Tag: AI
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-11
过去一天里,真正值得关注的 AI 前沿消息,主要都落在“谁在抢开发者、谁在抢算力、谁在补芯片短板”这三件事上。
OpenAI 新增 100 美元/月的 ChatGPT Pro 档位,明显在加码 AI 编程工具竞争。 CNBC 与 TechCrunch 报道称,OpenAI 新档位把 Codex 使用额度提升到 Plus 的 5 倍,定位是更重度的日常编码场景;OpenAI 的定价页也已显示个人版订阅层级扩展。它值得关注,不只是因为多了一个价格带,而是说明 AI 编程助手已经进入更细的分层运营,厂商开始围绕高频开发者工作流重新定价。来源类型:主流媒体报道 + 官方定价页。
Anthropic 被 Reuters 报道正在评估自研 AI 芯片。 按 Reuters 引述多位知情人士的说法,Anthropic 仍处在早期评估阶段,尚未最终决定是否真正自研,但背景很清楚:先进 AI 芯片持续紧缺,而 Claude 相关需求在 2026 年快速增长。对行业来说,这条消息的重要性在于,前沿模型公司不再只争模型能力,也开始考虑向更底层的算力供给链延伸。来源类型:Reuters 报道。
TSMC 一季度营收同比增长 35%,再一次说明 AI 芯片需求没有降温。 CNBC 报道,TSMC 今年 1 到 3 月营收达到 1.13 万亿新台币,创下新高,也高于市场预期;报道同时指出,AI 相关需求是推动增长的关键力量。这个信号比单一公司财报更重要:只要最先进制程仍然持续满载,前沿 AI 的训练、推理与自研芯片竞赛就还在继续加速。来源类型:主流媒体报道。
把这三条放在一起看,过去 24 小时最清楚的趋势是:前沿 AI 的竞争已经越来越具体,核心不只是模型更强,而是开发者入口、芯片供给和算力控制权正在同时变成主战场。
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-10
过去一天里,值得关注的 AI 前沿消息不算多,但有三条都很具体,而且都指向同一个现实:行业重点正在从“谁的模型更会说”转向“谁的基础设施和产品路线更能落地”。
Meta 发布 Muse Spark,作为 Meta Superintelligence Labs 的首个新模型。 Meta 官方新闻稿显示,Muse Spark 已开始驱动 Meta AI app 和 meta.ai,定位是“小而快”,但强调复杂推理、多模态理解、健康问答与 visual coding 能力,同时也支持并行 subagents 处理任务。这条消息值得看,不只是因为 Meta 又发了模型,而是因为它展示了 Meta 在 Llama 之外重新组织产品路线:先把专有模型直接接进自家消费级入口,再谈后续代际扩展。来源类型:官方公告。
Intel 与 Google 宣布扩大合作,继续用 Xeon CPU 和定制 IPU 推进 AI 基础设施。 Intel 官方新闻稿写得很明确:双方将开展多年合作,Xeon 将继续支撑 Google Cloud 在 AI、推理和通用计算上的基础设施,同时扩大定制 ASIC 型 IPU 的联合开发,用于网络、存储和安全等基础设施卸载。它的重要性在于,这再次说明 AI 系统不是“只有 GPU”,CPU 与基础设施加速器仍然是大规模训练协调、推理编排和成本优化里的关键角色。来源类型:官方公告 / 主流媒体跟进。
Intel 又与 SambaNova 公布了一套面向 agentic AI 的异构推理方案。 Intel Newsroom 公告称,这一方案把 GPU 用于 prefill、SambaNova RDU 用于高吞吐 decode、Xeon 6 负责 host 与 action CPU,目标是面向企业、云平台和 sovereign AI 部署,预计 2026 年下半年可用。相比泛泛而谈的“AI 基础设施升级”,这条消息更具体:它直接反映出 agentic AI 工作负载已经开始推动推理架构按阶段拆分,行业在认真优化延迟、吞吐、能效和软件兼容性,而不是只堆单一加速卡。来源类型:官方公告。
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-09
过去一天里,真正值得关注的 AI 前沿消息主要集中在安全、模型策略和开源工程能力三条线上。
Anthropic 启动 Project Glasswing,把前沿模型直接拉进防御型安全工作流。 Anthropic 官方宣布,Amazon、Apple、Google、Microsoft、NVIDIA、Cisco、Palo Alto Networks 等机构加入该项目,使用尚未公开发布的 Claude Mythos Preview 扫描和修复关键软件漏洞。Anthropic 称,该模型已发现数千个高严重度漏洞,覆盖主流操作系统和浏览器,并承诺提供最高 1 亿美元使用额度及 400 万美元开源安全捐赠。这条消息的重要性在于,前沿模型开始被正式嵌入真实网络安全防线,而不只是做演示。来源类型:官方公告。
Meta 发布 Muse Spark,这是 Alexandr Wang 入主后 Meta Superintelligence Labs 的首个重要模型。 CNBC 报道称,Muse Spark 是 Meta 新 Muse 系列的首发模型,定位为“小而快”的专有模型,Meta 表示它在多模态感知、推理、健康与 agentic 任务上具备竞争力,并称后续版本“希望”重新开放部分模型。对外部开发者来说,这比一次单纯发新模型更重要:它说明 Meta 在 Llama 之后,正在明显调整开源与闭源的平衡点。来源类型:主流媒体报道。
Z.ai 发布开源模型 GLM-5.1,押注长时自主执行能力。 VentureBeat 报道,Z.ai 已发布采用 MIT 许可的 GLM-5.1,并开放 Hugging Face 下载。按 Z.ai 公布数据,这是一款 754B 参数的 MoE 模型,支持 202,752 token 上下文,目标是让模型在单任务上持续自主工作数小时;其在 SWE-Bench Pro 上取得 58.
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-08
过去一天里,真正值得看的 AI 消息并不多,但有几条足够具体,也足够说明行业正在把重心继续往“商业化约束”和“可用性稳定性”上收。
Anthropic 调整 Claude 与第三方工具的计费边界
多家媒体在过去几天连续跟进,最新一轮信息显示,Anthropic 正在把 Claude 订阅权益与第三方工具使用进一步切开,尤其是面向 OpenClaw 这类外部工具接入场景,原本“订阅内含”的使用方式变得更受限制,部分能力需要额外付费或按新规则结算。这个变化的重要性不在于一次涨价,而在于头部模型厂商越来越明确地把“官方入口”和“外部生态调用”分开定价。对开发者和工具平台来说,接下来要重新核算产品成本。
来源类型:媒体报道(TechCrunch 等)
Claude 服务异常再次成为过去一天的实际事件
过去一天,围绕 Claude 可用性的异常问题仍在被持续关注,TechRadar 等媒体基于状态页更新做了追踪。对普通用户来说,这只是“今天又不太稳”;但对依赖模型做生产任务的人来说,这类事件的意义在于:模型能力再强,只要可用性波动,企业就会把“冗余方案”“多模型切换”“失败兜底”重新提到更高优先级。过去一年行业一直在卷效果,而最近的现实提醒是,稳定性本身也是产品力。
来源类型:媒体追踪 / 状态页更新
AI 工具平台与模型提供商之间的利益边界继续收紧
从过去一天持续发酵的信息看,围绕模型订阅、第三方调用、插件/代理接入的规则正在快速变化。对外看像是价格策略调整,对内看其实是平台重新划分价值捕获位置:谁提供模型,谁控制入口,谁承担分发,谁就想重新定义分成和计费。这个趋势短期内会直接影响依赖外部模型的 agent、IDE 插件和自动化平台。
来源类型:基于公开报道的综合判断
如果一定要给今天的 AI 新闻下个小结,那就是:过去一天最值得看的,不是又冒出了哪个神奇 demo,而是模型公司开始更认真地收口商业规则,而稳定性问题也继续提醒所有人,AI 产业现在拼的不只是“更强”,还是“更稳”和“怎么算钱”。
继续阅读
Tag: AI新闻
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-11
过去一天里,真正值得关注的 AI 前沿消息,主要都落在“谁在抢开发者、谁在抢算力、谁在补芯片短板”这三件事上。
OpenAI 新增 100 美元/月的 ChatGPT Pro 档位,明显在加码 AI 编程工具竞争。 CNBC 与 TechCrunch 报道称,OpenAI 新档位把 Codex 使用额度提升到 Plus 的 5 倍,定位是更重度的日常编码场景;OpenAI 的定价页也已显示个人版订阅层级扩展。它值得关注,不只是因为多了一个价格带,而是说明 AI 编程助手已经进入更细的分层运营,厂商开始围绕高频开发者工作流重新定价。来源类型:主流媒体报道 + 官方定价页。
Anthropic 被 Reuters 报道正在评估自研 AI 芯片。 按 Reuters 引述多位知情人士的说法,Anthropic 仍处在早期评估阶段,尚未最终决定是否真正自研,但背景很清楚:先进 AI 芯片持续紧缺,而 Claude 相关需求在 2026 年快速增长。对行业来说,这条消息的重要性在于,前沿模型公司不再只争模型能力,也开始考虑向更底层的算力供给链延伸。来源类型:Reuters 报道。
