29.99 万元起，全新猛士 M817 上市：把智能、越野和家庭出行放进一台车里

猛士 CEO 万良渝在全新猛士 M817 发布会上说，上半年发布的新车有快 600 款，但看起来也就发布了三款，一款路虎揽胜，一款路虎卫士，还有一款是保时捷帕拉梅拉。嘲讽之意很明显，就是说现在中国汽车行业抄袭借鉴成风，缺乏原创思维。

猛士 M817 的叙事，就从设计展开。

6 月 27 日，猛士汽车全新 M817 正式上市。新车共推出 Mate、Mate+、Max、Max+、Ultra 五款配置版本，官方指导价为 29.99 万 – 39.99 万元。

在过去很长一段时间里，硬派越野车往往有着清晰的边界。它们可以去更远的地方，穿越更复杂的路况，也能承受更极端的使用环境，但与此同时，城市通勤的便利性、座舱舒适性、智能化体验，常常需要做出妥协。对于今天的中国家庭来说，一台车既要能完成 5 天城市通勤，也要能承担 2 天周末近郊出游，甚至还要支持 X 次说走就走的长途远征。

这是设计之外另一道命题，猛士 M817 想要在一辆车里兼顾智能、越野和家庭。

从设计开始，猛士 M817 先确立自己的越野性格

全新猛士 M817 的造型并没有回避硬派越野应有的力量感。新车延续猛士品牌「雄魂美学」设计语言，在方正车身、宽体姿态和高离地间隙之外，加入了更多中国原创设计元素。

例如，前大灯造型取意「止戈」，搭配类似越王勾践剑菱形花纹的细节，强调守护意味；尾灯则以利剑出鞘为灵感，形成更有辨识度的车尾视觉。相比一些以复古为主要表达方式的硬派 SUV，猛士 M817 更强调东方意象与现代机械感的融合。

车身颜色也围绕华夏山河展开。新车提供格宗黑、玉龙银、鸣沙黄、秦岭绿、昆仑白、乌兰橙六款外观颜色，其中乌兰橙取自乌兰哈达火山群的色调，更容易和越野、露营、长途穿越这些使用场景产生关联。内饰则提供迎松墨、丹霞棕、锦川红、霞影橙四种配色，试图在粗粝的外观气质之外，给座舱保留更多精致感。

熟悉猛士品牌的人知道，这个品牌背后有着 57 年的军工越野基因，是有历史有底蕴的，所以它也有自己的设计取向和追求。确实，猛士 M817 也是如今国内硬派越野里外观辨识度和原创度都比较高的产品，有着与「类卫士」产品截然不同的外观和气质。

环塔验证之后，越野能力成为 M817 的技术底座

作为一款硬派越野 SUV，猛士 M817 的性能底气，首先来自其动力系统和全地形能力。新车搭载 2.0T 极猛动力系统，这套混动专用 2.0T 发动机配合前后双电机，系统综合功率达到 715kW，轮边最大扭矩为 13685N·m。官方称这套系统完成了 43 项技术升级，并拥有 9 项同级第一。

对于新能源越野车来说，真正的考验不只是峰值功率，还包括高负载、长时间、复杂环境下的持续输出能力。猛士 M817 针对馈电工况进行了重点优化，稳定保电时速可达到 161km/h，并配备 3kW 高压风扇以及多模热管理智能分配系统，以提升长时间越野、高温、高原等场景下的动力稳定性。

补能方面，新车采用 800V 高压平台和 6C 超充，电量从 30% 充至 80% 不到 10 分钟。它搭载 62.5kWh 宁德时代越野旗舰版骁遥超级增混电池，CLTC 纯电续航为 301km，综合续航达到 1450km。对于大多数家庭来说，这意味着工作日可以把它当作一台纯电 SUV 使用；到了长途自驾或穿越场景，又可以减少补能规划上的焦虑。

越野能力上，猛士 M817 搭载猛士智能全地形系统，配备猛士智能 E 锁、9 种驾驶模式、越野蠕行模式和 900mm 涉水能力。新增的「稳驭攀爬」功能，则进一步降低了新手进入复杂路况的操作门槛。

这套能力也经过了环塔拉力赛的验证。基于猛士 M817 核心技术平台打造的原厂战车征战 2026 环塔拉力赛，在 7500 公里总里程中经历沙漠、戈壁、刀锋沙丘等复杂环境，最终获得两冠一亚，并成为 SS5、SS6「双魔鬼赛段」唯一 100% 完赛的车队。

对于量产车而言，赛事成绩本身并不是唯一重点。更重要的是，环塔这种高强度环境可以验证动力、三电、底盘、热管理和车身结构的耐久边界。

越野车不仅有远方，还有眼前

猛士 M817 想进入更多家庭用户的选择范围，单靠越野性能还不够。它还必须回答另一个现实问题：这样一台车，在城市里是否好开，长途里是否舒服，全家出行时是否够用。

底盘部分，新车搭载全铝底盘，相比全钢底盘重量降低 30% 以上，动态响应速度提升 15% 以上，驾驶平顺性提升 50% 以上。它还配备同级唯一的双向 20° 后轮转向，最小转弯半径为 5.2m。对于一台大尺寸硬派 SUV 来说，这项配置能明显缓解城市窄路掉头、停车场挪车和山路转弯时的压力。

悬架方面，猛士 M817 使用 150mm 超大行程双腔空气悬架，并搭配 CDC 连续可变阻尼系统，后者可实现每秒 500 次动态阻尼调节。换句话说，它既要满足越野通过性，也要尽量保留城市 SUV 的舒适质感。

空间方面，猛士 M817 拥有 3005mm 轴距。后排座椅放倒后，车内可以形成一张 2.1 米大床；后备厢常规容积为 828L，拓展后可达到 2112L。无论是家庭露营的装备，还是高尔夫球包、冲浪板、山地车等大件物品，都有足够的装载空间。

座舱配置上，新车采用 NAPPA 真皮座椅，支持座椅加热、通风、按摩功能，并在越野车上引入女王副驾零重力座椅。健康座舱方面，内饰软质包覆比例达到 91.2%，并使用母婴级安全材料，同时配备 MOF 复合滤芯，用于吸附和分解甲醛等污染物。

此外，6kW 外放电、25kW 驻车发电、-6℃ – 50℃ 可调智能冷暖冰箱、双层隔音玻璃、ENC 主动降噪、丹拿 20 扬声器音响以及头枕音响，也让这台车不只是一台能去远方的越野车，更像是一套围绕家庭出行展开的移动生活系统。

