Anthropic 于周二发布了两款新 AI 模型：**Claude Mythos 5** 和 **Claude Fable 5**。Mythos 5 仅面向受信任的组织（如 Project Glasswing 合作伙伴）提供，而 Fable 5 则向公众开放，并内置了严格的“护栏”以防止被用于网络攻击。 ## 能力与限制 Mythos 5 是此前 Mythos Preview 的升级版，具备更强的漏洞发现等高级能力。出于安全考虑，Anthropic 此前仅向少数科技合作伙伴开放。Fable 5 基于相同的基础模型，但通过重定向机制屏蔽了网络安全、生物学和化学等敏感领域的查询，这些请求会被转至较旧的 **Claude Opus 4.8** 处理。此外，若检测到用户试图进行模型蒸馏（利用大模型输出训练小模型），相关请求同样会被拦截。 ## 安全策略的演进 Anthropic 产品管理主管 Diane Penn 表示，自 Mythos Preview 发布以来，公司一直在权衡如何管控其能力。目前的方案偏向保守，可能导致部分良性查询也被降级处理，但这是当前广泛发布的最安全选择。未来，公司计划通过优化分类器提升精准度。 ## 行业背景与意义 此举反映了 AI 安全领域的两难困境：如何平衡能力开放与风险控制。Anthropic 选择“分级发布”策略，既满足了合作伙伴对前沿能力的需求，又通过技术手段降低了公众版本被滥用的风险。这一模式可能成为 AI 模型分发的参考范例。
Anthropic 于今日正式发布 **Claude Fable 5**，这是其最强 AI 模型“Mythos”系列中首个面向公众开放的版本。该模型在软件工程、知识工作与视觉能力上表现卓越，但 Anthropic 为其设置了严格的安全限制：在网络安全、生物学、化学等高风险领域，模型将拒绝回答并自动回退至 Claude Opus 4.8。 Fable 5 的推出标志着 Anthropic 在 AI 安全与普及之间的新平衡。此前，Mythos 仅限少数合作伙伴使用，上周扩展至 15 个国家的数百家关键基础设施机构。如今，普通用户可通过 Anthropic 的 API 及企业套餐使用该模型，订阅用户从即日起至 6 月 22 日可免费体验，之后需消耗使用积分。 与此同时，Anthropic 也向已获批准的机构交付了更先进的 **Mythos 5**。公司强调，在释放强大能力的同时，必须建立“协调的刹车机制”。为此，Anthropic 要求所有流量保留 30 天日志（即使企业此前签署零保留协议），以便应对复杂攻击。内部测试显示，超过 1000 小时的漏洞赏金计划未发现通用越狱方法，但团队仍警惕新型攻击手段。 此举正值 Anthropic 筹备上市，并与 OpenAI、SpaceX 等企业竞争之际。Anthropic 此前呼吁全球 AI 实验室建立前沿 AI 开发的联合刹车机制，警告系统正快速逼近“递归自我改进”（RSI）阶段，可能无需人类干预即可自主进化。Fable 5 的发布，既是技术能力的展示，也是安全治理的试验场。
Anthropic 于今日正式推出 **Claude Fable 5**，这是其 **Mythos** 系列模型的首个公开版本。该模型在软件工程、知识工作和视觉任务上表现卓越，但为防范高风险领域的滥用，Anthropic 为其设置了严格的安全限制——在网络安全、生物学、化学等敏感话题上，模型将拒绝回答并自动回退到 **Claude Opus 4.8**。 ## 从封闭到开放：Mythos 的进化之路 今年 4 月，Anthropic 以“Mythos”为代号首次预览了这款前沿模型，当时仅向少数合作伙伴开放，主要顾虑是网络安全风险。上周，Anthropic 将访问范围扩大至 15 个国家的数百家关键基础设施组织。如今，**Fable 5** 作为 Mythos 技术的“降级”版本，通过 Claude API 和基于消耗量的企业计划向公众开放。订阅用户的访问将分阶段进行：**6 月 22 日前**，Pro、Max、Team 及基于座位的企业计划可免费使用；**6 月 23 日后**，Fable 5 将转为消耗积分使用，Anthropic 计划尽快将其恢复为标准订阅功能。 ## 安全优先：内置“刹车”与数据留存 Fable 5 的安全机制经过严格测试。Anthropic 表示，在 **1000 小时以上的外部赏金测试**中，未发现任何通用越狱方法；与外部红队组织的合作也未能找到通用漏洞。但公司承认，**新型攻击仍可能存在**。为此，Anthropic 要求所有流量保留 **30 天**（即使企业此前签署了零保留协议），数据仅用于防御复杂攻击，不用于模型训练。 与此同时，Anthropic 还推出了面向已获批组织的 **Mythos 5** 升级版。 ## 行业背景：AI 安全的“刹车”呼声 Fable 5 的发布正值 Anthropic 筹备上市之际（与 OpenAI、SpaceX 同列）。此前，Anthropic 曾呼吁全球主要 AI 实验室为前沿 AI 开发建立 **协调一致的“刹车”机制**，警告系统可能很快实现 **递归自我改进（RSI）**，即在无人干预下自主进化。Fable 5 的推出正是这一安全理念的实践——在能力与风险之间寻找平衡点。