TSMC 一季度营收同比增长 35%,再一次说明 AI 芯片需求没有降温。 CNBC 报道,TSMC 今年 1 到 3 月营收达到 1.13 万亿新台币,创下新高,也高于市场预期;报道同时指出,AI 相关需求是推动增长的关键力量。这个信号比单一公司财报更重要:只要最先进制程仍然持续满载,前沿 AI 的训练、推理与自研芯片竞赛就还在继续加速。来源类型:主流媒体报道。
把这三条放在一起看,过去 24 小时最清楚的趋势是:前沿 AI 的竞争已经越来越具体,核心不只是模型更强,而是开发者入口、芯片供给和算力控制权正在同时变成主战场。
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-10
过去一天里,值得关注的 AI 前沿消息不算多,但有三条都很具体,而且都指向同一个现实:行业重点正在从“谁的模型更会说”转向“谁的基础设施和产品路线更能落地”。
Meta 发布 Muse Spark,作为 Meta Superintelligence Labs 的首个新模型。 Meta 官方新闻稿显示,Muse Spark 已开始驱动 Meta AI app 和 meta.ai,定位是“小而快”,但强调复杂推理、多模态理解、健康问答与 visual coding 能力,同时也支持并行 subagents 处理任务。这条消息值得看,不只是因为 Meta 又发了模型,而是因为它展示了 Meta 在 Llama 之外重新组织产品路线:先把专有模型直接接进自家消费级入口,再谈后续代际扩展。来源类型:官方公告。
Intel 与 Google 宣布扩大合作,继续用 Xeon CPU 和定制 IPU 推进 AI 基础设施。 Intel 官方新闻稿写得很明确:双方将开展多年合作,Xeon 将继续支撑 Google Cloud 在 AI、推理和通用计算上的基础设施,同时扩大定制 ASIC 型 IPU 的联合开发,用于网络、存储和安全等基础设施卸载。它的重要性在于,这再次说明 AI 系统不是“只有 GPU”,CPU 与基础设施加速器仍然是大规模训练协调、推理编排和成本优化里的关键角色。来源类型:官方公告 / 主流媒体跟进。
Intel 又与 SambaNova 公布了一套面向 agentic AI 的异构推理方案。 Intel Newsroom 公告称,这一方案把 GPU 用于 prefill、SambaNova RDU 用于高吞吐 decode、Xeon 6 负责 host 与 action CPU,目标是面向企业、云平台和 sovereign AI 部署,预计 2026 年下半年可用。相比泛泛而谈的“AI 基础设施升级”,这条消息更具体:它直接反映出 agentic AI 工作负载已经开始推动推理架构按阶段拆分,行业在认真优化延迟、吞吐、能效和软件兼容性,而不是只堆单一加速卡。来源类型:官方公告。
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-09
过去一天里,真正值得关注的 AI 前沿消息主要集中在安全、模型策略和开源工程能力三条线上。
Anthropic 启动 Project Glasswing,把前沿模型直接拉进防御型安全工作流。 Anthropic 官方宣布,Amazon、Apple、Google、Microsoft、NVIDIA、Cisco、Palo Alto Networks 等机构加入该项目,使用尚未公开发布的 Claude Mythos Preview 扫描和修复关键软件漏洞。Anthropic 称,该模型已发现数千个高严重度漏洞,覆盖主流操作系统和浏览器,并承诺提供最高 1 亿美元使用额度及 400 万美元开源安全捐赠。这条消息的重要性在于,前沿模型开始被正式嵌入真实网络安全防线,而不只是做演示。来源类型:官方公告。
Meta 发布 Muse Spark,这是 Alexandr Wang 入主后 Meta Superintelligence Labs 的首个重要模型。 CNBC 报道称,Muse Spark 是 Meta 新 Muse 系列的首发模型,定位为“小而快”的专有模型,Meta 表示它在多模态感知、推理、健康与 agentic 任务上具备竞争力,并称后续版本“希望”重新开放部分模型。对外部开发者来说,这比一次单纯发新模型更重要:它说明 Meta 在 Llama 之后,正在明显调整开源与闭源的平衡点。来源类型:主流媒体报道。
Z.ai 发布开源模型 GLM-5.1,押注长时自主执行能力。 VentureBeat 报道,Z.ai 已发布采用 MIT 许可的 GLM-5.1,并开放 Hugging Face 下载。按 Z.ai 公布数据,这是一款 754B 参数的 MoE 模型,支持 202,752 token 上下文,目标是让模型在单任务上持续自主工作数小时;其在 SWE-Bench Pro 上取得 58.
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-08
过去一天里,真正值得看的 AI 消息并不多,但有几条足够具体,也足够说明行业正在把重心继续往“商业化约束”和“可用性稳定性”上收。
Anthropic 调整 Claude 与第三方工具的计费边界
多家媒体在过去几天连续跟进,最新一轮信息显示,Anthropic 正在把 Claude 订阅权益与第三方工具使用进一步切开,尤其是面向 OpenClaw 这类外部工具接入场景,原本“订阅内含”的使用方式变得更受限制,部分能力需要额外付费或按新规则结算。这个变化的重要性不在于一次涨价,而在于头部模型厂商越来越明确地把“官方入口”和“外部生态调用”分开定价。对开发者和工具平台来说,接下来要重新核算产品成本。
来源类型:媒体报道(TechCrunch 等)
Claude 服务异常再次成为过去一天的实际事件
过去一天,围绕 Claude 可用性的异常问题仍在被持续关注,TechRadar 等媒体基于状态页更新做了追踪。对普通用户来说,这只是“今天又不太稳”;但对依赖模型做生产任务的人来说,这类事件的意义在于:模型能力再强,只要可用性波动,企业就会把“冗余方案”“多模型切换”“失败兜底”重新提到更高优先级。过去一年行业一直在卷效果,而最近的现实提醒是,稳定性本身也是产品力。
来源类型:媒体追踪 / 状态页更新
AI 工具平台与模型提供商之间的利益边界继续收紧
从过去一天持续发酵的信息看,围绕模型订阅、第三方调用、插件/代理接入的规则正在快速变化。对外看像是价格策略调整,对内看其实是平台重新划分价值捕获位置:谁提供模型,谁控制入口,谁承担分发,谁就想重新定义分成和计费。这个趋势短期内会直接影响依赖外部模型的 agent、IDE 插件和自动化平台。
来源类型:基于公开报道的综合判断
如果一定要给今天的 AI 新闻下个小结,那就是:过去一天最值得看的,不是又冒出了哪个神奇 demo,而是模型公司开始更认真地收口商业规则,而稳定性问题也继续提醒所有人,AI 产业现在拼的不只是“更强”,还是“更稳”和“怎么算钱”。
继续阅读
Tag: 世界末日倒计时
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-11
过去一天里,真正值得关注的 AI 前沿消息,主要都落在“谁在抢开发者、谁在抢算力、谁在补芯片短板”这三件事上。
OpenAI 新增 100 美元/月的 ChatGPT Pro 档位,明显在加码 AI 编程工具竞争。 CNBC 与 TechCrunch 报道称,OpenAI 新档位把 Codex 使用额度提升到 Plus 的 5 倍,定位是更重度的日常编码场景;OpenAI 的定价页也已显示个人版订阅层级扩展。它值得关注,不只是因为多了一个价格带,而是说明 AI 编程助手已经进入更细的分层运营,厂商开始围绕高频开发者工作流重新定价。来源类型:主流媒体报道 + 官方定价页。
Anthropic 被 Reuters 报道正在评估自研 AI 芯片。 按 Reuters 引述多位知情人士的说法,Anthropic 仍处在早期评估阶段,尚未最终决定是否真正自研,但背景很清楚:先进 AI 芯片持续紧缺,而 Claude 相关需求在 2026 年快速增长。对行业来说,这条消息的重要性在于,前沿模型公司不再只争模型能力,也开始考虑向更底层的算力供给链延伸。来源类型:Reuters 报道。
TSMC 一季度营收同比增长 35%,再一次说明 AI 芯片需求没有降温。 CNBC 报道,TSMC 今年 1 到 3 月营收达到 1.13 万亿新台币,创下新高,也高于市场预期;报道同时指出,AI 相关需求是推动增长的关键力量。这个信号比单一公司财报更重要:只要最先进制程仍然持续满载,前沿 AI 的训练、推理与自研芯片竞赛就还在继续加速。来源类型:主流媒体报道。
把这三条放在一起看,过去 24 小时最清楚的趋势是:前沿 AI 的竞争已经越来越具体,核心不只是模型更强,而是开发者入口、芯片供给和算力控制权正在同时变成主战场。
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-10
过去一天里,值得关注的 AI 前沿消息不算多,但有三条都很具体,而且都指向同一个现实:行业重点正在从“谁的模型更会说”转向“谁的基础设施和产品路线更能落地”。
Meta 发布 Muse Spark,作为 Meta Superintelligence Labs 的首个新模型。 Meta 官方新闻稿显示,Muse Spark 已开始驱动 Meta AI app 和 meta.ai,定位是“小而快”,但强调复杂推理、多模态理解、健康问答与 visual coding 能力,同时也支持并行 subagents 处理任务。这条消息值得看,不只是因为 Meta 又发了模型,而是因为它展示了 Meta 在 Llama 之外重新组织产品路线:先把专有模型直接接进自家消费级入口,再谈后续代际扩展。来源类型:官方公告。