猛士 M817 的另一条主线，是华为乾崑智能技术的深度参与。

新车搭载华为乾崑智驾、鸿蒙座舱、华为乾崑车云、华为乾崑车控和华为鲸鳍通信五大智能化方案。其中，全新一代华为乾崑智驾 ADS 5 首发搭载在越野车上，并升级至 WEWA 2.0 架构。硬件方面，新车配备华为乾崑 896 线新一代双光路图像级激光雷达，可识别 120 米外、14 厘米高的障碍物。

与城市智驾不同，越野场景的难点在于路面结构更复杂，边界更模糊，障碍物类型更多样。猛士 M817 首发越野感知系统，并推出华为乾崑智驾 NCA 越野版，试图把智能驾驶能力从城市道路延伸到山野、非铺装路和户外窄路环境。

安全辅助方面，新车搭载华为乾崑全维防碰撞系统 CAS 5.0，包含路面自适应 AEB、eAES 防夹心功能、人驾急弯主动降速、路况险情预警等能力。它还支持全地形泊车、户外窄路会车脱困、T 型路口博弈等功能，覆盖城市与户外两类高频难点场景。

座舱方面，猛士 M817 首发全新一代鸿蒙座舱越野版，内置专属越野 Agent。这个 Agent 既可以承担越野百科、户外向导和路书的角色，也能结合车载无人机，帮助用户在户外场景中完成更立体的探索。

车控层面，新车全系搭载华为乾崑车控 IDVP，支持人工洗车、离车不下电、露营模式、家人安心守护模式等功能。通过车机和语音，用户还可以创建自定义场景。华为鲸鳍通信的加入，则主要面向弱网和户外环境，提升远行场景下的通信稳定性。

过去，硬派越野强调机械性能、通过性和可靠性；新能源时代之后，动力系统、补能效率、智能驾驶和座舱体验开始成为新的竞争维度。

猛士 M817 的产品逻辑，正是围绕这种变化展开。它用 2.0T 插混系统、全地形能力和环塔验证确立越野底座；用大电池、长续航、800V 高压平台解决日常和远行补能问题；用空气悬架、后轮转向、大空间和舒适座舱补齐家庭用车体验；再通过华为乾崑，把智能驾驶、鸿蒙座舱、车控和通信能力带入山野场景。

从 29.99 万元起的价格来看，猛士 M817 进入的是一个竞争正在升温的区间。这里既有传统硬派越野的用户，也有城市 SUV 向外延展的家庭用户，还有一批希望用一台车覆盖更多生活方式的新消费人群。这也是一个现实的考量，因为国内用车环境还是以家庭和通勤为主，并且多数家庭只有一辆车，对于一个新能源越野品牌来说，找一个最大的用户和场景公约数，是最安全的市场策略。

刘学文

稳中向好。

邮箱 新浪微博 1

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

from 爱范儿 https://ift.tt/I6YQcFC
via IFTTT

底盘也开始「算」了：华为途灵平台到底在解决什么？

尊界 S800 Grand Design 典藏大观发布的时候，我们说这是鸿蒙智行在豪华感和技术力上堆的最满的一次，然后第二天就是鸿蒙智行 TECH DAY-华为途灵平台技术专场，来详细解释华为途灵平台是什么一回事。

作为一台车长接近 5.5 米、轴距接近 3.4 米的大型旗舰轿车，尊界 S800 Grand Design 典藏大观底盘要解决的矛盾比普通车型更复杂：它要让后排乘客坐得稳，也要让驾驶者开起来不觉得笨重；它要在商务接待时足够从容，也要在高速变道、湿滑路面、连续坑洼这些场景下保持安全和可控。

尊界 S800 典藏大观上的全新一代途灵龙行平台就是最佳的解释样本。一言蔽之，华为这次想表达的是，智能汽车的底盘正在从过去的「机械调校」，走向今天的「数字控制」。

为什么底盘也需要计算？

传统底盘的能力，很多时候来自硬件和调校。工程师通过调整悬架结构、弹簧刚度、减振器阻尼、轮胎规格、转向手感，让一台车更舒适，或者更运动。这套方法至今仍然是汽车工程的基本功。

车轮压过减速带，悬架被冲击压缩，再由减振器控制回弹；车辆高速变道，车身先出现侧倾，再靠悬架和稳定系统抑制；雨天起步，轮胎先出现打滑迹象，系统再介入控制扭矩。这是之前会出现的情况，先有「倾向」，再有「对策」。

数字化底盘要做的，是把这条链路往前提一步，不再只是等路面冲击传来后再处理，而是提前识别路况、提前判断车辆姿态变化，再提前算出驱动、制动、转向、悬架应该怎么协同。

华为途灵平台把这个过程概括为三个关键词：算得快、低时延、控得准。如果用老中医的说法来讲，就是「治未病」，比如说湿滑地库起步时，车轮有没有先空转再被系统拉回来；高速变道时，车身是晃一下再稳住，还是一开始就被稳稳托住；过连续减速带时，车内乘客是被一次次抛起来，还是车辆提前做好缓冲，这些都是数字底盘能不能算得快、传得快、控得准的结果。

算得快：先让数据别堵车

智能底盘首先要处理大量数据。车辆行驶时，系统需要同时读取轮速、横摆角速度、纵向加速度、横向加速度、转向角、路面坡度、附着系数、驾驶员意图、雨量、云端天气、前方道路形态等信息。这些数据并不是简单收集起来就行，而是要在毫秒级时间内完成筛选、判断和计算。

华为途灵平台解决「算得快」的第一个办法，是提高数据读写效率。

这里可以把车端计算理解成一个仓库系统。传统方式下，很多数据都要从「总仓库」里反复读取，任务一多，就容易堵车。华为采用三级缓存，相当于在计算单元旁边设置不同层级的「小仓库」：小任务用近处的小仓库，多个任务共享中型仓库，更大范围的数据再通过全局缓存协同。数据不用每次都绕远路，计算效率自然更高。

第二个办法，是提前筛掉无效数据。车辆行驶时会产生大量低价值数据。比如点云里的空白区域、稳定巡航时没有明显变化的状态、平直道路上的重复信息。如果系统先把它们全部读出来、算一遍，再判断没用，就会浪费算力。华为的做法是通过硬件级零值过滤，在计算前就把「空包裹」剔除出去，把资源留给真正影响车辆姿态和安全的数据。

第三个办法，是并行计算。不同底盘任务对计算精度的要求并不一样。目标识别、轨迹判断、附着系数估计、车身姿态控制，各自的数据类型和精度需求都不同。如果所有任务都用同一种计算方式，效率并不高。华为途灵平台支持多精度矩阵并行计算，相当于几条流水线同时运转，复杂任务走高精度，常规任务走更高效的路径。