Anthropic 于 2026 年 6 月 9 日正式发布 Claude Fable 5，号称是其迄今最强大的广泛可用模型。该模型在软件工程、知识工作和视觉任务上表现卓越，尤其在长链条复杂推理中优势明显。Fable 5 是 Anthropic 此前因网络安全风险而拒绝公开的“神话级”（Mythos）家族的首个公开发布版本。公司表示，全新的安全护盾使其得以安全释放这一级别的能力。 ## 安全机制：主动降级而非完全封锁 Anthropic 在发布中强调，Fable 5 内置了针对高风险领域的响应阻断机制。当系统判定请求涉及网络安全或生物学等敏感领域时，模型将自动回退到 **Claude Opus 4.8**——Anthropic 上个月刚发布的以“诚实”著称的模型。公司称，在内部测试中，**95% 的会话完全由 Fable 5 独立完成**，无需降级。这种“软性限制”策略旨在平衡能力释放与安全可控。 ## 双轨发布：Fable 与 Mythos 5 同步推出 除了 Fable 5，Anthropic 还发布了 **Claude Mythos 5**。根据官方博客，Mythos 5 与 Fable 5 使用相同的基础模型，但在部分领域移除了安全护盾。目前 Mythos 5 仅限通过 Anthropic 的私有“Project Glasswing”项目获得访问权限的组织使用。这些用户可升级至 Mythos 5，而 Anthropic 计划未来通过“更系统的可信访问计划”逐步扩大范围。值得注意的是，Anthropic 未对“5”这一编号的由来做出解释，也未说明两款模型与之前“Claude Mythos Preview”的具体关系。 ## 行业背景：AI 安全与能力释放的博弈 此次发布正值行业对前沿 AI 模型安全性的争论白热化阶段。Anthropic 此前曾因担心被恶意利用而拒绝公开 Mythos 级模型，如今通过“带护盾”的 Fable 5 试探市场，同时为深度合作伙伴保留无限制版本，体现了“渐进式开放”的策略。这一做法与 OpenAI 的“分阶段部署”思路相似，但 Anthropic 更强调在关键领域设置硬性回退机制。 ## 定价与可用性 Fable 5 和 Mythos 5 均已开放使用，但官方尚未公布具体定价。考虑到其定位为“最强大模型”，预计将延续 Anthropic 的高价策略。对于多数开发者而言，Fable 5 可能成为平衡能力与安全的首选，而 Mythos 5 则面向需要完全控制能力的机构用户。 总体而言，Anthropic 通过 Fable 5 的发布，在“能力上限”与“安全下限”之间找到了一个折中点。这一模式或将成为未来前沿 AI 模型发布的参考范式。
Anthropic 近日发布了其最新 AI 模型 **Claude Fable 5**，这款模型并非全新的基础架构，而是基于此前面向开发者推出的高性能模型 **Mythos** 的“安全增强版”。核心区别在于：Fable 5 在保留 Mythos 强大代码生成能力的同时，针对普通用户的使用场景增加了多层 **网络安全护栏**，并引入了 **回退模型** 机制，以降低高风险输出的可能性。 ## 能力与限制的平衡 Fable 5 的推出反映了当前 AI 行业在追求模型能力与确保安全可控之间的核心矛盾。据 Anthropic 介绍，Fable 5 在编程、逻辑推理等任务上的表现与 Mythos 基本持平，但在处理涉及敏感操作（如自动执行代码、访问外部系统）的请求时，会触发更严格的审查流程。例如，当模型被要求生成可能用于网络攻击的脚本时，Fable 5 会主动拦截并提示用户风险，而 Mythos 则可能直接生成代码。 这一设计思路与 Anthropic 一贯强调的“**负责任的 AI 发展**”理念一脉相承。然而，安全护栏的加入也带来了代价：**定价策略** 成为开发者关注的焦点。据透露，Fable 5 的 API 调用成本相比 Mythos 高出约 **30%**，部分原因在于回退模型机制需要额外的计算资源来实时评估请求风险。对于高频调用 API 的团队而言，这一成本差异可能促使他们仔细权衡安全性与经济性。 ## 行业影响与用户选择 从行业视角看，Fable 5 的发布标志着 AI 模型开始从“通用能力竞赛”转向“场景化安全定制”。此前，OpenAI 的 GPT-4 Turbo 和 Google 的 Gemini Pro 均推出了类似的安全过滤层，但 Anthropic 的做法更为激进——直接为不同用户群体提供“同一内核、不同策略”的选项。 对于普通用户和中小企业，Fable 5 意味着在享受顶尖 AI 能力的同时，无需自行构建内容过滤系统。