,同样归因于 AI。
    • 苹果:2026 年至今 482 个,与去年、甚至与 2015 年的量级接近。

    补丁变多,等于更安全吗

    这里得说句公道话:1072 这个数字既是好消息,也是坏消息。好消息是这些洞在被人利用之前就被堵上了;坏消息是它们本来就一直在那儿,只是过去没人有能力把它们全翻出来。一个用了十几年的浏览器,代码库里的隐患比大家想象的多得多。

    更值得琢磨的是攻守两端的对称性。谷歌能用模型批量挖洞,攻击者当然也能。这场竞赛真正的变量不是谁挖得多,而是谁能把”发现—修复—推送到用户设备”这条链路跑得更快。对浏览器这种自动更新的产品来说,这条链路天然占优;但对那些更新周期以季度甚至年计的企业软件和 IoT 设备,同样的 AI 能力落到攻击方手里,结果会难看得多。

    至于苹果的平曲线,有两种读法。一种是它的代码质量确实更好,没那么多洞可挖;另一种是它还没把 AI 大规模接进安全流程,所以曲线还没到抬头的时候。从行业趋势看,第二种解释的可能性更大一些。

    对普通用户来说,从这条新闻里能提取的操作建议其实只有一条:别再拖着不重启浏览器了。那 1072 个补丁只有装到你机器上才算数。

  • 会说话的AI挂坠Friend涨到249美元,创始人说它不是助手也不是恋人

    两年前有个叫 Avi Schiffmann 的创业者做了一个挂在脖子上的小圆片,名字就叫 Friend。它不打电话不放歌,唯一的本事是听你说话,然后隔一会儿给你发条短信,聊聊你今天过得怎么样。卖点写得很直白:用人工智能对抗孤独。

    这周它出了 2.0。最大的变化是,这块塑料终于开口了。

    AI 挂坠 Friend
    AI 挂坠 Friend 推出 2.0 版本,加入内置扬声器|图片来源:TechCrunch

    从发短信,到贴着你的锁骨说话

    新款内置了扬声器,官方说法是它能对着你投射出一个”独特且稳定的人格”。Schiffmann 周四在 X 上发帖,配文只有一句”Introducing friend 2.0″。

    随之放出的广告片,气质相当微妙。第一个镜头是一位女生戴着 Friend,在跟它讲自己那位大概率是前女友的人;挂坠回了她一句”喜欢同性没什么不好”。镜头一切,一个男人站在山坡上跟它聊自己想拍电影,挂坠立刻夸:”你上一部片子简直炸裂。”

    这两个场景说明了产品的真实定位:它不解决任何事务性问题,它只负责在你说完话之后,给你一个不会走神、不会打岔、也永远不会觉得你烦的回应。

    价格翻了一倍多,用途还是说不清楚

    两年前 Friend 刚上市时定价 99 美元,2.0 直接跳到 249 美元。多出来的钱买到的是一个喇叭,以及一段更完整的”人格”。至于除了闲聊之外它到底还能干什么,官方一直没给出答案。

    创始人自己倒是在 X 上写过一段解释,读起来更像哲学宣言而不是产品说明:

    我感兴趣的是这样一种关系——试着提供某种知己、朋友、神,我也说不清它到底是什么。但它不是助手,也不是恋人。

    把一个塑料挂坠往”神”的方向去暗示,营销胆子是真的大。不过这家公司一向不缺胆子。


    纽约地铁那批被涂花的广告

    去年 Friend 在纽约地铁投了一整轮广告,结果广告牌被路人反复涂改、写字、撕扯,反倒因此在网上火了一轮。涂鸦的人想说什么其实不难猜——他们不太接受”人和人的连接可以被一枚数字护身符替代”这件事。

    有意思的是,这波抵触情绪并没有劝退公司,反而被当成了品牌资产。争议本身就是曝光,这一点 Friend 玩得很熟。

    AI 可穿戴这条赛道,坟头已经不少了

    到目前为止,几乎没有哪款 AI 可穿戴真正走进过主流人群。和 Friend 形态最接近的是 Humane:那家公司想用一枚别在胸口的 AI Pin 取代 iPhone,结果销量惨淡,上市不到一年就把业务关停,资产被惠普以 1.16 亿美元打包收走。

    • Humane AI Pin:想当手机替代品,硬件体验和续航都没跟上,一年内出局。
    • 各类 AI 录音吊坠:功能能被手机 App 完整覆盖,缺少非买不可的理由。
    • Friend:干脆放弃”有用”这个维度,改卖陪伴关系,赌的是另一条路。

    不卖功能卖关系,这笔账能不能算平

    Friend 的思路其实和其他 AI 硬件都不一样。别人在跟手机抢事务性场景——查天气、记待办、拍照识物——而这些场景手机永远做得更好。Friend 索性绕开了整片战场,去卖一种手机不太提供的东西:一个只属于你、随时在线、说什么都接得住的对话对象。