本质上这是算力问题和算力优化问题：在车辆高速运动的状态下，系统能不能足够快地理解当下，并计算接下来应该怎么做。

低时延：关键指令不能排队

算出来只是第一步，指令还要快速传到执行器。在传统分布式架构里，智驾、动力、底盘、车身等信号可能都在一条总线上传输。普通状态下，这并不一定会造成明显问题。但遇到低附着路面打滑、紧急避让、爆胎控车这类高优先级场景，关键指令就不能和普通数据一起排队。

华为途灵平台的思路，是为底盘控制建立更高优先级的通信链路。可以把它理解成城市道路里的应急车道。主路拥堵时，救护车、消防车必须优先通行；在底盘系统里，扭矩重分配、制动协调、悬架抬升、防滑控制，就是这类需要优先通行的指令。

除了通信要快，控制链路也要短。

以打滑场景为例，传统方案可能需要多个控制器依次参与：轮端传感器发现异常，ESP 判断是否打滑，VCU 请求重新分配扭矩，再由电机控制器执行。链路越长，仲裁越多，时延就越难压低。

华为途灵平台强调控制上移和近端闭环。部分监测与执行算法可以部署在更靠近轮端的位置，识别到侧滑后快速完成扭矩重新分配。资料中提到，相关场景下系统可以做到 2ms 级扭矩重分配，并通过每秒 100 次快速计算，实时应对左右轮附着力差异较大的路面。

这类能力在日常平直道路上未必强烈，但到了雨天环氧地坪、湿滑坡道、冰雪路面、积水泥泞路面，差异会被放大。好的底盘控制，不是等车辆明显滑起来后再救回来，而是在轮胎刚接近失控边缘时，就已经开始降低风险。

控得准：从各自为战到统一作战

如果说算力和通信解决的是速度，那么控制模型解决的是协同。

传统底盘更像多个部门各管一摊：驱动管动力，制动管刹车，转向管方向，悬架管姿态。每个系统都能完成自己的任务，但遇到复杂工况时，真正重要的是它们能不能一起工作。

比如高速入弯时，如果前轮同时承担太多驱动力和转向力，就容易推头。更合理的做法，是把一部分扭矩向后轴转移，让前轮更专注于转向。出弯时，如果后轮压力过大，又需要把扭矩重新向前轴分配，让车尾更稳定。

再比如防晕车。很多人坐电车容易不舒服，并不只是因为加速快，还因为动力输出、制动回收、车身俯仰、转向高频摆动叠加在一起。单独把动力调柔，只能解决一部分问题。如果驱动、制动、转向、悬架同时协同，减少急加速、急刹车、转弯和颠簸中的多余晃动，体感才会更平顺。

华为途灵平台的核心，是通过数字底盘引擎统一调度驱动、制动、转向、悬架、车身、热管理等多个域。它的本质可以理解为「全维感知 + 智能控制」：先用 ADS 感知信息、车辆状态信息、驾驶意图信息、云端信息、车身域信息、座舱域信息建立综合判断，再通过时空推理悬架和全维协同控制模型，决定车辆下一步怎么动。

这也是数字底盘和传统底盘的差异：它不是简单把悬架调软或调硬，而是在不同场景下动态平衡操控、舒适和安全。

尊界 S800 典藏大观上的全主动悬架，就是这种思路的一个放大版本。变道和转弯时，系统可以主动给外侧悬架加力、对内侧悬架调整支撑，抑制车身侧倾；制动和加速时，通过前后悬架主动配力，减少点头和抬头；过坑洼路面时，结合道路预瞄和悬架主动控制，让车身尽量保持平稳。

再加上后轮主动转向，一台大型旗舰轿车也可以缩小转弯半径，减少地库、酒店门口、窄路掉头时的尺寸压力。对于用户来说，这比单纯记住几个参数更有意义。可以这里理解，尊界 S800 典藏大观上的途灵龙行平台，是途灵平台里的 Ultra 版本。

当然，讨论数字底盘时，很容易出现一个误解：既然软件和算法越来越重要，硬件是不是就没那么关键了？

答案恰好相反。软件定义底盘的前提，是硬件足够可控，接口足够开放，执行器响应足够快。没有高效执行器，再好的算法也只能停留在计算结果里；没有统一协议和标准化接口，各个部件依然会各自为战；没有足够安全冗余，主动控制也很难真正释放价值。

过去几年，智能汽车的讨论重点更多放在座舱和辅助驾驶上。座舱解决人与车的交互，辅助驾驶解决车与外部环境的感知和决策。但车最终还是要通过轮胎、悬架、制动和转向与真实世界发生关系。

刘学文

稳中向好。

邮箱 新浪微博 1

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

from 爱范儿 https://ift.tt/iXyacdn
via IFTTT

DeepSeeK 突然发布 DSpark，让 AI 的回答不再「挤牙膏」

最近忙着大规模招兵买马的 DeepSeek，也始终没有忘记开源这条主线。

今天，DeepSeek 与北京大学团队联合发布论文《DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation》，提出了一套新的大模型推理加速框架 DSpark。

▲ 技术报告 https://ift.tt/GLItVdz

论文披露，DSpark 已经进入 DeepSeek-V4-Flash preview 和 DeepSeek-V4-Pro preview 的生产服务系统，并替代此前的 MTP-1 方案。

在线上真实用户流量中，在系统总吞吐水平相同的情况下，DSpark 将 DeepSeek-V4-Flash 的单用户生成速度提升了 60% 至 85%，将 DeepSeek-V4-Pro 的单用户生成速度提升了 57% 至 78%。

速度飙成这样，DeepSeek 究竟给自家的推理引擎喂了什么灵丹妙药？当然，本文难免有些枯燥，感兴趣的朋友不妨耐心阅读。

天下苦 AI 「蹦字」久矣

为什么每次等到大模型的回复总感觉在「挤牙膏」？原因并不复杂。

主流语言模型生成文本时，基本采用 autoregressive（自回归）方式。模型每生成一个新 token，都需要做一次以前文为条件的前向计算，因此输出越长，解码步骤越多，延迟也越容易累积。

对于实时聊天、多轮 Agent workflow（智能体工作流）、代码助手这类高交互场景，生成速度会直接影响用户体验，也会影响 GPU 利用率。

speculative decoding（推测解码）就是为了解决这个问题。

▲ 为方便阅读，图片由 AI 生成，仅供参考

它的思路像是让一个「小模型」先写草稿，再让「大模型」快速审稿。系统先用一个轻量级 draft model（草稿模型）生成一串候选 token，再由真正负责输出质量的 target model（目标模型）一次性验证这些候选 token。