而对于专业开发者，Mythos 依然保持“无约束”模式，适合在封闭环境或受控场景下进行高自由度实验。这种分层策略可能成为未来 AI 产品的主流形态。 ## 潜在挑战与展望 尽管安全护栏的初衷值得肯定，但实际效果仍存疑问。**过度过滤** 可能导致模型在合法任务中拒绝正确指令，影响用户体验。此外，回退模型在复杂任务中的表现落差（例如从 Mythos 回退到能力稍弱的版本）是否会造成用户感知下降，尚需市场检验。 Anthropic 表示，Fable 5 目前已在 Web 端和 API 中开放，后续将根据用户反馈调整护栏的敏感度阈值。在 AI 安全监管日益严格的背景下，这类“能力-安全”折中方案或将成为行业标配。
Anthropic 近日发布了其最新模型系列的系统卡（System Card），涉及 **Claude Fable 5** 和 **Claude Mythos 5** 两款模型。系统卡作为评估模型安全性、能力边界及潜在风险的关键文档，通常包含性能基准、缓解措施以及模型在关键领域的表现细节。此次发布正值行业对 AI 安全透明度要求日益提高的背景下，Anthropic 通过公开系统卡延续了其“负责任扩展”的政策承诺。 ## 模型定位与命名 从命名推测，**Claude Fable 5** 可能侧重于创造性叙事与复杂推理，而 **Claude Mythos 5** 或许在知识广度与多语言能力上有所强化。Anthropic 此前已在 Claude 3 系列中采用类似分层策略，此次更新或标志着第五代模型架构的成熟。 ## 系统卡核心内容 系统卡文档通常涵盖以下维度： - **能力评估**：包括语言理解、代码生成、多模态处理等基准测试得分，以及与 GPT-4、Gemini 等竞品的对比。 - **安全措施**：对抗性测试结果、红队评估反馈、以及针对有害输出（如偏见、越狱攻击）的缓解机制。 - **局限性说明**：模型在事实准确性、长上下文依赖及特定领域（如医疗、法律）中的已知短板。 - **部署建议**：推荐使用场景、内容过滤阈值以及人机协作的最佳实践。 ## 行业意义 此次系统卡的发布恰逢全球监管机构加强对大模型可解释性要求的时期。欧盟《人工智能法案》已要求高风险 AI 系统提供透明文档，Anthropic 此举不仅符合合规趋势，也为开发者提供了更明确的模型使用边界。此外，**Fable 5** 与 **Mythos 5** 的差异化定位可能针对不同垂直领域，例如教育、创意产业或企业客服。 ## 未来展望 虽然 PDF 原文因格式问题无法直接解析，但系统卡的公开通常预示着模型即将正式上线。Anthropic 在安全透明度上的持续投入，可能推动行业形成更规范的评估标准。开发者与研究者可重点关注其中关于风险缓解措施的具体技术细节，以优化自身应用的部署策略。 > 注：由于原文为 PDF 格式且内容无法完整提取，以上分析基于系统卡的一般结构与行业背景推断，具体数据以官方完整文档为准。
2026 年 6 月 9 日，Anthropic 正式发布 **Claude Fable 5** 与 **Claude Mythos 5** 两款新模型。Fable 5 定位为 Mythos 级通用模型，在几乎所有主流基准测试中达到业界领先水平，尤其在软件工程、知识工作、视觉理解、科学研究等复杂任务上表现突出。Anthropic 表示，任务越长、越复杂，Fable 5 相对于其他模型的优势越明显。 为了控制风险，Anthropic 为 Fable 5 设置了安全护栏：对于某些高风险话题的查询，模型会自动降级为次强模型 **Claude Opus 4.8** 进行回复。目前这些护栏设置较为保守，平均在 **不到 5% 的会话** 中会触发，有时也会误拦截无害请求。Anthropic 承诺将尽快优化护栏，减少误报。 与此同时，Anthropic 还发布了 **Claude Mythos 5**，其底层模型与 Fable 5 相同，但在部分领域解除了安全限制。Mythos 5 将首先通过 **Project Glasswing**（与美国政府合作的项目）部署，作为 Claude Mythos Preview 的升级版，拥有全球最强的网络安全能力。未来 Anthropic 计划通过更广泛的信任访问计划开放 Mythos 5。 Anthropic 指出，Fable 5 和 Mythos 5 的能力已在网络安全（帮助防御者保护关键软件）和生命科学研究（提出新假设、加速疗法开发）中展现出巨大价值。定价方面，Fable 5 和 Mythos 5 的输入价格为 **每百万 token 10 美元**，输出价格为 **每百万 token 50 美元**，不到 Claude Mythos Preview 的一半。 此次发布标志着 Anthropic 在“尽可能快速、安全地为更多用户提供先进 AI 能力”的目标上迈出了新的一步。