Intel 与 Google 宣布扩大合作,继续用 Xeon CPU 和定制 IPU 推进 AI 基础设施。 Intel 官方新闻稿写得很明确:双方将开展多年合作,Xeon 将继续支撑 Google Cloud 在 AI、推理和通用计算上的基础设施,同时扩大定制 ASIC 型 IPU 的联合开发,用于网络、存储和安全等基础设施卸载。它的重要性在于,这再次说明 AI 系统不是“只有 GPU”,CPU 与基础设施加速器仍然是大规模训练协调、推理编排和成本优化里的关键角色。来源类型:官方公告 / 主流媒体跟进。
Intel 又与 SambaNova 公布了一套面向 agentic AI 的异构推理方案。 Intel Newsroom 公告称,这一方案把 GPU 用于 prefill、SambaNova RDU 用于高吞吐 decode、Xeon 6 负责 host 与 action CPU,目标是面向企业、云平台和 sovereign AI 部署,预计 2026 年下半年可用。相比泛泛而谈的“AI 基础设施升级”,这条消息更具体:它直接反映出 agentic AI 工作负载已经开始推动推理架构按阶段拆分,行业在认真优化延迟、吞吐、能效和软件兼容性,而不是只堆单一加速卡。来源类型:官方公告。
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-09
过去一天里,真正值得关注的 AI 前沿消息主要集中在安全、模型策略和开源工程能力三条线上。
Anthropic 启动 Project Glasswing,把前沿模型直接拉进防御型安全工作流。 Anthropic 官方宣布,Amazon、Apple、Google、Microsoft、NVIDIA、Cisco、Palo Alto Networks 等机构加入该项目,使用尚未公开发布的 Claude Mythos Preview 扫描和修复关键软件漏洞。Anthropic 称,该模型已发现数千个高严重度漏洞,覆盖主流操作系统和浏览器,并承诺提供最高 1 亿美元使用额度及 400 万美元开源安全捐赠。这条消息的重要性在于,前沿模型开始被正式嵌入真实网络安全防线,而不只是做演示。来源类型:官方公告。
Meta 发布 Muse Spark,这是 Alexandr Wang 入主后 Meta Superintelligence Labs 的首个重要模型。 CNBC 报道称,Muse Spark 是 Meta 新 Muse 系列的首发模型,定位为“小而快”的专有模型,Meta 表示它在多模态感知、推理、健康与 agentic 任务上具备竞争力,并称后续版本“希望”重新开放部分模型。对外部开发者来说,这比一次单纯发新模型更重要:它说明 Meta 在 Llama 之后,正在明显调整开源与闭源的平衡点。来源类型:主流媒体报道。
Z.ai 发布开源模型 GLM-5.1,押注长时自主执行能力。 VentureBeat 报道,Z.ai 已发布采用 MIT 许可的 GLM-5.1,并开放 Hugging Face 下载。按 Z.ai 公布数据,这是一款 754B 参数的 MoE 模型,支持 202,752 token 上下文,目标是让模型在单任务上持续自主工作数小时;其在 SWE-Bench Pro 上取得 58.
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-08
过去一天里,真正值得看的 AI 消息并不多,但有几条足够具体,也足够说明行业正在把重心继续往“商业化约束”和“可用性稳定性”上收。
Anthropic 调整 Claude 与第三方工具的计费边界
多家媒体在过去几天连续跟进,最新一轮信息显示,Anthropic 正在把 Claude 订阅权益与第三方工具使用进一步切开,尤其是面向 OpenClaw 这类外部工具接入场景,原本“订阅内含”的使用方式变得更受限制,部分能力需要额外付费或按新规则结算。这个变化的重要性不在于一次涨价,而在于头部模型厂商越来越明确地把“官方入口”和“外部生态调用”分开定价。对开发者和工具平台来说,接下来要重新核算产品成本。
来源类型:媒体报道(TechCrunch 等)
Claude 服务异常再次成为过去一天的实际事件
过去一天,围绕 Claude 可用性的异常问题仍在被持续关注,TechRadar 等媒体基于状态页更新做了追踪。对普通用户来说,这只是“今天又不太稳”;但对依赖模型做生产任务的人来说,这类事件的意义在于:模型能力再强,只要可用性波动,企业就会把“冗余方案”“多模型切换”“失败兜底”重新提到更高优先级。过去一年行业一直在卷效果,而最近的现实提醒是,稳定性本身也是产品力。
来源类型:媒体追踪 / 状态页更新
AI 工具平台与模型提供商之间的利益边界继续收紧
从过去一天持续发酵的信息看,围绕模型订阅、第三方调用、插件/代理接入的规则正在快速变化。对外看像是价格策略调整,对内看其实是平台重新划分价值捕获位置:谁提供模型,谁控制入口,谁承担分发,谁就想重新定义分成和计费。这个趋势短期内会直接影响依赖外部模型的 agent、IDE 插件和自动化平台。
来源类型:基于公开报道的综合判断
如果一定要给今天的 AI 新闻下个小结,那就是:过去一天最值得看的,不是又冒出了哪个神奇 demo,而是模型公司开始更认真地收口商业规则,而稳定性问题也继续提醒所有人,AI 产业现在拼的不只是“更强”,还是“更稳”和“怎么算钱”。
继续阅读
Tag: 自动生成
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-11
过去一天里,真正值得关注的 AI 前沿消息,主要都落在“谁在抢开发者、谁在抢算力、谁在补芯片短板”这三件事上。
OpenAI 新增 100 美元/月的 ChatGPT Pro 档位,明显在加码 AI 编程工具竞争。 CNBC 与 TechCrunch 报道称,OpenAI 新档位把 Codex 使用额度提升到 Plus 的 5 倍,定位是更重度的日常编码场景;OpenAI 的定价页也已显示个人版订阅层级扩展。它值得关注,不只是因为多了一个价格带,而是说明 AI 编程助手已经进入更细的分层运营,厂商开始围绕高频开发者工作流重新定价。来源类型:主流媒体报道 + 官方定价页。
Anthropic 被 Reuters 报道正在评估自研 AI 芯片。 按 Reuters 引述多位知情人士的说法,Anthropic 仍处在早期评估阶段,尚未最终决定是否真正自研,但背景很清楚:先进 AI 芯片持续紧缺,而 Claude 相关需求在 2026 年快速增长。对行业来说,这条消息的重要性在于,前沿模型公司不再只争模型能力,也开始考虑向更底层的算力供给链延伸。来源类型:Reuters 报道。
TSMC 一季度营收同比增长 35%,再一次说明 AI 芯片需求没有降温。 CNBC 报道,TSMC 今年 1 到 3 月营收达到 1.13 万亿新台币,创下新高,也高于市场预期;报道同时指出,AI 相关需求是推动增长的关键力量。这个信号比单一公司财报更重要:只要最先进制程仍然持续满载,前沿 AI 的训练、推理与自研芯片竞赛就还在继续加速。来源类型:主流媒体报道。
把这三条放在一起看,过去 24 小时最清楚的趋势是:前沿 AI 的竞争已经越来越具体,核心不只是模型更强,而是开发者入口、芯片供给和算力控制权正在同时变成主战场。
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-10
过去一天里,值得关注的 AI 前沿消息不算多,但有三条都很具体,而且都指向同一个现实:行业重点正在从“谁的模型更会说”转向“谁的基础设施和产品路线更能落地”。
Meta 发布 Muse Spark,作为 Meta Superintelligence Labs 的首个新模型。 Meta 官方新闻稿显示,Muse Spark 已开始驱动 Meta AI app 和 meta.ai,定位是“小而快”,但强调复杂推理、多模态理解、健康问答与 visual coding 能力,同时也支持并行 subagents 处理任务。这条消息值得看,不只是因为 Meta 又发了模型,而是因为它展示了 Meta 在 Llama 之外重新组织产品路线:先把专有模型直接接进自家消费级入口,再谈后续代际扩展。来源类型:官方公告。
Intel 与 Google 宣布扩大合作,继续用 Xeon CPU 和定制 IPU 推进 AI 基础设施。 Intel 官方新闻稿写得很明确:双方将开展多年合作,Xeon 将继续支撑 Google Cloud 在 AI、推理和通用计算上的基础设施,同时扩大定制 ASIC 型 IPU 的联合开发,用于网络、存储和安全等基础设施卸载。它的重要性在于,这再次说明 AI 系统不是“只有 GPU”,CPU 与基础设施加速器仍然是大规模训练协调、推理编排和成本优化里的关键角色。来源类型:官方公告 / 主流媒体跟进。
Intel 又与 SambaNova 公布了一套面向 agentic AI 的异构推理方案。 Intel Newsroom 公告称,这一方案把 GPU 用于 prefill、SambaNova RDU 用于高吞吐 decode、Xeon 6 负责 host 与 action CPU,目标是面向企业、云平台和 sovereign AI 部署,预计 2026 年下半年可用。相比泛泛而谈的“AI 基础设施升级”,这条消息更具体:它直接反映出 agentic AI 工作负载已经开始推动推理架构按阶段拆分,行业在认真优化延迟、吞吐、能效和软件兼容性,而不是只堆单一加速卡。来源类型:官方公告。
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-09
过去一天里,真正值得关注的 AI 前沿消息主要集中在安全、模型策略和开源工程能力三条线上。