通过验证的 token 会被接受；一旦某个位置被拒绝，后面的候选 token 全部作废，target model 再生成一个修正 token。由于 verification（验证）阶段可以并行完成，speculative decoding 可以在不改变 target model 输出分布的前提下提高生成速度。

更直观地说，它想让大模型一次前向计算确认更多 token，而不是每次只确认一个。

speculative decoding 已经是大模型推理加速的重要方向，但已有方案仍有明显限制。

第一类方案是 autoregressive draft model（自回归草稿模型）。

它像正常语言模型一样，一个 token 接一个 token 地生成候选内容。优点是前后关系更自然，候选质量较高；缺点也明显：draft model 自己写草稿时也要一步一步来，候选 token 越多，draft 阶段越慢。

第二类方案是 parallel draft model（并行草稿模型）。

它可以一次性生成多个候选 token，速度很快，也更适合生成较长的 candidate block（候选块）。问题在于，candidate block 内部的 token 之间缺少足够的依赖关系。

▲ 为方便阅读，图片由 AI 生成，仅供参考

论文里举了一个很直观的例子。模型面对某个上下文时，可能同时存在 「of course」 和 「no problem」 两种合理续写。parallel draft model 因为没有真正按顺序生成，很容易把两条续写路径混在一起，生成 「of problem」 或 「no course」 这种前后不一致的组合。

结果就是，parallel draft model 开头几个 token 往往还不错，但越往后，候选 token 被 target model 接受的概率下降越快。论文把这种现象称为 suffix decay（后缀衰减）。

更现实的问题发生在线上服务里。

parallel draft model 很容易一次生成一长串候选 token，但在真实高并发服务中，把这些 token 全部送给 target model 验证，未必划算。

数学、代码这类结构化任务，答案路径相对明确，候选 token 更容易被接受。开放式聊天不确定性更高，后面的 token 更容易被拒绝。

系统空闲时，多验证几个 token 影响不大；系统繁忙时，验证那些大概率会被拒绝的 token，会占用 batch capacity（批处理容量），影响其他用户请求。

换句话说，推测解码的问题已经不只在于能不能一次生成更多 token，还在于哪些 token 值得交给 target model 验证。

DSpark 是怎么「既要又要」的

DSpark 的思路可以概括为两件事：草稿要写得更像样，审稿要更会挑重点。

在生成侧，DSpark 采用 semi-autoregressive architecture（半自回归架构）。

它保留 parallel draft model 的主干，让大部分计算仍然一次完成；同时在输出端加入一个轻量级顺序模块，让后面的 token 能参考前面已经采样出来的 token。

可以把它理解成：前面用并行方式快速铺开候选，后面再用一个很轻的顺序模块检查相邻 token 的衔接关系。

论文默认使用 Markov head，也测试了 RNN head。Markov head 主要建模相邻 token 之间的转移关系，计算成本低，部署更方便；RNN head 能保留更长的块内历史，但收益有限，复杂度更高。

因此，论文把 Markov head 作为默认方案。

这种架构的目标很明确：保留 parallel draft model 的速度，同时补上部分 autoregressive draft model 的前后连贯性。

在验证侧，DSpark 引入 confidence-scheduled verification（基于置信度调度的验证）。

系统会给每个候选位置预测一个 confidence score（置信度分数）。这个分数表示：在前面的 token 都已经被 target model 接受的情况下，当前位置继续被接受的概率有多高。

随后，hardware-aware prefix scheduler（硬件感知前缀调度器）会根据三个因素动态决定每个请求该验证多少 token：当前系统负载、每个候选位置的置信度、引擎在不同 batch size（批大小）下的 throughput curve（吞吐曲线）。

因此，DSpark 不会机械地验证固定长度的 candidate block。

系统资源宽松时，它可以验证更长的 prefix（前缀），让一次 target model 前向计算尽量产出更多有效 token。系统负载升高时，它会缩短低置信度请求的验证长度，减少对 target model batch capacity 的占用。

这也是 DSpark 相比传统推测解码更接近真实生产环境的地方：它不只追求单次生成更多候选 token，也会根据系统负载调整验证预算。

大模型的尽头，是复杂的系统工程问题

离线实验部分，论文在 Qwen3-4B、Qwen3-8B、Qwen3-14B 和 Gemma4-12B 四个 target model 上测试 DSpark，并与两类代表方案对比：autoregressive draft model Eagle3，以及 parallel draft model DFlash。

评测覆盖数学推理、代码生成和日常聊天三个场景，包含 GSM8K、MATH500、AIME25、MBPP、HumanEval、Live-CodeBench、MT-Bench、Alpaca 和 Arena-Hard 等 benchmark（基准测试）。

结果显示，在 Qwen3-4B、Qwen3-8B 和 Qwen3-14B 上，DSpark 相比 Eagle3 的 macro-average accepted length（宏平均接受长度）分别提升 30.9%、26.7% 和 30.0%；相比 DFlash 分别提升 16.3%、18.4% 和 18.3%。在 Gemma4-12B 上，DSpark 也保持领先。

accepted length 可以理解为每一轮 speculative decoding 中，平均有多少 token 能被 target model 接受。这个数字越高，说明 draft model 写出的草稿越能被大模型认可，推理加速空间也越大。

论文还观察到，不同任务之间差异很大。以 Qwen3-4B 为例，DSpark 在数学任务上的平均 accepted length 为 5.57，在代码任务上为 5.12，在聊天任务上为 3.49。

数学和代码更结构化，续写路径更稳定；聊天更开放，模型可能有很多种合理回答方式。因此，同样长度的候选 token，在不同任务里的价值并不一样。固定 verification length（验证长度）会浪费一部分计算资源。

更详细的实验解释了 DSpark 为什么行之有效。

DFlash 这类 parallel draft model 在第一个候选 token 上表现很强，因为它可以用更深的网络一次性生成候选。但从第二个 token 往后，它缺少块内依赖，接受率下降更明显。

Eagle3 这类 autoregressive draft model 在后段一致性上更好，因为它确实按顺序生成。但为了控制 draft 阶段延迟，它通常不能做得太深，因此第一个 token 的预测能力受限。

DSpark 介于两者之间。第一个 token 继承 parallel draft model 的强预测能力，后面的 token 通过 sequential module 减少 suffix decay。

结构实验也支持这个判断。论文显示，2 层 DSpark 已经超过 5 层 DFlash，说明轻量级顺序建模比单纯增加并行层数更有效。

随着 proposal length（候选长度）从 4 增加到 16，DSpark 相对 DFlash 的优势继续扩大。在最长设置下，DSpark 在数学、代码和聊天任务上分别领先 DFlash 30%、26% 和 22%。