在财产险理赔流程中，**首次损失通知（FNOL）** 的录入环节长期被视为“只是开个案子”，但实际却是处理大量非结构化数据的关键瓶颈。理赔员需要将现场照片、视频、扫描文档和录音笔记等异构证据，通过专为人工设计的门户逐一解读、验证和关联，这一过程往往消耗其大量时间。尤其是在灾害或季节性高峰期间，人工操作导致的延迟会迅速积累，直接影响理赔周期和客户体验。 本文提出一种**免手动FNOL录入系统**，通过组合两种互补能力实现智能化： - **Strands Agents SDK**（开源）——采用模型驱动方式构建生成式AI代理，负责执行保险领域特有的业务规则，例如证据解读、跨模态关联以及案件复杂度评估。这些代理基于通过 **Amazon Bedrock** 提供的基础模型（FM）进行推理。 - **Amazon Bedrock AgentCore浏览器工具**（由 **Amazon Nova Act** 驱动）——一个客户端SDK，能够将自然语言指令（如“打开下一个未处理的理赔”或“触发图像标记”）转化为真实的浏览器操作，从而自动与理赔门户系统交互。 该架构的核心思路是**保留人类专家的判断力，同时消除重复性的屏幕操作**。系统工作流程如下： 1. **证据接收与解析**：多模态证据（照片、视频、文档、录音）通过API或上传进入系统。Strands Agents首先对证据进行标签化和初步分类。 2. **领域推理**：基于保险业务规则，代理判断证据是否完整、是否存在矛盾，并评估案件复杂度（例如，是否涉及人伤、财产损失严重程度等）。 3. **自动化门户操作**：Amazon Bedrock AgentCore浏览器工具根据代理的决策，自动导航到理赔门户，填写字段、上传文件、提交标记。整个过程无需人工介入。 4. **人工审核与决策**：最终，理赔员获得的不是原始证据的堆砌，而是经过整理、带有上下文标签的决策就绪信息，可以直接进行定损、核赔等更高价值的工作。 **行业背景与价值**： - **效率提升**：通过自动化重复性录入，理赔员可将精力集中于复杂案件的判断，从而缩短整体理赔周期。 - **可扩展性**：在灾害事件导致案件量暴增时，系统能自动扩展处理能力，避免人工团队疲于应付。 - **准确性**：基于模型的规则一致性优于人工手动操作，减少因疲劳或疏忽导致的错误。 **技术细节**： - **Strands Agents** 的模型驱动特性允许开发者用声明式方式定义代理行为，而非编写大量胶水代码。它天然支持与Amazon Bedrock集成，可调用Claude、Llama等模型进行推理。 - **Amazon Nova Act** 作为浏览器自动化引擎，不仅支持简单的点击和填写，还能理解页面上下文，适应门户界面的变化。 **总结**： 本文展示的FNOL录入方案并非替代理赔员，而是通过**代理+浏览器工具**的组合，将人类从“数据搬运工”的角色中解放出来，使其专注于需要专业判断的环节。对于正在寻求理赔流程数字化转型的保险公司来说，这一架构提供了一个低代码、可快速落地的参考路径。 > **注**：文中提及的“行业观察”指代一般性实践认知，未引用具体统计数据。实际部署需根据各保险公司门户系统进行适配。
根据Salesforce与YouGov最新全球调查，超过一半的美国白领员工自称是AI怀疑者，比例远高于全球平均水平。与此同时，印度等新兴经济体对AI的信任度超过80%。美国人的怀疑不仅源于对失业的恐惧，还与缺乏AI使用经验、信息不对称及文化差异有关。有趣的是，超过80%的美国政府机构已在积极采用AI，形成“政府热、员工冷”的鲜明反差。本文结合IDC和斯坦福研究，深入分析这种“怀疑悖论”背后的多重原因，并探讨新兴经济体为何更乐观。
Apple 在 WWDC 2026 上推出了一系列 AI 驱动的照片编辑工具，标志着其对 AI 编辑态度的重大转变。两年前，Apple 软件主管 Craig Federighi 曾强调“传播准确信息而非幻想”的重要性，但如今 Apple 不再坚持照片必须准确反映现实。新工具包括升级版 Image Playground，支持通过自然语言描述进行逼真风格的图像生成和编辑，用户可轻松移动、调整或添加对象。Apple 还推出了“Clean Up”功能的增强版，以及基于提示的编辑能力，允许用户通过描述来修改照片内容。这一转变使 Apple 与 Google 和 Samsung 等竞争对手看齐，后者早已提供类似功能。然而，这也引发了关于照片真实性和 AI 幻觉风险的讨论。Apple 在演示中未明确标注哪些图像是真实拍摄、哪些是 AI 生成的，模糊了现实与虚构的界限。
