
去年5月7日是乐视推出超级电视X60的日子,而且乐视也是国内首家推出自有品牌电视的互联网公司。在此之后,乐视推出了包括Max 70、X60、S50、S40在内的一系列超级电视新品,并且在50寸以上的高端电视产品市场占据了领先的地位。
一年过去了,今天,乐视在京发布了4核、4K、H.265硬解码的智能电视——50英寸X50 Air,这也是乐视第一款4K超级电视产品。X50 Air最终定价为2999元,乐视会加速国内电视行业进入4K时代的步伐。
乐视贾跃亭认为,去年可以说是智能电视的元年,用户购买智能电视逐渐标准化,更加注重硬件性能等方面因素,而且也让智能电视进入了生态时代,平台、内容、应用等也是非常重要的。
在今年的CES上面,三星、LG、索尼等厂商纷纷拿出了4K电视产品,但是它们普遍价格偏高,而且在内容支持方面也很欠缺,即使消费者花大价钱买了一台4K电视,也没有丰富的4K片源支持。
丰富的4K资源是驱动消费者购买4K电视的源动力。
丰富的视频资源是乐视的优势之一,贾跃亭表示,在今年,乐视自制的4K内容将占国内市场份额的70%以上,乐视的内容也将全面4K化:自制4K化,引进4K化。张艺谋加盟乐视,在内容方面也会做出自己的努力,据悉,下一部作品《归来》将采用4K技术,并登录乐视独家发布。
4K电视不应该只是个空壳子,贾跃亭说道,4K不等于4K电视,4K应该是“平台+内容+终端+应用”的全产业链服务。
基于垂直整合的乐视生态,乐视推出了4K生态——Le4K,不同于4K和准4K,Le4K是覆盖拍摄、制作、云上传、云存储、云转码、云传输、云播放、终端整个产业链上下游,并通过由4K自制+4K引进、4K云平台+H.265、4核CPU+4核GPU、4K屏幕+4K UI组成的“4X4”完整4K体系,保障用户体验极致的高品质4K内容。Le4K是一套从源到云到端的完整4K解决方案,将改变人们的互联网生活。
在发布会上,乐视还发布了4K云平台,通过专有4K编码优化、专有4K分发通道、专有4K播放通道和全终端P2P技术,提供从源到云到端的4K解决方案,让4K内容真正被用户所及所用。乐视4K云视频开放平台,目前带宽总量已过3.5T,通过260多个CDN节点,实现全球覆盖。无论何时,无论在哪里旅行,均可安心享受流畅稳定的视频服务。
乐视的这些举措也让4K不再是噱头,真正达到触手可及。
X50 Air采用了Open Cell一体化设计,机体厚度仅为16.5mm,重量不足15kg的重量, 5.9mm的极窄边框为整机增色不少,其后壳使用了聚碳酸酯透明背板,让用户对产品内部电源板、背光驱动板、智能板、走线一览无余。
X50 Air不仅外形工业设计可圈可点,其配置也是非常强劲的。其屏幕采用了分辨率为3840 x 2160的InnoLux 4K面板,支持3D,搭载了主频为智能电视芯片Mstar 6A918,4核1.5GHz A9 CPU,4核Mali 450MP4 GPU,2G运行内存,支持OpenGL 2.0,点对点显示图形加速器,每秒1亿多个三角形生成率,每秒38亿像素填充率。Mstar 6A918是全球首个4K视频H.265硬解码的处理器,能让10M带宽就在线看4K视频。
X50 Air还运行了最新的Letv UI 3.0,搭配全新的超级社交遥控器使用,交互体验更佳。
据悉,该机将于今日在乐视商城接受预定,4月22日,量产全配版(售价2999+980元)和张艺谋《归来》艺术版正式发售。贾跃亭在演讲中说了一句话,“我们一小步、人们一大步”,而乐视也将沿着自己的轨道继续前进。
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。