延迟方面，sequential module 带来的额外开销很小。在 batch size 128 的测试中，相比 DFlash，DSpark 的单轮延迟只增加 0.2% 至 1.3%，但 accepted length 最多提升 30%。

置信度模块也经过了单独验证。论文在 Qwen3-4B 上做了 confidence threshold sweep（置信度阈值扫描），也就是不断提高置信度门槛，观察系统会保留哪些 token。

结果不言而喻：门槛越高，系统过滤掉的低价值候选 token 越多，整体 acceptance rate（接受率）越高。聊天任务变化最明显，acceptance rate 从 45.7% 提升到 95.7%；数学任务从 76.9% 提升到 92.5%；代码任务从 67.6% 提升到 92.0%。

线上部署部分更关键。

DeepSeek 在 DeepSeek-V4-Flash preview 和 DeepSeek-V4-Pro preview 的 production engine（生产引擎）中部署 DSpark，最大 draft 长度设为 5，对比对象是此前的 MTP-1 生产基线。

MTP-1 只做单 token 预测，加速空间有限，但在高并发下比较安全。原因在于，静态 multi-token draft（多 token 草稿）虽然看起来一次生成更多 token，但如果很多 token 最后被拒绝，反而会浪费 target model 的验证资源，拖累系统总吞吐。

DSpark 的意义在于，它让 multi-token draft 在真实线上流量中变得可控。

面对中等并发时，DSpark 会把验证预算从 MTP-1 的静态 2 个 token 扩展到大约 4 到 6 个 token，让每次前向计算产生更多有效输出。

当并发继续升高、target model 接近饱和时，DSpark 会自动缩短验证长度，减少低置信度 token 对 batch capacity 的占用。

在线上测试中，V4-Flash 在 80 token/s/user（每用户每秒 token 数）的服务目标下，DSpark 相比 MTP-1 将系统总吞吐提升 51%。在

更严格的 120 token/s/user 目标下，MTP-1 已经接近可承载边界，DSpark 给出的名义吞吐优势达到 661%。

这个 661% 不应理解成所有常规场景都能获得 6 倍以上提升。更准确的理解是：在高交互、强 SLA 约束下，MTP-1 已经很难继续维持服务能力，而 DSpark 把原本难以达到的性能区间打开了。

V4-Pro 的趋势类似。在 35 token/s/user 的目标下，DSpark 总吞吐提升 52%；在 50 token/s/user 的严格目标下，名义吞吐优势达到 406%。在相同系统容量下，DSpark 让 V4-Pro 的单用户生成速度提升 57% 至 78%。

故事的最后，自然是熟悉的配方、熟悉的味道。

DeepSeek 还宣布开放 DSpark 的模型权重，包括 DeepSeek-V4-Flash preview 和 DeepSeek-V4-Pro preview 对应的 DSpark checkpoints（模型检查点）。同时，DeepSeek 开源了 DeepSpec，一个面向 speculative decoding 训练的代码库，包含 Eagle3、DFlash 和 DSpark。

▲ https://ift.tt/cgdFZ4p

简言之，大模型推理加速已经不只是模型结构问题，也越来越是系统调度问题。

单纯让 draft model 一次生成更多 token，并不等于服务一定更快。候选 Token 的质量、通过率、验证长度、系统负载、吞吐目标……每一个变量都在极其微妙地互相牵扯。

大模型竞争正在进入更精细的阶段。训练出更强的模型，仍然是牌桌上的硬实力；但能否把模型以更快、更便宜、更稳定的方式送到真实用户面前，同样会决定一款 AI 产品的上限。

DeepSeek 选择把这套生产环境里的加速经验开源，相当于把一部分真正能提高推理效率、降低服务成本的核心方法，无私分享给全行业。

只能说，做人不要太 OpenAI，多学学 DeepSeek。

作者；莫崇宇

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

from 爱范儿 https://ift.tt/kuxNW6o
via IFTTT

早报｜GPT-5.6正式亮相，但你可能还用不了/微软将上调Xbox主机价格/大疆回应Pocket 4P开售秒空

GPT-5.6 正式亮相：三级命名体系、分层定价，但多数用户暂时无缘使用

苹果 Vision Pro 与智能眼镜负责人 Paul Meade 离职，加入 OpenAI 硬件部门

曝苹果跳过 M6 Pro/Max，M7 系列直接主打 AI 性能

微软将上调 Xbox 主机价格，2TB 版 Series X 停售

「苹果涨价引山姆代购潮」登上热搜第一

删除好友后朋友圈互动还在吗？微信公布显示逻辑

DeepSeek 大举扩招，所有部门至少扩招一倍

大疆回应 Pocket 4P 开售秒空：黄牛团伙已被警方采取强制措施

何小鹏：年底自动驾驶可合法进入全球市场，小鹏机器人中心新设九部门

特斯拉就 FSD 致死行人诉讼达成和解

国家能源局局长：生成 5 秒 AI 高清视频用电量相当于充满 10 部手机

7999 元起，vivo X Fold6 折叠屏手机正式发布

启境 GT7 上市，首批搭载华为乾崑 ADS 5

乐奇 Rokid 全球首发 AI 眼镜微信扫一扫支付

4.18 万元起，张雪机车发布 820R 和 820RR-R

微博 CLI 工具正式上线：专为开发者和 AI Agent 打造，超 70 API 一键调用

国补继续，第三批 625 亿元消费品以旧换新资金已下达

《四渡》上映，聚焦「四渡赤水」战役

周末也值得一看的新闻

GPT-5.6 正式亮相：三级命名体系、分层定价，但多数用户暂时无缘使用

OpenAI 今天正式发布 GPT-5.6 系列模型，包含三款型号：旗舰模型 Sol、面向日常工作流的平衡型 Terra，以及主打速度与低成本的 Luna。

发布采取「有限预览」形式，根据美国政府要求，首批访问权限仅开放给一小部分经政府批准的可信合作伙伴，个人用户暂无申请渠道。彭博社报道称，首批合作伙伴约为 20 家，亚马逊 Bedrock 平台可能是入口之一。

在能力层面，OpenAI 将 Sol 定位为迄今最强模型，重点强化了编程、生物信息学与网络安全三个方向的智能体能力。

Sol 在 Terminal-Bench 2.1 上得分 88.8%，Ultra 模式下达到 91.9%，高于 GPT-5.5 的 88.0%，也领先于 Claude Mythos 5 的 84.3%。