在工程团队中，事件分类（incident triage）是一项极其耗时且对时效性要求极高的工作。站点可靠性工程师（SRE）和支持工程师通常需要在多个工具间切换，手动收集证据、评估用户影响并创建后续任务。现在，借助 **Amazon Quick** 和 **New Relic** 的集成能力，你可以将这些步骤统一到一个对话式工作流中，显著缩短平均解决时间（MTTR）。 ## 核心思路：用 AI 代理串联工具 Amazon Quick 提供了**原生集成连接器**，可以连接 New Relic 和 Asana 等外部服务。通过构建一个自定义的**事件分类助手代理**，你只需一个提示词，就能让代理自动完成以下工作： 1. **调查事件**：利用 New Relic 的五个推理工具——包括生成告警洞察报告、量化用户影响范围、分析实体日志和事务等——自动收集关键证据。 2. **生成根因分析（RCA）简报**：代理会整合调查结果，形成包含证据链接的 RCA 摘要。 3. **创建跟踪任务**：在 Asana 中自动创建一个已跟踪的任务，便于后续交接。 ## 实际效果：从分钟级到秒级 在内部测试中，使用 New Relic 自身应用的场景下，该代理将事件分类的**证据收集阶段耗时减少了 60% 以上**。这不仅加快了事件解决速度，还降低了换班时的知识丢失风险，并为整个值班轮换提供了统一的调查标准。 ## 技术实现：New Relic MCP 服务器集成 Amazon Quick 的 New Relic 连接器基于 **Model Context Protocol (MCP)**，提供了五个专用工具： - **generate_alert_insights_report**：识别关键告警驱动因素。 - **generate_user_impact_report**：量化受影响用户和服务数量。 - **analyze_entity_logs**：提取错误签名和异常。 - **analyze_transactions**：分析事务性能。 - 以及更多工具，代理会根据提示自动决定调用哪些。 ## 适用场景与价值 该模式不仅适用于事件分类，更展示了 Amazon Quick 连接企业工具与 AI 代理的通用能力。对于工程领导者而言，这意味着： - **更快的 MTTR**：自动化证据收集和任务创建。 - **一致的质量**：无论谁值班，都遵循相同的调查流程。 - **降低认知负荷**：工程师无需在多个界面间手动跳转。 ## 下一步 你可以参考 AWS 官方文档，在 Amazon Quick 中配置 New Relic 和 Asana 连接器，并根据团队需求定制提示词。这个事件分类助手只是一个起点——类似的代理模式可以扩展到告警响应、变更管理、客户支持等多种场景。
随着SpaceX、Anthropic和OpenAI等公司相继筹备或进行IPO，科技行业正在迎来新的巨头组合。旧的FAANG（Facebook、Amazon、Apple、Netflix、Google）正在被一个更“甜”的新缩写取代——MANGOS：Meta、Anthropic、Nvidia、Google、OpenAI、SpaceX。 ## 从FAANG到MANGOS：一个时代的更替 FAANG这个缩写曾长期定义科技行业的顶级上市公司，但如今，AI和航天领域的崛起正在重塑格局。据TechCrunch报道，SpaceX将于本周五进行IPO，预计将打破纪录；Anthropic紧随其后，也在筹备创纪录的IPO；而OpenAI则力争超越对手，同样寻求破纪录的上市。如果一切按计划进行，这些公司将成为新的市场主导者。 新缩写MANGOS由开发者@krishdotdev和@lilscoot在X平台上提出，并迅速走红。它囊括了Meta、Anthropic、Nvidia、Google、OpenAI和SpaceX。这六家公司代表了AI、云计算、航天等前沿领域，而FAANG中的Amazon和Netflix虽然依然强大，但其电商和流媒体业务在创新性上已不及这些新兴巨头。 ## 新巨头的行业影响 MANGOS的崛起意味着科技行业的重心从消费互联网转向了AI和硬科技。Nvidia凭借其GPU在AI训练中的核心地位成为关键基础设施；OpenAI和Anthropic则代表了生成式AI的两大阵营；SpaceX将商业航天推向新高度。这些公司的IPO不仅将创造巨额财富，还可能改变整个科技生态的竞争规则。 当然，FAANG并未完全退场。Meta和Google本身就是MANGOS的一部分，而Amazon的AWS云服务依然强劲。但新缩写的流行反映了行业情绪的变化：投资者和从业者更关注AI和航天等“未来产业”。 ## 未来展望 MANGOS能否像FAANG一样长期主导市场，取决于它们能否在AI和自动化时代构建可持续的经济基础。如果成功，它们将推动一个“自主AI时代”；如果失败，也可能带来就业流失等社会问题。无论如何，2026年的夏天，科技行业正在迎来新的“甜酸”组合。