Anthropic 启动 Project Glasswing,把前沿模型直接拉进防御型安全工作流。 Anthropic 官方宣布,Amazon、Apple、Google、Microsoft、NVIDIA、Cisco、Palo Alto Networks 等机构加入该项目,使用尚未公开发布的 Claude Mythos Preview 扫描和修复关键软件漏洞。Anthropic 称,该模型已发现数千个高严重度漏洞,覆盖主流操作系统和浏览器,并承诺提供最高 1 亿美元使用额度及 400 万美元开源安全捐赠。这条消息的重要性在于,前沿模型开始被正式嵌入真实网络安全防线,而不只是做演示。来源类型:官方公告。
Meta 发布 Muse Spark,这是 Alexandr Wang 入主后 Meta Superintelligence Labs 的首个重要模型。 CNBC 报道称,Muse Spark 是 Meta 新 Muse 系列的首发模型,定位为“小而快”的专有模型,Meta 表示它在多模态感知、推理、健康与 agentic 任务上具备竞争力,并称后续版本“希望”重新开放部分模型。对外部开发者来说,这比一次单纯发新模型更重要:它说明 Meta 在 Llama 之后,正在明显调整开源与闭源的平衡点。来源类型:主流媒体报道。
Z.ai 发布开源模型 GLM-5.1,押注长时自主执行能力。 VentureBeat 报道,Z.ai 已发布采用 MIT 许可的 GLM-5.1,并开放 Hugging Face 下载。按 Z.ai 公布数据,这是一款 754B 参数的 MoE 模型,支持 202,752 token 上下文,目标是让模型在单任务上持续自主工作数小时;其在 SWE-Bench Pro 上取得 58.
继续阅读
世界末日倒计时
世界末日倒计时:过去一天的 AI 新闻|2026-04-08
过去一天里,真正值得看的 AI 消息并不多,但有几条足够具体,也足够说明行业正在把重心继续往“商业化约束”和“可用性稳定性”上收。
Anthropic 调整 Claude 与第三方工具的计费边界
多家媒体在过去几天连续跟进,最新一轮信息显示,Anthropic 正在把 Claude 订阅权益与第三方工具使用进一步切开,尤其是面向 OpenClaw 这类外部工具接入场景,原本“订阅内含”的使用方式变得更受限制,部分能力需要额外付费或按新规则结算。这个变化的重要性不在于一次涨价,而在于头部模型厂商越来越明确地把“官方入口”和“外部生态调用”分开定价。对开发者和工具平台来说,接下来要重新核算产品成本。
来源类型:媒体报道(TechCrunch 等)
Claude 服务异常再次成为过去一天的实际事件
过去一天,围绕 Claude 可用性的异常问题仍在被持续关注,TechRadar 等媒体基于状态页更新做了追踪。对普通用户来说,这只是“今天又不太稳”;但对依赖模型做生产任务的人来说,这类事件的意义在于:模型能力再强,只要可用性波动,企业就会把“冗余方案”“多模型切换”“失败兜底”重新提到更高优先级。过去一年行业一直在卷效果,而最近的现实提醒是,稳定性本身也是产品力。
来源类型:媒体追踪 / 状态页更新
AI 工具平台与模型提供商之间的利益边界继续收紧
从过去一天持续发酵的信息看,围绕模型订阅、第三方调用、插件/代理接入的规则正在快速变化。对外看像是价格策略调整,对内看其实是平台重新划分价值捕获位置:谁提供模型,谁控制入口,谁承担分发,谁就想重新定义分成和计费。这个趋势短期内会直接影响依赖外部模型的 agent、IDE 插件和自动化平台。
来源类型:基于公开报道的综合判断
如果一定要给今天的 AI 新闻下个小结,那就是:过去一天最值得看的,不是又冒出了哪个神奇 demo,而是模型公司开始更认真地收口商业规则,而稳定性问题也继续提醒所有人,AI 产业现在拼的不只是“更强”,还是“更稳”和“怎么算钱”。
继续阅读
Tag: KisekiEngine
2026-04-08
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过
开源项目地址:https://github.com/sznswjr/kiseki_engine
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过 背景 KisekiEngine 是一个基于 Metal 的 3D 图形引擎,实现了 Blinn-Phong 点光源光照、纹理贴图、OBJ 模型加载和多物体场景渲染。在完成所有功能后,用户报告了两个渲染问题:
立方体全亮:没有明暗面,整个立方体看起来亮度均匀 地面纹理消失:设置了 ground.png 纹理但地面显示为纯色 第一轮尝试:盲修(失败) 假设 1:uniform 布局不对齐 怀疑 C++ 端 simd_float3(16 字节)和 Metal shader 端 float3(12 字节)的对齐差异导致数据错位。
操作:将所有 simd_float3 + padding 改为 simd_float4 打包。
结果:编译通过但问题未解决。事后验证发现结构体偏移量实际上是一致的(offset 80 处 hasTexture),这个修改虽然没直接修到 bug,但让布局更安全了。
假设 2:无纹理物体残留纹理 怀疑光源球体(无纹理)渲染后残留了之前的纹理绑定。
操作:对无纹理物体显式调用 [encoder setFragmentTexture:nil atIndex:0]。
结果:问题仍未解决。
教训 盲修效率极低。每次修改都是猜测,无法验证是否真正触及根因。
转折点:先做验证工具,而不是继续猜 真正改变排查策略的一句要求是:
先不要解决问题,先设计一套测试工具验证修复到底正不正确。
这一步很关键。对于图形渲染问题,仅凭肉眼看窗口往往不够,必须建立一套可以重复执行的观测和验证机制。
第二轮:构建诊断系统 1)Debug Mode Shader 利用 Metal function constants 实现了多种 shader 可视化模式,用来分别观察不同信号:
继续阅读
Tag: Metal
2026-04-08
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过
开源项目地址:https://github.com/sznswjr/kiseki_engine
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过 背景 KisekiEngine 是一个基于 Metal 的 3D 图形引擎,实现了 Blinn-Phong 点光源光照、纹理贴图、OBJ 模型加载和多物体场景渲染。在完成所有功能后,用户报告了两个渲染问题:
立方体全亮:没有明暗面,整个立方体看起来亮度均匀 地面纹理消失:设置了 ground.png 纹理但地面显示为纯色 第一轮尝试:盲修(失败) 假设 1:uniform 布局不对齐 怀疑 C++ 端 simd_float3(16 字节)和 Metal shader 端 float3(12 字节)的对齐差异导致数据错位。
操作:将所有 simd_float3 + padding 改为 simd_float4 打包。
结果:编译通过但问题未解决。事后验证发现结构体偏移量实际上是一致的(offset 80 处 hasTexture),这个修改虽然没直接修到 bug,但让布局更安全了。
假设 2:无纹理物体残留纹理 怀疑光源球体(无纹理)渲染后残留了之前的纹理绑定。
操作:对无纹理物体显式调用 [encoder setFragmentTexture:nil atIndex:0]。
结果:问题仍未解决。
教训 盲修效率极低。每次修改都是猜测,无法验证是否真正触及根因。
转折点:先做验证工具,而不是继续猜 真正改变排查策略的一句要求是:
先不要解决问题,先设计一套测试工具验证修复到底正不正确。
这一步很关键。对于图形渲染问题,仅凭肉眼看窗口往往不够,必须建立一套可以重复执行的观测和验证机制。
第二轮:构建诊断系统 1)Debug Mode Shader 利用 Metal function constants 实现了多种 shader 可视化模式,用来分别观察不同信号:
继续阅读
Tag: 调试
2026-04-08
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过
开源项目地址:https://github.com/sznswjr/kiseki_engine
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过 背景 KisekiEngine 是一个基于 Metal 的 3D 图形引擎,实现了 Blinn-Phong 点光源光照、纹理贴图、OBJ 模型加载和多物体场景渲染。在完成所有功能后,用户报告了两个渲染问题:
立方体全亮:没有明暗面,整个立方体看起来亮度均匀 地面纹理消失:设置了 ground.png 纹理但地面显示为纯色 第一轮尝试:盲修(失败) 假设 1:uniform 布局不对齐 怀疑 C++ 端 simd_float3(16 字节)和 Metal shader 端 float3(12 字节)的对齐差异导致数据错位。
操作:将所有 simd_float3 + padding 改为 simd_float4 打包。
结果:编译通过但问题未解决。事后验证发现结构体偏移量实际上是一致的(offset 80 处 hasTexture),这个修改虽然没直接修到 bug,但让布局更安全了。
假设 2:无纹理物体残留纹理 怀疑光源球体(无纹理)渲染后残留了之前的纹理绑定。
操作:对无纹理物体显式调用 [encoder setFragmentTexture:nil atIndex:0]。
结果:问题仍未解决。