OpenAI 称，Sol 在 ExploitBench 网络安全评测中的表现接近 Claude Mythos Preview，但仅使用了约三分之一的输出 token。

定价方面，Sol 按每百万 token 计费，输入 5 美元、输出 30 美元；Terra 为输入 2.5 美元、输出 15 美元；Luna 为输入 1 美元、输出 6 美元。

相关阅读：刚刚，GPT-5.6 正式发布，史上最强但被自己坑惨了

苹果 Vision Pro 与智能眼镜负责人 Paul Meade 离职，加入 OpenAI 硬件部门

据彭博社报道，苹果负责 Vision Pro 头显与智能眼镜业务的副总裁 Paul Meade 即将离职，加入 OpenAI 硬件部门，预计下周正式入职。

Meade 在苹果任职期间，领导 Vision Products Group（VPG）负责 Vision Pro 头显的硬件工程工作长达七年，同时主导了苹果首款无显示屏智能眼镜的研发项目。

加入 OpenAI 后，Meade 将与昔日苹果同事 Jony Ive、Tang Tan 及 Evans Hankey 共事。

曝苹果跳过 M6 Pro/Max，M7 系列直接主打 AI 性能

据彭博社报道，苹果 Mac 芯片可能跳过 M6 系列的高端版本，直接推进以 AI 为核心的 M7 世代。

基础版 M6 最快将于今年推出，内存带宽约 200 GB/s，并配备更新的神经网络引擎和最多 12 个图形核心。但苹果将不会推出 M6 Pro 或 M6 Max，这是苹果芯片历史上的首次。

M7 Pro 和 M7 Max 最快于明年底发布，M7 Ultra 则预计在 2028 年推出，基础版 M7 的内存带宽将达约 240 GB/s，整个 M7 系列以大幅提升本地 AI 处理能力为核心设计目标。

此外，苹果仍计划今年发布 M5 Ultra，约 36 个 CPU 核心、80 个 GPU 核心，支持最高 768 GB 内存，但受供应短缺影响，搭载该芯片的新款 Mac Studio 发布时间存在变数。

微软将上调 Xbox 主机价格，2TB 版 Series X 停售

当地时间 25 日，微软官宣，将从 8 月 1 日起上调 Xbox 主机价格。配备 512GB 存储空间的 Xbox Series S 将上涨 100 美元至约 500 美元，1TB 版本价格再上涨 150 美元，入门级 Xbox Series X 起售价将约为 750 美元。

微软称，本轮涨价的直接原因是存储和内存成本继续上升，游戏主机存储和内存价格已经涨超 2.5 倍，并预计到 2027 年秋季还会再翻一番。

微软还宣布，于 2024 年推出的 2TB 版本 Xbox Series X 将停止销售。

「苹果涨价引山姆代购潮」登上热搜第一

苹果日前突然上调中国内地 Mac 及 iPad 全系列售价，官网、线下直营店与授权渠道同步更新价格，多款机型涨幅在 800 元至 3500 元之间。

涨价消息传开后，山姆会员店因库存尚未同步调价，与官方渠道价差动辄逾千元，迅速成为抢购热点，「苹果涨价引山姆代购潮」词条昨日登上热搜榜第一。

据鞭牛士消息，多地门店热门配置已现货告罄，部分机型断货。为防止大批量扫货，多家门店要求会员本人到店、现场激活，单款机型每人限购一台，并提示低价库存售罄后新货将同步涨价。

删除好友后朋友圈互动还在吗？微信公布显示逻辑

微信派昨日发布文章，集中解释朋友圈分组和好友删除后的可见规则。新好友看到旧朋友圈的范围，取决于新好友是否被加入对应分组，以及该条朋友圈当时设置的是「该分组可见」还是「该分组不可见」。

如果用户设置某个分组不可见，新加好友不在该分组里，就仍能看到这条朋友圈；如果设置某个分组可见，新加好友不在该分组里，就看不到这条朋友圈。

微信派把这条规则概括为：新加好友在哪个分组，就按分组可见或不可见的朋友圈规则来。

文章还解释了删除好友后的互动痕迹。如果只是单方删除，对过去朋友圈里的评论、点赞等互动，双方视角下仍会保留；如果双方互删，相关互动会从双方可见的朋友圈详情里消失。

DeepSeek 大举扩招，所有部门至少扩招一倍

DeepSeek 日前发布大规模招聘信息，称随着技术持续演进，公司正努力将所有部门规模扩大至少一倍。

本轮招聘覆盖算法、研发、运维、产品、数据工程师和职能部门等 7 大类，共开放 33 个岗位，工作地点包括北京和杭州，所有岗位均接受实习。

岗位分布显示，DeepSeek 的扩招同时覆盖底层模型、智能体产品和算力基础设施：

• 研发方向包括服务端开发、预训练数据、AI 搜索算法 / 架构、全栈开发、Agent Harness、Agent Infra、前端 / 客户端开发和测试开发。
• 基础设施方向包括超算集群研发、高性能算子 / 通信 / 编译器、大模型训练 / 推理框架、分布式存储、AI 算力集群性能与可靠性、AI 平台运维和 IDC 数据中心团队。
• 产品方向包括 AI 产品运营、Code Agent 数据工程、通用 Agent 数据产品、专业领域数据产品、AI 创作数据产品和情感智能数据产品。

Agent Harness 团队是本轮扩招的重点之一。此前 DeepSeek 资深研究员陈德里称，该团队要对标 Anthropic 的 Claude Code，做「DeepSeek Code Harness」；Harness 团队负责人崔添翼也公开表示，团队作为新成立部门，人员非常紧缺。

DeepSeek 还开放了「AI 跨界技术人才」岗位，面向具备特殊才能、希望参与创造和构建 AGI 的候选人，不设专业背景限制。该岗位加分项包括在某一领域做到极致、参与知名开源项目、写过技术博客或书籍、有创业经历等。

大疆回应 Pocket 4P 开售秒空：黄牛团伙已被警方采取强制措施

大疆昨日就 Osmo Pocket 4 系列开售后出现的「秒空」现象作出回应，称首批备货量较上代产品 Osmo Pocket 3 提升近 10 倍，但市场需求依然超出预期，导致部分渠道供不应求。公司表示正全力推进生产和补货。