亚马逊近日正式推出 **Amazon Autos** 服务，与本地经销商合作，让用户在线完成新车购买、二手车交易或车辆租赁，彻底告别传统4S店里的销售套路。更吸引人的是，**Prime会员** 在购车或租赁成功后，可直接获得 **1500美元亚马逊礼品卡** 奖励。 ### 核心亮点 - **全流程线上化**：从选车、比价、贷款审批到合同签署，均可在亚马逊平台完成，最后只需去经销商处提车。 - **透明定价**：车辆价格由经销商直接提供，无隐藏费用，用户可对比不同经销商的报价。 - **Prime专属福利**：Prime会员购车或租赁即赠1500美元礼品卡，可用于亚马逊全站消费。 ### 对行业的影响 亚马逊的入局，可能彻底改变汽车零售的格局。传统购车流程繁琐、价格不透明，而亚马逊凭借其平台信任度和用户基数，有望推动行业向 **透明化、数字化** 转型。不过，目前该服务仅在美国部分城市试点，且车辆选择有限。 ### 值得注意 - 礼品卡仅限首次通过Amazon Autos购车或租赁的Prime会员。 - 部分经销商可能要求到店签署最终合同，线上流程并非完全替代线下。 ### 小结 亚马逊的这一步，不仅是电商巨头向高客单价商品拓展的典型动作，更可能成为汽车零售 **线上化** 的重要里程碑。对于消费者，尤其是Prime会员，这无疑是省时又省钱的购车新选择。
近日，不少 Android 用户发现手机中悄然多了一个名为 **Android System SafetyCore** 的系统服务，而谷歌对此几乎没有公开说明。这一服务主要用于在后台扫描照片中的“敏感内容”，尤其是为 Google Messages 的敏感内容警告功能提供支持。虽然谷歌声称该服务仅在用户主动开启相关功能时才会运行，但隐私担忧依然引发了广泛关注。幸运的是，用户可以选择禁用甚至卸载这一组件。 ## SafetyCore 是什么？ 根据现有信息，SafetyCore 是谷歌面向 Android 9 及以上版本推出的一项系统级服务。它的核心作用是检测设备本地照片中是否包含敏感或色情内容，并在用户通过 Google Messages 接收此类图片时弹出警告。谷歌表示，所有扫描均在设备端完成，不会将图片上传至云端。 然而，SafetyCore 的部署方式引发了争议——它并非通过用户明确同意下载，而是作为系统更新静默安装。许多用户直到在应用列表中发现这一陌生名称，才意识到自己的设备已被添加了新的监控层。 ## 隐私与安全的平衡 从技术角度看，SafetyCore 的设计目标是保护用户免受意外接收不良内容的困扰，尤其适用于家庭共享设备或青少年使用场景。谷歌强调该功能是“可选加入”（opt-in）的，这意味着只有当你主动在 Google Messages 中开启敏感内容警告时，SafetyCore 才会被调用。 但批评者指出，即使 SafetyCore 仅在本地运行，它仍然拥有扫描所有照片的权限，且用户对何时、如何被扫描缺乏透明控制。此外，系统级服务难以彻底删除，普通用户可能不知道它的存在，更不用说如何关闭它。 ## 如何卸载或禁用 SafetyCore？ 如果你不希望设备存在这一后台扫描功能，可以按照以下步骤操作： 1. 打开 **设置** > **应用** > **查看所有应用**。 2. 在列表中找到 **Android System SafetyCore**（如果未直接显示，可能需要点击“显示系统应用”）。 3. 进入应用详情页，点击 **卸载** 或 **禁用**。对于部分设备，卸载选项可能不可用，此时可以选择“禁用”以停止其运行。 需要注意的是，卸载 SafetyCore 将导致 Google Messages 的敏感内容警告功能失效，但不会影响短信收发等其他基本功能。 ## 行业启示 SafetyCore 的静默部署并非孤例。近年来，科技巨头愈发倾向于通过系统更新向用户推送新功能，而非给予明确选择权。这种做法在提升安全性的同时，也不可避免地触碰了隐私边界。对于普通用户而言，了解设备上运行了哪些服务、以及如何管理这些服务，正成为一项必备的数字素养。 谷歌尚未就 SafetyCore 的部署方式发表正式评论，但可以预见，随着用户意识的提升，未来此类功能的透明度要求将越来越高。
苹果在 WWDC 2026 上为 iOS 27 引入了三项 AI 驱动的照片编辑功能：改进的 **Clean Up**（清理）、全新的 **Extend**（扩展）和 **Reframe**（重构）。这些工具旨在让用户更轻松地修饰和调整照片。 作为一名资深科技记者，我最初对这些 AI 功能持怀疑态度，但实际测试后，结果出乎意料。 ### Clean Up：更精准的擦除 Clean Up 工具最早出现在 iOS 18.1 中，用于移除照片中不需要的人物或物体，并用周围环境填充空白。此前它的表现时好时坏，但在 iOS 27 中，苹果声称其算法得到了显著改进。在我的测试中，Clean Up 确实变得更加准确——它能够更好地识别主体边缘，填充区域也更自然，几乎看不出痕迹。 ### Extend：智能扩展画面 Extend 工具允许你扩展照片的边界，为主体增加更多空间。AI 会根据背景内容自动生成扩展区域。