教训 盲修效率极低。每次修改都是猜测,无法验证是否真正触及根因。
转折点:先做验证工具,而不是继续猜 真正改变排查策略的一句要求是:
先不要解决问题,先设计一套测试工具验证修复到底正不正确。
这一步很关键。对于图形渲染问题,仅凭肉眼看窗口往往不够,必须建立一套可以重复执行的观测和验证机制。
第二轮:构建诊断系统 1)Debug Mode Shader 利用 Metal function constants 实现了多种 shader 可视化模式,用来分别观察不同信号:
继续阅读
Tag: 图形学
2026-04-08
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过
开源项目地址:https://github.com/sznswjr/kiseki_engine
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过 背景 KisekiEngine 是一个基于 Metal 的 3D 图形引擎,实现了 Blinn-Phong 点光源光照、纹理贴图、OBJ 模型加载和多物体场景渲染。在完成所有功能后,用户报告了两个渲染问题:
立方体全亮:没有明暗面,整个立方体看起来亮度均匀 地面纹理消失:设置了 ground.png 纹理但地面显示为纯色 第一轮尝试:盲修(失败) 假设 1:uniform 布局不对齐 怀疑 C++ 端 simd_float3(16 字节)和 Metal shader 端 float3(12 字节)的对齐差异导致数据错位。
操作:将所有 simd_float3 + padding 改为 simd_float4 打包。
结果:编译通过但问题未解决。事后验证发现结构体偏移量实际上是一致的(offset 80 处 hasTexture),这个修改虽然没直接修到 bug,但让布局更安全了。
假设 2:无纹理物体残留纹理 怀疑光源球体(无纹理)渲染后残留了之前的纹理绑定。
操作:对无纹理物体显式调用 [encoder setFragmentTexture:nil atIndex:0]。
结果:问题仍未解决。
教训 盲修效率极低。每次修改都是猜测,无法验证是否真正触及根因。
转折点:先做验证工具,而不是继续猜 真正改变排查策略的一句要求是:
先不要解决问题,先设计一套测试工具验证修复到底正不正确。
这一步很关键。对于图形渲染问题,仅凭肉眼看窗口往往不够,必须建立一套可以重复执行的观测和验证机制。
第二轮:构建诊断系统 1)Debug Mode Shader 利用 Metal function constants 实现了多种 shader 可视化模式,用来分别观察不同信号:
继续阅读
2026-04-02
游戏画面设置常见的纹理过滤是什么?和信号与系统、傅立叶变换有什么联系?
前言 很多游戏玩家设置游戏画面时,常常看到纹理过滤、双线性过滤、各向异性过滤这样的选项。大多数人下意识地把它们调到最高,却不清楚这些选项到底在做什么,为什么关掉之后远处的地面会闪烁、栅栏会出现奇怪的花纹。
如果你深究下去,会发现这些选项背后藏着一套完整的数学体系——它和大学信号与系统课上学的傅立叶变换、卷积,其实讲的是同一件事。
这篇文章的目标,就是把这条线从头到尾梳理清楚。从"纹理过滤到底在干什么"开始,一步一步讲到:
为什么会有锯齿、闪烁、摩尔纹(Moiré Pattern) 为什么需要 MipMap 为什么锐利边缘代表高频 傅立叶变换到底在做什么 卷积为什么如此重要 这些概念之间到底怎么串起来 一、什么是纹理过滤 1.1 纹理映射时到底发生了什么 在图形学里,我们常常会把一张图片贴到三维模型表面,这张图片就叫纹理(Texture)。
比如:
地板表面的砖块图案 墙面的石头纹理 角色衣服上的花纹 枪械表面的磨损细节 当一个三角形(Triangle)被贴上纹理后,屏幕上的每个片元(Fragment)都会有一个纹理坐标,也就是 UV 坐标(UV Coordinates)。
问题在于:
屏幕是离散的像素网格(Pixel Grid) 纹理也是离散的纹素网格(Texel Grid) 但 UV 通常落在纹理上的非整数位置 一个屏幕像素也不一定只对应一个 texel 于是我们会遇到一个核心问题:
当一个片元要从纹理中取颜色时,到底应该怎么取?
这就是纹理过滤(Texture Filtering)要解决的事。
1.2 “过滤(Filtering)“这个词怎么理解 很多人第一次看到"过滤"这个词会有点懵,因为日常语境里的"过滤"像是在说"把杂质滤掉”。
但在图形学和信号处理(Signal Processing)里,filtering 更接近"滤波(Filtering / Filtering Operation)“这个意思,也就是:
按照某种规则,对周围样本做选择、加权、平滑或抑制,得到更适合当前使用方式的输出。
所以在纹理场景里,过滤不是"修图美颜”,而是在回答:
当前这个屏幕像素,应该如何综合纹理中的附近信息,得到一个合理的颜色。
二、最基础的纹理过滤方法 2.1 最近点采样(Nearest Filtering) 最简单的方法是最近点采样(Nearest Filtering):
UV 落到哪里,就找最近的那个 texel 直接取那个 texel 的颜色 比如 UV 落在纹理坐标 (10.3, 20.7) 附近,就取最接近的那个纹素。
优点:
继续阅读
Tag: 渲染
2026-04-08
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过
开源项目地址:https://github.com/sznswjr/kiseki_engine
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过 背景 KisekiEngine 是一个基于 Metal 的 3D 图形引擎,实现了 Blinn-Phong 点光源光照、纹理贴图、OBJ 模型加载和多物体场景渲染。在完成所有功能后,用户报告了两个渲染问题:
立方体全亮:没有明暗面,整个立方体看起来亮度均匀 地面纹理消失:设置了 ground.png 纹理但地面显示为纯色 第一轮尝试:盲修(失败) 假设 1:uniform 布局不对齐 怀疑 C++ 端 simd_float3(16 字节)和 Metal shader 端 float3(12 字节)的对齐差异导致数据错位。
操作:将所有 simd_float3 + padding 改为 simd_float4 打包。
结果:编译通过但问题未解决。事后验证发现结构体偏移量实际上是一致的(offset 80 处 hasTexture),这个修改虽然没直接修到 bug,但让布局更安全了。
假设 2:无纹理物体残留纹理 怀疑光源球体(无纹理)渲染后残留了之前的纹理绑定。
操作:对无纹理物体显式调用 [encoder setFragmentTexture:nil atIndex:0]。
结果:问题仍未解决。
教训 盲修效率极低。每次修改都是猜测,无法验证是否真正触及根因。
转折点:先做验证工具,而不是继续猜 真正改变排查策略的一句要求是:
先不要解决问题,先设计一套测试工具验证修复到底正不正确。
这一步很关键。对于图形渲染问题,仅凭肉眼看窗口往往不够,必须建立一套可以重复执行的观测和验证机制。
第二轮:构建诊断系统 1)Debug Mode Shader 利用 Metal function constants 实现了多种 shader 可视化模式,用来分别观察不同信号:
继续阅读
Tag: 自动化测试
2026-04-08
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过
开源项目地址:https://github.com/sznswjr/kiseki_engine
KisekiEngine 渲染 Bug 排查实录:从“立方体全亮、地面纹理消失”到 7/7 自动化测试全通过 背景 KisekiEngine 是一个基于 Metal 的 3D 图形引擎,实现了 Blinn-Phong 点光源光照、纹理贴图、OBJ 模型加载和多物体场景渲染。在完成所有功能后,用户报告了两个渲染问题:
立方体全亮:没有明暗面,整个立方体看起来亮度均匀 地面纹理消失:设置了 ground.png 纹理但地面显示为纯色 第一轮尝试:盲修(失败) 假设 1:uniform 布局不对齐 怀疑 C++ 端 simd_float3(16 字节)和 Metal shader 端 float3(12 字节)的对齐差异导致数据错位。
操作:将所有 simd_float3 + padding 改为 simd_float4 打包。
结果:编译通过但问题未解决。事后验证发现结构体偏移量实际上是一致的(offset 80 处 hasTexture),这个修改虽然没直接修到 bug,但让布局更安全了。
假设 2:无纹理物体残留纹理 怀疑光源球体(无纹理)渲染后残留了之前的纹理绑定。
操作:对无纹理物体显式调用 [encoder setFragmentTexture:nil atIndex:0]。
结果:问题仍未解决。
教训 盲修效率极低。每次修改都是猜测,无法验证是否真正触及根因。
转折点:先做验证工具,而不是继续猜 真正改变排查策略的一句要求是:
先不要解决问题,先设计一套测试工具验证修复到底正不正确。
这一步很关键。对于图形渲染问题,仅凭肉眼看窗口往往不够,必须建立一套可以重复执行的观测和验证机制。
第二轮:构建诊断系统 1)Debug Mode Shader 利用 Metal function constants 实现了多种 shader 可视化模式,用来分别观察不同信号:
继续阅读
Tag: MipMap
2026-04-02
游戏画面设置常见的纹理过滤是什么?和信号与系统、傅立叶变换有什么联系?