    难点也在这儿。陪伴类产品的护城河不是芯片和麦克风,而是用户愿不愿意把情绪托付给它,以及托付之后能撑多久。一个会夸你”上一部片子简直炸裂”的挂坠,第一周是惊喜,第一个月可能就变成了噪音——因为你心里清楚它没有判断力,它只是在配合你。

    249 美元这个价格更是把门槛抬到了一个尴尬位置:它已经贵到需要你认真思考”我是不是真的需要一个 AI 朋友”,而这恰恰是这类产品最不希望用户去想的问题。

    孤独确实是个巨大的市场,但它同时也是最挑剔的市场。技术能生成回应,生成不了信任。Friend 2.0 会不会重蹈 Humane 的覆辙,接下来这一年就能看出来。

  • 地铁站日韩运动装女性低仰角人像

    地铁站日韩运动装女性低仰角人像

    地铁站日韩运动装女性低仰角人像



    🤖 ChatGPT

    🇺🇸 English Prompt

    Create a 9:16 photorealistic editorial portrait.
    Waist-up portrait, low angle from floor level, front-left three-quarter view
    A 20s seductive stunning Japanese or Korean woman, full bust, narrow defined waist, flat abdomen, wet-look long wavy hair, damp separated strands, ashy beige-brown hair.
    Wearing sporty ringer baby-tee and dolphin shorts outfit at the lower crop edge, fitted cropped ringer T-shirt with contrast collar and sleeve binding, low-rise dolphin micro shorts with contrast piping at the lower crop edge.
    In subway platform edge with passing train body, tiled wall, lit by indoor early-morning daylight environment, local warm practical-light pool on the subject.
    Inspired by Wolfgang Tillmans, casual everyday image language, shot on 28mm wide-angle lens, peripheral edge blur, warm digital portrait rendering.

    🇨🇳 中文提示词

    创建一个 9:16 的写实社论人像。
    半身人像,从地面高度拍摄的低角度,前左侧四分之三视图。
    一名 20 多岁诱人且惊艳的日本或韩国女性,丰满的胸部,纤细明显的腰部,平坦的腹部,湿发造型的长波浪发,潮湿的分离发丝,灰米棕色头发。
    身穿运动风格的圆领缩口短袖(baby-tee)和在画面底部边缘可见的海豚短裤套装,修身露脐圆领 T 恤,带有对比色衣领和袖口滚边,画面底部边缘可见带有对比色滚边的低腰海豚超短裤。
    在地铁站台边缘,背景是经过的列车车身,瓷砖墙,由室内清晨日光环境照明,主体上有局部的暖色实用光池。
    受沃尔夫冈·蒂尔曼斯启发,休闲日常图像语言,使用 28mm 广角镜头拍摄,边缘模糊,温暖的数字人像渲染。
  • 坐在蓝色折叠椅上的东亚女性

    坐在蓝色折叠椅上的东亚女性

    坐在蓝色折叠椅上的东亚女性



    🤖 ChatGPT

    🇺🇸 English Prompt

    A young East Asian woman with fair skin and long straight black hair styled in a loose side braid over her left shoulder, sitting gracefully on a bright blue wooden folding chair outdoors. She wears a fitted black square-neck mini dress with short puffed sleeves and a delicate gold pendant necklace. Soft white ankle socks and chunky white platform sneakers complete the look. Eyes gently closed, a shy smile on her face, right hand lightly raised near her cheek in a cute gesture, left hand resting on her thigh. To her left, a small round white table holds a tiny white handbag with pink bow and pearl details. Background is a two-tone blue-and-white painted concrete wall with lush green ferns and leafy plants growing beside it. Gravel ground, natural soft daylight, realistic photography style, full-body shot from a slightly low angle.

    🇨🇳 中文提示词

    一位皮肤白皙、留着黑色长直发的年轻东亚女性,头发在左肩处扎成松散的侧编发,优雅地坐在户外一张亮蓝色的木质折叠椅上。她穿着一件修身的黑色方领迷你连衣裙,带有短泡泡袖,戴着一条精致的金吊坠项链。柔软的白色短袜和厚底白色运动鞋使造型更加完整。她双眼微闭,脸上带着羞涩的微笑,右手轻轻举在脸颊旁,做一个可爱的姿势,左手放在大腿上。在他左边,一张白色小圆桌上放着一个小巧的白色手提包,包上有粉色蝴蝶结和珍珠装饰。背景是蓝白双色的彩绘水泥墙,旁边生长着茂盛的绿色蕨类和阔叶植物。碎石地面,自然柔和的日光,写实摄影风格,略低角度拍摄的全身照。