我尝试了一张风景照，将天空区域扩大了一倍，AI 填充的云层纹理与原始照片高度一致，没有明显的拼接感。对于需要调整构图或适配不同比例的场景，这个功能非常实用。 ### Reframe：改变视角与构图 Reframe（或称 Spatial Reframing）是最让我惊喜的功能。它能够改变照片的拍摄角度或透视关系，仿佛你重新调整了相机的位置。例如，一张正面拍摄的建筑物照片，通过 Reframe 可以模拟出从侧面仰视的效果。AI 会补全因视角变化而缺失的细节，虽然偶尔有轻微失真，但整体效果相当自然。 ### 测试环境与注意事项 我使用的是 **iPhone 15 Pro**（支持 Apple Intelligence 的机型之一），并安装了 iOS 27 首个开发者测试版。需要提醒的是，开发者测试版通常不稳定，不建议在主力设备上安装。此外，这些 AI 功能仅支持 iPhone 15 Pro 及 Pro Max、以及 iPhone 16 和 17 全系列。 ### 小结 总的来说，iOS 27 的 AI 照片编辑工具在实用性和效果上都超出了我的预期。Clean Up 的改进让日常修复变得更可靠；Extend 和 Reframe 则为创意编辑提供了新的可能性。虽然目前仍处于测试阶段，但苹果在 AI 图像处理上的进步值得关注。
微软AI部门负责人穆斯塔法·苏莱曼日前收回了其关于AI将在12至18个月内全面自动化白领工作的争议性言论，澄清他实际指的是具体任务而非整个岗位。 ## 从“取代”到“辅助”的转向 在今年2月接受《金融时报》采访时，苏莱曼曾表示：“白领工作——无论是律师、会计师、项目经理还是市场营销人员——其中大部分任务将在未来12到18个月内被AI完全自动化。”这一说法迅速引发广泛讨论，许多人担忧AI将导致大规模白领失业。 然而，在周一播出的《Decoder》节目中，苏莱曼对上述言论进行了修正。他强调：“我在你引用的那句话里说的是‘任务’（tasks），而不是‘工作’（jobs）。工作和岗位是更宽泛的类别，而任务是它们的组成部分。”他进一步解释，AI的作用是帮助完成诸如发送邮件、与同事沟通、制作PPT等“子任务”，但这些子任务的自动化并不意味着整个岗位会消失。 ## 任务自动化不等于岗位消失 苏莱曼在节目中详细阐述了他的观点：“子任务将越来越多地被数字化和自动化，我们可以生成越来越多这样的任务。但这并不一定意味着岗位会消失。它只是意味着工作可以更快、更高效地完成——而这些工作往往是比较机械、手动、劳动密集且耗时的。因此，技术的自然演进是让生活更轻松、更快速、减少摩擦、实现更无缝的体验。” 这一澄清反映出AI行业在预测就业影响时的微妙平衡。一方面，技术乐观派认为AI将提升生产力、解放人类从事更具创造性的工作；另一方面，劳动力市场已对自动化带来的结构性失业表现出真实焦虑。苏莱曼的“任务 vs. 岗位”区分，试图在技术潜力与社会影响之间划出一条更谨慎的界限。 ## 行业背景与后续影响 苏莱曼的言论修正恰逢AI行业关于就业替代的辩论日益激烈。今年以来，多家研究机构发布报告指出，生成式AI可能影响全球约3亿个工作岗位，其中白领知识工作者风险最高。但与此同时，也有观点认为，AI更可能像过去的工业革命一样，创造新岗位而非单纯消灭旧岗位。 值得注意的是，苏莱曼的原始言论被广泛传播后，微软并未立即澄清，直到此次《Decoder》采访才做出回应。这可能反映出科技公司在宣传AI能力时面临的困境：既要展示技术的颠覆性以吸引投资和用户，又要避免引发不必要的恐慌。 目前，微软正全力推进其AI战略，将Copilot集成到Office、Windows和Azure等核心产品中。苏莱曼的“任务辅助”论调，或许也暗示了微软产品定位的务实方向：AI不是要取代你的工作，而是要让你工作得更快。
智能手表和智能戒指等健康穿戴设备正以前所未有的方式收集我们的个人数据——从心率、睡眠到生育周期，但这些数据的所有权究竟归谁？你的隐私又面临怎样的风险？ ## 数据收集的代价 现代可穿戴设备早已超越了步数计数的功能，它们持续监测你的健康指标，并将数据上传到手机应用。然而，数据收集得越多，信息泄露或被滥用的风险就越大。非营利组织“未来隐私论坛”CEO Jules Polonetsky指出，人们在享受数据带来价值的同时，往往忽视了必要的防范措施。 ## 所有权与法律保障的缺失 目前，美国缺乏针对消费者健康数据的联邦法规。虽然超过20个州已通过全面的数据隐私法，赋予消费者访问、删除和选择不出售个人信息的权利，但这些法律在覆盖范围和执行力度上参差不齐。这意味着，你的健康数据可能被公司用于营销、保险定价甚至其他你未曾明确同意的用途，而你的控制权却十分有限。 ## 消费者该如何应对？ 作为用户，主动管理数据至关重要。首先，仔细阅读设备的隐私政策，了解数据如何被收集、存储和共享。其次，在应用中关闭非必要的权限，定期删除历史数据。最后，选择那些承诺不将健康数据出售给第三方的品牌，并关注其安全记录。 ## 行业趋势与未来展望 随着可穿戴设备市场的持续增长，数据隐私问题将愈发突出。一些公司已开始将隐私作为卖点，例如采用端到端加密或本地处理数据。但长期来看，推动联邦层面的立法以及建立行业自律标准，才是保护消费者健康数据的根本之道。