前言 很多游戏玩家设置游戏画面时,常常看到纹理过滤、双线性过滤、各向异性过滤这样的选项。大多数人下意识地把它们调到最高,却不清楚这些选项到底在做什么,为什么关掉之后远处的地面会闪烁、栅栏会出现奇怪的花纹。
如果你深究下去,会发现这些选项背后藏着一套完整的数学体系——它和大学信号与系统课上学的傅立叶变换、卷积,其实讲的是同一件事。
这篇文章的目标,就是把这条线从头到尾梳理清楚。从"纹理过滤到底在干什么"开始,一步一步讲到:
为什么会有锯齿、闪烁、摩尔纹(Moiré Pattern) 为什么需要 MipMap 为什么锐利边缘代表高频 傅立叶变换到底在做什么 卷积为什么如此重要 这些概念之间到底怎么串起来 一、什么是纹理过滤 1.1 纹理映射时到底发生了什么 在图形学里,我们常常会把一张图片贴到三维模型表面,这张图片就叫纹理(Texture)。
比如:
地板表面的砖块图案 墙面的石头纹理 角色衣服上的花纹 枪械表面的磨损细节 当一个三角形(Triangle)被贴上纹理后,屏幕上的每个片元(Fragment)都会有一个纹理坐标,也就是 UV 坐标(UV Coordinates)。
问题在于:
屏幕是离散的像素网格(Pixel Grid) 纹理也是离散的纹素网格(Texel Grid) 但 UV 通常落在纹理上的非整数位置 一个屏幕像素也不一定只对应一个 texel 于是我们会遇到一个核心问题:
当一个片元要从纹理中取颜色时,到底应该怎么取?
这就是纹理过滤(Texture Filtering)要解决的事。
1.2 “过滤(Filtering)“这个词怎么理解 很多人第一次看到"过滤"这个词会有点懵,因为日常语境里的"过滤"像是在说"把杂质滤掉”。
但在图形学和信号处理(Signal Processing)里,filtering 更接近"滤波(Filtering / Filtering Operation)“这个意思,也就是:
按照某种规则,对周围样本做选择、加权、平滑或抑制,得到更适合当前使用方式的输出。
所以在纹理场景里,过滤不是"修图美颜”,而是在回答:
当前这个屏幕像素,应该如何综合纹理中的附近信息,得到一个合理的颜色。
二、最基础的纹理过滤方法 2.1 最近点采样(Nearest Filtering) 最简单的方法是最近点采样(Nearest Filtering):
UV 落到哪里,就找最近的那个 texel 直接取那个 texel 的颜色 比如 UV 落在纹理坐标 (10.3, 20.7) 附近,就取最接近的那个纹素。
优点:
继续阅读
Tag: 傅立叶变换
2026-04-02
游戏画面设置常见的纹理过滤是什么?和信号与系统、傅立叶变换有什么联系?
前言 很多游戏玩家设置游戏画面时,常常看到纹理过滤、双线性过滤、各向异性过滤这样的选项。大多数人下意识地把它们调到最高,却不清楚这些选项到底在做什么,为什么关掉之后远处的地面会闪烁、栅栏会出现奇怪的花纹。
如果你深究下去,会发现这些选项背后藏着一套完整的数学体系——它和大学信号与系统课上学的傅立叶变换、卷积,其实讲的是同一件事。
这篇文章的目标,就是把这条线从头到尾梳理清楚。从"纹理过滤到底在干什么"开始,一步一步讲到:
为什么会有锯齿、闪烁、摩尔纹(Moiré Pattern) 为什么需要 MipMap 为什么锐利边缘代表高频 傅立叶变换到底在做什么 卷积为什么如此重要 这些概念之间到底怎么串起来 一、什么是纹理过滤 1.1 纹理映射时到底发生了什么 在图形学里,我们常常会把一张图片贴到三维模型表面,这张图片就叫纹理(Texture)。
比如:
地板表面的砖块图案 墙面的石头纹理 角色衣服上的花纹 枪械表面的磨损细节 当一个三角形(Triangle)被贴上纹理后,屏幕上的每个片元(Fragment)都会有一个纹理坐标,也就是 UV 坐标(UV Coordinates)。
问题在于:
屏幕是离散的像素网格(Pixel Grid) 纹理也是离散的纹素网格(Texel Grid) 但 UV 通常落在纹理上的非整数位置 一个屏幕像素也不一定只对应一个 texel 于是我们会遇到一个核心问题:
当一个片元要从纹理中取颜色时,到底应该怎么取?
这就是纹理过滤(Texture Filtering)要解决的事。
1.2 “过滤(Filtering)“这个词怎么理解 很多人第一次看到"过滤"这个词会有点懵,因为日常语境里的"过滤"像是在说"把杂质滤掉”。
但在图形学和信号处理(Signal Processing)里,filtering 更接近"滤波(Filtering / Filtering Operation)“这个意思,也就是:
按照某种规则,对周围样本做选择、加权、平滑或抑制,得到更适合当前使用方式的输出。
所以在纹理场景里,过滤不是"修图美颜”,而是在回答:
当前这个屏幕像素,应该如何综合纹理中的附近信息,得到一个合理的颜色。
二、最基础的纹理过滤方法 2.1 最近点采样(Nearest Filtering) 最简单的方法是最近点采样(Nearest Filtering):
UV 落到哪里,就找最近的那个 texel 直接取那个 texel 的颜色 比如 UV 落在纹理坐标 (10.3, 20.7) 附近,就取最接近的那个纹素。
优点:
继续阅读
Tag: 卷积
2026-04-02
游戏画面设置常见的纹理过滤是什么?和信号与系统、傅立叶变换有什么联系?
前言 很多游戏玩家设置游戏画面时,常常看到纹理过滤、双线性过滤、各向异性过滤这样的选项。大多数人下意识地把它们调到最高,却不清楚这些选项到底在做什么,为什么关掉之后远处的地面会闪烁、栅栏会出现奇怪的花纹。
如果你深究下去,会发现这些选项背后藏着一套完整的数学体系——它和大学信号与系统课上学的傅立叶变换、卷积,其实讲的是同一件事。
这篇文章的目标,就是把这条线从头到尾梳理清楚。从"纹理过滤到底在干什么"开始,一步一步讲到:
为什么会有锯齿、闪烁、摩尔纹(Moiré Pattern) 为什么需要 MipMap 为什么锐利边缘代表高频 傅立叶变换到底在做什么 卷积为什么如此重要 这些概念之间到底怎么串起来 一、什么是纹理过滤 1.1 纹理映射时到底发生了什么 在图形学里,我们常常会把一张图片贴到三维模型表面,这张图片就叫纹理(Texture)。
比如:
地板表面的砖块图案 墙面的石头纹理 角色衣服上的花纹 枪械表面的磨损细节 当一个三角形(Triangle)被贴上纹理后,屏幕上的每个片元(Fragment)都会有一个纹理坐标,也就是 UV 坐标(UV Coordinates)。
问题在于:
屏幕是离散的像素网格(Pixel Grid) 纹理也是离散的纹素网格(Texel Grid) 但 UV 通常落在纹理上的非整数位置 一个屏幕像素也不一定只对应一个 texel 于是我们会遇到一个核心问题:
当一个片元要从纹理中取颜色时,到底应该怎么取?