针对开售期间出现的异常抢购，大疆称经溯源已成功锁定部分黄牛团伙，并已向公安机关正式报案。经警方初步侦查，近日已对多人团伙采取刑事强制措施。

经查，该团伙涉嫌利用虚拟号码、虚拟 IP 等手段实施涉及计算机信息系统的犯罪行为，恶意攻击并破坏大疆商城的正常购买秩序。

大疆表示，将持续配合公安机关依法推进案件侦办，并进一步完善平台风控机制，对黄牛恶意囤货、倒卖等扰乱购买秩序的行为保持「零容忍」态度。

何小鹏：年底自动驾驶可合法进入全球市场，小鹏机器人中心新设九部门

小鹏汽车 CEO 何小鹏昨日发文称，小鹏第二代 VLA 走向全球进入确定模式。他提到，本周联合国 WP29 缔约国会议批准了 DCAS UNR 171 series 02 和 UNR ADS 两项法规，前者对应城区 NGP 功能法规，后者对应 L3-L5 自动驾驶法规。

何小鹏称，DCAS UNR 171 series 02 会在六个月后生效并成为欧盟强制法规，到 2026 年底自动驾驶可以合法进入欧盟等全球市场；UNR ADS 目前仍是框架性法规，但会加速 L4 Robotaxi 在各地审批落地。

另据 21 财经消息，小鹏机器人中心新设九个二级部门。何小鹏在宣布亲自兼任机器人中心负责人后，目前还兼任机器人中心产品部负责人，并直接听取产品部内各组织负责人汇报；具身系统工程部、通用基座部和品牌营销部等负责人也向他直接汇报。

特斯拉就 FSD 致死行人诉讼达成和解

据彭博社报道，特斯拉已与美国一名行人家属就致死事故诉讼达成和解，双方没有公开和解条款。

事故发生在 2023 年 11 月 28 日，地点位于美国亚利桑那州 Flagstaff 与 Phoenix 之间的高速公路；71 岁的 Johna Story 下车协助疏导此前事故造成的交通时，被一辆处于 FSD 模式的 Model Y 撞击身亡。

Electrek 称，这是首个已知与 Tesla FSD 相关的行人死亡事故。美国国家公路交通安全管理局（NHTSA）在 2024 年 10 月开启初步评估，随后在 2026 年 3 月升级为工程分析，覆盖约 320 万辆车。

NHTSA 的调查重点是 FSD 在眩光、雾、尘土等削弱摄像头可见性的条件下，是否能及时识别常见道路状况并给驾驶者留出反应时间。

国家能源局局长：生成 5 秒 AI 高清视频用电量相当于充满 10 部手机

据第一财经报道，6 月 26 日上午，国新办举行「开局起步『十五五』」系列主题新闻发布会，国家发展改革委党组成员、国家能源局局长王宏志介绍「十五五」时期加快新型能源体系建设规划情况。他以算力能耗举例：

每让人工智能生成 5 秒高清视频，用电量相当于充满 10 部手机。

王宏志表示，今年 2 月底以来全球能源市场剧烈波动，多国出现能源短缺、油价暴涨与供应紧张，中国能源体系供需总体平衡、价格总体稳定。

针对「十五五」能源安全，他提出三点：做好化石能源「开发」和「储备」，将煤炭作为稳定供应的最大底气；显著提升非化石能源供给；扩大能源合作「朋友圈」，坚持能源进口多元化。

降碳减排方面，国家能源局新闻发言人、发展规划司司长任育之表示，将在供给侧做大清洁能源供应、做好传统能源转型，在消费侧抓节约和替代，包括算力等新型高载能产业的节能提效。

7999 元起，vivo X Fold6 折叠屏手机正式发布

vivo 正式发布 X Fold6 折叠屏手机，售价 7999 元起，7 月 1 日正式开售。新机提供蓝洞、盐湖、极夜三种常规配色，折叠专业影像套装另有黑金配色。

• 屏幕：8.02 英寸三星 M14 120Hz 内屏，6.51 英寸 BOE 120Hz 外屏，内外屏均支持硬件级 1nit 暗光调节；
• 影像：2 亿像素 HPB 1/1.4 英寸 F1.68 蔡司主摄，5000 万像素超广角，5000 万像素 LYT602 3X 潜望蔡司长焦，支持 200mm G2 增距镜，并搭配 V3+ 影像芯片；
• 性能与续航：天玑 9500 超能版处理器，内置 7000mAh 电池，支持 80W 有线充电和 40W 无线充电。

同场发布的 vivo TWS 5 Pro 耳机定价 999 元，首发价 949 元。

启境 GT7 上市，首批搭载华为乾崑 ADS 5

广汽集团与华为乾崑联合打造的高端智能新能源品牌启境，发布首款车型启境 GT7，定位中大型智能猎装轿跑，官方指导价 20.99 万元起，共推出 5 个版本，顶配 Ultra+ 三电机四驱版为 32.99 万元。

• 车身长宽高为 5050mm、1980mm 和 1470mm，轴距 3000mm，风阻系数 0.198Cd；
• 座舱搭载新一代鸿蒙智能助理、21 扬声器 7.1.4 HUAWEI SOUND 音响系统、HUAWEI XHUD 增强现实抬头显示，以及前排双零重力座椅；
• 后排放倒后可形成 1.9 米纯平空间，后备箱标准容积 647L，放倒后扩展至 1606L；
• 首批搭载华为乾崑智驾 ADS 5，配备 36 个传感器，包括 896 线双光路图像级激光雷达、11 个高清摄像头、5 个毫米波雷达和 12 个超声波雷达。

官方称，896 线激光雷达可稳定探测 120 米外的小尺寸障碍物，车辆采用 L3 级全链路冗余架构，并已取得广州市 L3 级自动驾驶道路测试许可，上市前 L3 道路测试实车验证里程超过 30 万公里。

乐奇 Rokid 全球首发 AI 眼镜微信扫一扫支付

在昨日举行的 Rokid Open Day 2026 全球生态及开发者大会上，乐奇 Rokid 宣布与微信合作，全球首发 AI 眼镜的微信扫一扫功能。用户佩戴眼镜看向微信收款码后，即可通过一句话完成微信支付。

Rokid 眼镜此前已支持支付宝 AI 付快捷数字支付，目前是唯一同时适配支付宝、微信支付双平台的 AI 眼镜品牌。

除支付功能外，Rokid 眼镜已支持显示导航信息，以及解锁共享单车、支付停车费等场景。此次大会上，Rokid 眼镜还与高德地图合作，推出 AI 打车智能出行助手，用户一句话即可完成打车。

4.18 万元起，张雪机车发布 820R 和 820RR-R

张雪机车发布 820R 街车和 820RR-R 仿赛两款摩托车新品。820R 街车统一零售价 4.18 万元，提供黑、白两种配色；820RR-R 仿赛统一零售价 6.198 万元，提供黑、白、红三种配色。