超过30%的美国成年人拥有健身或健康可穿戴设备，这些设备持续生成心率、血压、睡眠模式等海量指标。然而，医生面对这股数据洪流却感到力不从心。科罗拉多大学医学院心脏病学副教授David Kao医生表示，患者展示的可穿戴数据中，约70%因由公司凭空定义而缺乏临床可用性，但剩余部分中偶尔能发现极具价值的信息。传统医疗系统基于“偶发就诊”模式设计，难以处理持续流式数据。Kao医生指出，医生往往需要手动查询数据含义，缺乏数字化总结工具来辅助决策。不过，AI技术的进步为数据整合与临床解读带来了希望。可穿戴数据从“量化自我”到“临床可用”之间，仍有巨大鸿沟亟待填补。
在忙碌的现代生活中，健康与自我关怀越来越重要。如果你是一名Linux用户，可能会觉得这类操作系统缺乏优秀的健康管理工具。但事实并非如此。本文将介绍7款专为Linux设计的开源健康应用，涵盖休息提醒、冥想、呼吸练习、饮水跟踪等多个方面，帮助你更好地管理压力、预防健康问题，提升生活质量。 ## 1. Workrave：预防重复性劳损 **Workrave** 的核心功能是定时提醒你休息。根据美国国家卫生统计中心的数据，约9%的成年人在三个月内曾报告重复性劳损（RSI）。长期打字或使用鼠标容易导致肌肉、肌腱或神经损伤。Workrave 会设置微休息、休息和每日限制，强制你暂时离开键盘，活动身体。它高度可定制，能适应不同工作节奏。 ## 2. SafeEyes：轻量级休息助手 **SafeEyes** 与 Workrave 类似，但更轻量，界面更简洁。它同样提供定时休息提醒，并支持短暂的“眼睛休息”和“长休息”。SafeEyes 还集成了可选的呼吸练习指导，在休息时引导你进行深呼吸，缓解紧张。 ## 3. Headspace（非开源，但有Linux客户端） 虽然 **Headspace** 是商业冥想应用，但它提供了官方的Linux客户端（基于Electron）。对于希望系统学习冥想和正念的用户，Headspace 提供了结构化课程、睡眠故事和专注音乐。如果你追求更开源的选择，可以尝试 **Medito** 或 **Plum Village** 应用。 ## 4. Gnome Pomodoro：番茄工作法计时器 **Gnome Pomodoro** 是专为GNOME桌面环境设计的番茄工作法工具。它采用25分钟专注工作加5分钟休息的循环。在休息期间，它会全屏提示你离开电脑。这款应用完美融入GNOME，支持通知和快捷键。 ## 5. Hydrate：饮水跟踪 **Hydrate** 是一款简单的饮水提醒应用。你可以设定每日饮水目标，它会定时弹出提醒。虽然功能简单，但对于经常忘记喝水的程序员和办公族来说非常实用。 ## 6. ActivityWatch：自我量化 **ActivityWatch** 是一款开源的时间追踪工具，但它更偏向健康：通过记录你在电脑上的活动（如应用使用时长、闲置时间），帮助你了解自己的工作习惯。你可以分析哪些应用消耗了最多时间，从而调整作息，减少久坐。 ## 7. Redshift：保护睡眠周期 **Redshift** 根据日出日落自动调整屏幕色温，在夜间降低蓝光，减少对睡眠的干扰。它不只是一个健康应用，更是改善睡眠质量的必需品。Linux用户可以通过包管理器轻松安装。 ## 小结 这7款应用覆盖了休息、冥想、饮水、时间管理和睡眠保护等多个健康维度。它们全部免费，大部分开源，且针对Linux优化。无论你是开发者还是普通用户，都可以借助这些工具，在Linux上构建一个更健康的工作环境。
家用DNA健康检测盒（直接面向消费者）近年来风靡全球，只需吐口唾液或刺破手指，就能获知自己的激素水平、癌症风险、阿尔茨海默病易感性甚至全基因组信息。然而，这些看似便捷的检测背后隐藏着多重风险。 **隐私保护漏洞**：HIPAA（美国健康保险流通与责任法案）并不自动覆盖这些检测服务。部分公司声称符合HIPAA标准，但许多并未明确说明。这意味着你的基因数据可能被用于广告、执法共享，甚至影响保险定价。 **监管与临床支持不足**：FDA的审查通常只针对特定测试或试剂盒，而非整个公司。实验室虽多获CLIA或CAP认证，但这仅代表检测质量达标，并不等同于医学有效性。此外，检测后的咨询和随访服务参差不齐，用户可能拿到结果却无人解读。 **基因数据的连锁效应**：你的基因信息不仅暴露你自己，还可能牵连亲属。一旦数据泄露或用于保险核保，可能带来长期的财务和隐私风险。 **行业背景**：在“量化自我”运动推动下，健康数据民主化是大势所趋，但监管滞后于技术发展。消费者在购买前应仔细阅读用户协议，明确数据使用政策，并咨询医生后再做决定。 总之，家用DNA检测盒是一把双刃剑：它赋予你了解自身的权力，但也要求你承担数据安全与临床解读的不确定性。