这就是纹理过滤(Texture Filtering)要解决的事。
1.2 “过滤(Filtering)“这个词怎么理解 很多人第一次看到"过滤"这个词会有点懵,因为日常语境里的"过滤"像是在说"把杂质滤掉”。
但在图形学和信号处理(Signal Processing)里,filtering 更接近"滤波(Filtering / Filtering Operation)“这个意思,也就是:
按照某种规则,对周围样本做选择、加权、平滑或抑制,得到更适合当前使用方式的输出。
所以在纹理场景里,过滤不是"修图美颜”,而是在回答:
当前这个屏幕像素,应该如何综合纹理中的附近信息,得到一个合理的颜色。
二、最基础的纹理过滤方法 2.1 最近点采样(Nearest Filtering) 最简单的方法是最近点采样(Nearest Filtering):
UV 落到哪里,就找最近的那个 texel 直接取那个 texel 的颜色 比如 UV 落在纹理坐标 (10.3, 20.7) 附近,就取最接近的那个纹素。
优点:
继续阅读
Tag: 纹理过滤
2026-04-02
游戏画面设置常见的纹理过滤是什么?和信号与系统、傅立叶变换有什么联系?
前言 很多游戏玩家设置游戏画面时,常常看到纹理过滤、双线性过滤、各向异性过滤这样的选项。大多数人下意识地把它们调到最高,却不清楚这些选项到底在做什么,为什么关掉之后远处的地面会闪烁、栅栏会出现奇怪的花纹。
如果你深究下去,会发现这些选项背后藏着一套完整的数学体系——它和大学信号与系统课上学的傅立叶变换、卷积,其实讲的是同一件事。
这篇文章的目标,就是把这条线从头到尾梳理清楚。从"纹理过滤到底在干什么"开始,一步一步讲到:
为什么会有锯齿、闪烁、摩尔纹(Moiré Pattern) 为什么需要 MipMap 为什么锐利边缘代表高频 傅立叶变换到底在做什么 卷积为什么如此重要 这些概念之间到底怎么串起来 一、什么是纹理过滤 1.1 纹理映射时到底发生了什么 在图形学里,我们常常会把一张图片贴到三维模型表面,这张图片就叫纹理(Texture)。
比如:
地板表面的砖块图案 墙面的石头纹理 角色衣服上的花纹 枪械表面的磨损细节 当一个三角形(Triangle)被贴上纹理后,屏幕上的每个片元(Fragment)都会有一个纹理坐标,也就是 UV 坐标(UV Coordinates)。
问题在于:
屏幕是离散的像素网格(Pixel Grid) 纹理也是离散的纹素网格(Texel Grid) 但 UV 通常落在纹理上的非整数位置 一个屏幕像素也不一定只对应一个 texel 于是我们会遇到一个核心问题:
当一个片元要从纹理中取颜色时,到底应该怎么取?
这就是纹理过滤(Texture Filtering)要解决的事。
1.2 “过滤(Filtering)“这个词怎么理解 很多人第一次看到"过滤"这个词会有点懵,因为日常语境里的"过滤"像是在说"把杂质滤掉”。
但在图形学和信号处理(Signal Processing)里,filtering 更接近"滤波(Filtering / Filtering Operation)“这个意思,也就是:
按照某种规则,对周围样本做选择、加权、平滑或抑制,得到更适合当前使用方式的输出。
所以在纹理场景里,过滤不是"修图美颜”,而是在回答:
当前这个屏幕像素,应该如何综合纹理中的附近信息,得到一个合理的颜色。
二、最基础的纹理过滤方法 2.1 最近点采样(Nearest Filtering) 最简单的方法是最近点采样(Nearest Filtering):
UV 落到哪里,就找最近的那个 texel 直接取那个 texel 的颜色 比如 UV 落在纹理坐标 (10.3, 20.7) 附近,就取最接近的那个纹素。
优点:
继续阅读
Tag: 信号处理
2026-04-02
游戏画面设置常见的纹理过滤是什么?和信号与系统、傅立叶变换有什么联系?
前言 很多游戏玩家设置游戏画面时,常常看到纹理过滤、双线性过滤、各向异性过滤这样的选项。大多数人下意识地把它们调到最高,却不清楚这些选项到底在做什么,为什么关掉之后远处的地面会闪烁、栅栏会出现奇怪的花纹。
如果你深究下去,会发现这些选项背后藏着一套完整的数学体系——它和大学信号与系统课上学的傅立叶变换、卷积,其实讲的是同一件事。
这篇文章的目标,就是把这条线从头到尾梳理清楚。从"纹理过滤到底在干什么"开始,一步一步讲到:
为什么会有锯齿、闪烁、摩尔纹(Moiré Pattern) 为什么需要 MipMap 为什么锐利边缘代表高频 傅立叶变换到底在做什么 卷积为什么如此重要 这些概念之间到底怎么串起来 一、什么是纹理过滤 1.1 纹理映射时到底发生了什么 在图形学里,我们常常会把一张图片贴到三维模型表面,这张图片就叫纹理(Texture)。
比如:
地板表面的砖块图案 墙面的石头纹理 角色衣服上的花纹 枪械表面的磨损细节 当一个三角形(Triangle)被贴上纹理后,屏幕上的每个片元(Fragment)都会有一个纹理坐标,也就是 UV 坐标(UV Coordinates)。
问题在于:
屏幕是离散的像素网格(Pixel Grid) 纹理也是离散的纹素网格(Texel Grid) 但 UV 通常落在纹理上的非整数位置 一个屏幕像素也不一定只对应一个 texel 于是我们会遇到一个核心问题:
当一个片元要从纹理中取颜色时,到底应该怎么取?
这就是纹理过滤(Texture Filtering)要解决的事。
1.2 “过滤(Filtering)“这个词怎么理解 很多人第一次看到"过滤"这个词会有点懵,因为日常语境里的"过滤"像是在说"把杂质滤掉”。
但在图形学和信号处理(Signal Processing)里,filtering 更接近"滤波(Filtering / Filtering Operation)“这个意思,也就是:
按照某种规则,对周围样本做选择、加权、平滑或抑制,得到更适合当前使用方式的输出。
所以在纹理场景里,过滤不是"修图美颜”,而是在回答:
当前这个屏幕像素,应该如何综合纹理中的附近信息,得到一个合理的颜色。
二、最基础的纹理过滤方法 2.1 最近点采样(Nearest Filtering) 最简单的方法是最近点采样(Nearest Filtering):
UV 落到哪里,就找最近的那个 texel 直接取那个 texel 的颜色 比如 UV 落在纹理坐标 (10.3, 20.7) 附近,就取最接近的那个纹素。
优点:
继续阅读
Tag: 攻略
2026-03-24
五一日本九州6天旅行路线:福冈·长崎·由布院·别府·熊本全攻略
为什么选九州? 五一出行最怕人从众。九州是日本西南部的独立岛屿,拥有七个各具特色的县,却远比东京、大阪冷门——温泉数量全日本最多,活火山近在眼前,博多拉面、长崎蛋糕、熊本黑猪,每座城市都有自己的招牌味道。6天时间,足够把北九州精华一网打尽。
行程总览 天数 路线 主题 Day 1 飞抵福冈 落地·博多美食初体验 Day 2 福冈 → 长崎 异国风情·稻佐山夜景 Day 3 长崎 → 佐世保 → 由布院 九十九岛·温泉小镇 Day 4 由布院 → 别府 地狱温泉·蒸料理 Day 5 别府 → 熊本 阿苏火山·熊本城 Day 6 熊本 → 福冈 太宰府·购物返程 Day 1|抵达福冈,博多夜食巡礼 福冈机场是九州最主要的入境口岸,从机场乘地铁到博多站仅需 5 分钟,市区交通极为便利。
当天行程 下午:抵达福冈国际机场,地铁前往博多,办理入住 傍晚:逛博多运河城(Canal City),感受九州最大购物中心 晚上:中洲川端屋台街——在路边摊吃一碗正宗博多豚骨拉面,猪骨高汤浓醇,配上细直面,一碗约 800–1,000 日元 住宿推荐 博多站/天神站附近,交通最方便 推荐区域:博多站步行圈 🍜 Day 1 必吃 博多豚骨拉面:一风堂(全国连锁,稳定出品)或一蘭 明太子:福冈特产,超市有售,可作伴手礼 Day 2|福冈 → 长崎,异国风情与绝美夜景 长崎曾是日本唯一对外开放的通商口岸,中国、荷兰、葡萄牙文化在此交融,街头随处可见异域痕迹。
交通 博多 → 长崎:JR 特急「海鸥号」约 2 小时,或西九州新干线转乘约 1.
