
nubia是中兴旗下的子品牌,自2012年品牌推出以来,共发布了包括Z5、Z5 mini(小牛)、Z5S和Z5S mini在内的四款智能手机。今日,nubia在京推出了新一代旗舰机型X6。
nubia X6搭载了主频为2.3GHz的高通骁龙801(8974AB)与主频为2.5GHz的高通骁龙801(8974AC),采用了分辨率为1080P的6.4英寸夏普屏幕,屏幕显示精度高达344 PPI,拥有2G/3G RAM可选高速内存,4250mAh的超大容量电池搭配nubia电工使用,也为nubia X6提供了超长续航。
该机90%的机身采用了金属材质,整机仅有7.9mm厚,而它采用了nubiArc 3.0背部大弧面方案,用户握持时手感更佳。
nubia对拍照功能一直“情有独钟”,nubia X6也不例外。
X6拥有全新升级的NeoVision 3.5拍照系统,除保持对焦测光分离、独立白平衡、曝光锁定等一直极受nubia智能手机用户欢迎的独创性功能以外,还增加了业界首创的电子光圈、实时偏光滤镜、以及媲美单反画质的超强夜景等功能,成为了一款名副其实的“手机中的单反机”。
X6采用了首款自动对焦的1300万像素前置摄像头产品,为用户带来了堪比相机的自拍体验,同时还拥有瘦脸、大眼、美白、磨皮等实时美颜功能,支持人脸识别和光绘模式。
后置摄像头采用了索尼Exmor RS CMOS传感器,再配合F2.0的超大光圈,光线不足的情况也可以获得充足的曝光,支持OIS光学防抖技术和双闪光灯功能,即使在弱光环境下手持拍摄,也能保证照片清晰、成像稳定。
X6拥有B门功能,也就是专业单反上才能实现的光绘功能。除此之外,nubia X6还开发了蓝牙快门配件,可远距离控制快门拍照。
nubia X6拥有一块分辨率为1080P的6.4英寸夏普屏幕,屏幕显示精度高达344 PPI,这给用户提供了更好的视频、游戏体验。
该机支持杜比以及dts,还采用了双喇叭、侧出音设计,两个喇叭分别位于机身顶部和底部,有效加大了左右声道的喇叭间距,极大地增加了音场的宽度和纵深感,使用户感受到真正的立体声效果。
nubia X6采用了最新的nubia UI 2.0操作系统,nubia表示该系统秉承少即是多的理念,整体设计是偏扁平的风格,图标采用了圆形以及圆角矩形两种样式。
该系统支持一键分屏功能和单手模式,分屏功能是系统级的应用,从软件底层进行开发和实现,单手模式使得用户可以单手操作6.4寸大屏的X6。
智能手机已经开启了4G时代,X6延续了nubia智能手机的“全网通”理念,在支持3G全网通的同时,还引入了TD-Lte和FDD-Lte,真正实现了3G+Lte“全网通吃”。同时默认配备了双卡卡槽,后续有机会通过软件升级为双卡。
nubia X6有皓月白及香槟金两种颜色供用户选择,据悉,nubia X6已经成为京东“JDPhone计划”的一员,该机将于3月25日(今天)17:00在京东商城、nubia官方商城、nubia官方体验店同步开启预定,售价2999元起。
下面是nubia X6高清图赏:
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。