820R 搭载直列三缸发动机，最大功率 99kW@12000rpm，最大扭矩 80N·m@9500rpm，最高转速 13750rpm。820RR-R 同样采用直列三缸发动机，最高转速 14750rpm，最大功率 107kW，最大扭矩 85N·m。

820RR-R 采用轻量化设计，整备质量 186kg，零百加速 2.81 秒，配备 6.2 英寸 Android 触屏仪表。

张雪机车还推出 820RR-R 冠军版，采用冠军定制配色，统一零售价 6.598 万元；公司同时提示，820 系摩托车动力较强，摩托车驾龄不满一年者禁止购买。

微博 CLI 工具正式上线：专为开发者和 AI Agent 打造，超 70 API 一键调用

微博开放平台昨日正式推出 weibo CLI 工具，面向开发者与 AI 智能体用户开放，支持通过命令行或 Agent 工作流直接调用微博平台能力，覆盖内容发布、互动管理、内容检索与热点趋势分析等核心场景。

该工具基于 Node.js 18 及以上版本运行，安装后可通过 weibo auth whoami 与 weibo doctor 完成身份验证与环境检查。核心能力模块包括：

• 图文、视频与长微博发布；
• 评论与转发的统一管理；
• 关键词与用户维度的原子化内容检索；
• 以结构化数据形式接入的热搜与话题趋势。

此外，平台还开放了粉丝画像洞察与营销自动化能力，支持抽奖和批量分发等运营动作的脚本化执行。在定价方面，weibo CLI 采用 Credits 计费模式：

• 免费套餐每小时限 5 次调用，仅支持本人数据，并提供 7 天试用；
• 入门档 Basic 提供 3,000 Credits，定价 29 元每月；
• Plus 定价 69 元每月，包含 7,500 Credits 并开放批量读取与进阶接口；
• Pro 档提供 32,000 Credits，定价 299 元每月；
• 面向企业的 Ultra 档则提供 100,000 Credits，定价 899 元每月。

国补继续，第三批 625 亿元消费品以旧换新资金已下达

据央视新闻报道，国家发展改革委近日已下达今年第三批 625 亿元超长期特别国债支持消费品以旧换新资金。国家发改委会同财政部等部门今年按季度分批次下达相关资金，以保持消费品以旧换新工作节奏平稳、资金使用均衡。

截至 6 月 20 日，2026 年消费品以旧换新惠及 1.36 亿人次，带动销售额超过 1 万亿元。补贴资金撬动比由 2025 年的 1:7.8 提升至 1:10.3，即每投入 1 元补贴资金，带动 10.3 元居民消费。

政策带动下，今年 1 至 5 月，限额以上单位中高能效等级家电零售额增长超过 30%，新能源汽车市场零售渗透率连续两个月超过 60%，今年新增纳入补贴范围的智能眼镜等可穿戴智能设备零售额同比增长超过 1 倍。

《四渡》上映，聚焦「四渡赤水」战役

电影《四渡》昨日正式上映。影片聚焦长征史上的「四渡赤水」战役，把故事放在 1935 年红军以少胜多、完成绝地突围的历史节点上。

公开资料显示，《四渡》由徐展雄执导、刘伟强监制，刘烨、王雷、于适、王志飞、王耀庆、林永健、许魏洲等主演，取材自中央红军长征期间的四渡赤水战役。刘烨饰演毛泽东，王雷饰演周恩来，王志飞饰演朱德，于适饰演原创角色赵德发。

是周末啊！

One Fun Thing｜用手腕肌电信号操控设备，念象科技 Omniband 获天使轮融资

据 36 氪报道，专注非侵入式神经接口技术的念象科技已完成近千万元天使轮融资，本轮融资由永珺星芒领投，浦东创投、一村资本跟投。

念象科技成立于去年底，首款产品 Omniband 是一款腕戴式表面肌电神经接口设备。它并不直接读取大脑皮层信号，而是通过手腕处的神经肌肉电信号，解析手部运动意图和连续动态手势。

它试图把「动手」这件事变成新的输入方式：用户可通过手势隔空操控手机、电脑、智能眼镜和智能家居，也能实现空中手写，形成类似「隐形键鼠」的交互体验。

周末看什么｜《玩具总动员 5》

由皮克斯与华特迪士尼影片联合出品的 3D 动画《玩具总动员5》是《玩具总动员4》续集、主系列第五部正传，由安德鲁·斯坦顿执导，汤姆·汉克斯、蒂姆·艾伦、琼·库萨克等回归配音，也是该系列首部无联合创始人约翰·拉塞特参与的正传。

剧情聚焦数字时代的童年危机：八岁的邦妮沉迷于青蛙造型平板「小荷平板」而冷落玩具，接任「新警长」的翠丝在一场公路冒险中，联合胡迪、巴斯光年及流落荒岛的「巴斯光年军团」，最终帮助邦妮重拾真实友谊。

口碑方面，烂番茄基于 272 篇评论给出 93% 新鲜度、Metacritic 73 分；豆瓣评分 8.1 分，58653 人参与。与此同时，斯坦顿在首映式暗示「邦妮三部曲」尚未完结，外界解读为皮克斯已在筹划第六部。

买书不读指南｜《结束一周工作后，我会去动物园做梦》

《结束一周工作后，我会去动物园做梦》由南京红山森林动物园园长沈志军主编，收录红山动物园「以诗之名，让珍稀被珍惜」自然诗歌征集活动中的作品。

红山动物园这些年受到关注，动物种类只是其中一部分，更重要的是它调整了人观看动物的方式：没有动物表演，不强调固定游览路线，动物也可以选择不被看到。

书里的诗来自孩子、上班族、老人和普通游客，他们在短暂停留中写下对非人类世界的观察。

游戏推荐｜《死亡搁浅 2：冥滩之上》

《死亡搁浅 2：冥滩之上》是小岛工作室开发的动作冒险游戏，由小岛秀夫担任总监、编剧、制作人与设计师。

游戏承接《死亡搁浅》故事 11 个月后的时间线，主角山姆·波特·布里吉斯原本试图与洛隐居生活，但新的危机迫使他再次踏上旅程，前往墨西哥与澳大利亚，将更多地区接入开罗尔网络，并继续追问系列核心命题：「连接是必要的吗？」

相比初代，本作将舞台从美国废土扩展至澳大利亚，以沙尘暴、地震、时间雨、河流水位变化等动态环境强化送货与路线规划压力。

IGN 中国给出 9 分高分，评价其为「一部卓越的续作」，认为本作在叙事上更专注，也在玩法上修正了前作痛点，尤其是潜行、战斗、装备成长和任务节奏均有明显改进。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

from 爱范儿 https://ift.tt/OHRf5xq
via IFTTT