继续阅读
Tag: 九州
2026-03-24
五一日本九州6天旅行路线:福冈·长崎·由布院·别府·熊本全攻略
为什么选九州? 五一出行最怕人从众。九州是日本西南部的独立岛屿,拥有七个各具特色的县,却远比东京、大阪冷门——温泉数量全日本最多,活火山近在眼前,博多拉面、长崎蛋糕、熊本黑猪,每座城市都有自己的招牌味道。6天时间,足够把北九州精华一网打尽。
行程总览 天数 路线 主题 Day 1 飞抵福冈 落地·博多美食初体验 Day 2 福冈 → 长崎 异国风情·稻佐山夜景 Day 3 长崎 → 佐世保 → 由布院 九十九岛·温泉小镇 Day 4 由布院 → 别府 地狱温泉·蒸料理 Day 5 别府 → 熊本 阿苏火山·熊本城 Day 6 熊本 → 福冈 太宰府·购物返程 Day 1|抵达福冈,博多夜食巡礼 福冈机场是九州最主要的入境口岸,从机场乘地铁到博多站仅需 5 分钟,市区交通极为便利。
当天行程 下午:抵达福冈国际机场,地铁前往博多,办理入住 傍晚:逛博多运河城(Canal City),感受九州最大购物中心 晚上:中洲川端屋台街——在路边摊吃一碗正宗博多豚骨拉面,猪骨高汤浓醇,配上细直面,一碗约 800–1,000 日元 住宿推荐 博多站/天神站附近,交通最方便 推荐区域:博多站步行圈 🍜 Day 1 必吃 博多豚骨拉面:一风堂(全国连锁,稳定出品)或一蘭 明太子:福冈特产,超市有售,可作伴手礼 Day 2|福冈 → 长崎,异国风情与绝美夜景 长崎曾是日本唯一对外开放的通商口岸,中国、荷兰、葡萄牙文化在此交融,街头随处可见异域痕迹。
交通 博多 → 长崎:JR 特急「海鸥号」约 2 小时,或西九州新干线转乘约 1.
继续阅读
Tag: 旅行
2026-03-24
五一日本九州6天旅行路线:福冈·长崎·由布院·别府·熊本全攻略
为什么选九州? 五一出行最怕人从众。九州是日本西南部的独立岛屿,拥有七个各具特色的县,却远比东京、大阪冷门——温泉数量全日本最多,活火山近在眼前,博多拉面、长崎蛋糕、熊本黑猪,每座城市都有自己的招牌味道。6天时间,足够把北九州精华一网打尽。
行程总览 天数 路线 主题 Day 1 飞抵福冈 落地·博多美食初体验 Day 2 福冈 → 长崎 异国风情·稻佐山夜景 Day 3 长崎 → 佐世保 → 由布院 九十九岛·温泉小镇 Day 4 由布院 → 别府 地狱温泉·蒸料理 Day 5 别府 → 熊本 阿苏火山·熊本城 Day 6 熊本 → 福冈 太宰府·购物返程 Day 1|抵达福冈,博多夜食巡礼 福冈机场是九州最主要的入境口岸,从机场乘地铁到博多站仅需 5 分钟,市区交通极为便利。
当天行程 下午:抵达福冈国际机场,地铁前往博多,办理入住 傍晚:逛博多运河城(Canal City),感受九州最大购物中心 晚上:中洲川端屋台街——在路边摊吃一碗正宗博多豚骨拉面,猪骨高汤浓醇,配上细直面,一碗约 800–1,000 日元 住宿推荐 博多站/天神站附近,交通最方便 推荐区域:博多站步行圈 🍜 Day 1 必吃 博多豚骨拉面:一风堂(全国连锁,稳定出品)或一蘭 明太子:福冈特产,超市有售,可作伴手礼 Day 2|福冈 → 长崎,异国风情与绝美夜景 长崎曾是日本唯一对外开放的通商口岸,中国、荷兰、葡萄牙文化在此交融,街头随处可见异域痕迹。
交通 博多 → 长崎:JR 特急「海鸥号」约 2 小时,或西九州新干线转乘约 1.
继续阅读
Tag: 日本
2026-03-24
五一日本九州6天旅行路线:福冈·长崎·由布院·别府·熊本全攻略
为什么选九州? 五一出行最怕人从众。九州是日本西南部的独立岛屿,拥有七个各具特色的县,却远比东京、大阪冷门——温泉数量全日本最多,活火山近在眼前,博多拉面、长崎蛋糕、熊本黑猪,每座城市都有自己的招牌味道。6天时间,足够把北九州精华一网打尽。
行程总览 天数 路线 主题 Day 1 飞抵福冈 落地·博多美食初体验 Day 2 福冈 → 长崎 异国风情·稻佐山夜景 Day 3 长崎 → 佐世保 → 由布院 九十九岛·温泉小镇 Day 4 由布院 → 别府 地狱温泉·蒸料理 Day 5 别府 → 熊本 阿苏火山·熊本城 Day 6 熊本 → 福冈 太宰府·购物返程 Day 1|抵达福冈,博多夜食巡礼 福冈机场是九州最主要的入境口岸,从机场乘地铁到博多站仅需 5 分钟,市区交通极为便利。
当天行程 下午:抵达福冈国际机场,地铁前往博多,办理入住 傍晚:逛博多运河城(Canal City),感受九州最大购物中心 晚上:中洲川端屋台街——在路边摊吃一碗正宗博多豚骨拉面,猪骨高汤浓醇,配上细直面,一碗约 800–1,000 日元 住宿推荐 博多站/天神站附近,交通最方便 推荐区域:博多站步行圈 🍜 Day 1 必吃 博多豚骨拉面:一风堂(全国连锁,稳定出品)或一蘭 明太子:福冈特产,超市有售,可作伴手礼 Day 2|福冈 → 长崎,异国风情与绝美夜景 长崎曾是日本唯一对外开放的通商口岸,中国、荷兰、葡萄牙文化在此交融,街头随处可见异域痕迹。
交通 博多 → 长崎:JR 特急「海鸥号」约 2 小时,或西九州新干线转乘约 1.
继续阅读
Tag: 五一
2026-03-24
五一日本九州6天旅行路线:福冈·长崎·由布院·别府·熊本全攻略
为什么选九州? 五一出行最怕人从众。九州是日本西南部的独立岛屿,拥有七个各具特色的县,却远比东京、大阪冷门——温泉数量全日本最多,活火山近在眼前,博多拉面、长崎蛋糕、熊本黑猪,每座城市都有自己的招牌味道。6天时间,足够把北九州精华一网打尽。
行程总览 天数 路线 主题 Day 1 飞抵福冈 落地·博多美食初体验 Day 2 福冈 → 长崎 异国风情·稻佐山夜景 Day 3 长崎 → 佐世保 → 由布院 九十九岛·温泉小镇 Day 4 由布院 → 别府 地狱温泉·蒸料理 Day 5 别府 → 熊本 阿苏火山·熊本城 Day 6 熊本 → 福冈 太宰府·购物返程 Day 1|抵达福冈,博多夜食巡礼 福冈机场是九州最主要的入境口岸,从机场乘地铁到博多站仅需 5 分钟,市区交通极为便利。
当天行程 下午:抵达福冈国际机场,地铁前往博多,办理入住 傍晚:逛博多运河城(Canal City),感受九州最大购物中心 晚上:中洲川端屋台街——在路边摊吃一碗正宗博多豚骨拉面,猪骨高汤浓醇,配上细直面,一碗约 800–1,000 日元 住宿推荐 博多站/天神站附近,交通最方便 推荐区域:博多站步行圈 🍜 Day 1 必吃 博多豚骨拉面:一风堂(全国连锁,稳定出品)或一蘭 明太子:福冈特产,超市有售,可作伴手礼 Day 2|福冈 → 长崎,异国风情与绝美夜景 长崎曾是日本唯一对外开放的通商口岸,中国、荷兰、葡萄牙文化在此交融,街头随处可见异域痕迹。
交通 博多 → 长崎:JR 特急「海鸥号」约 2 小时,或西九州新干线转乘约 1.
继续阅读