
一加手机2代保留了1代的部分设计美学,但给人更精致的感觉。再加上与对手旗舰机型相比的处理能力强大的硬件和低价格,一加手机2代对于尚未做出决定的买主来说极其有诱惑力。
与1代相比,一加手机2代价格略高,这是合乎情理的,因为其元器件成本更高。16GB版一加手机2代价格为330美元,64GB版价格为390美元,比其他旗舰型号便宜许多。
与1代相似的是,只有受到邀请的用户才能购买一加手机2代。要获得购买一加手机2代的机会,用户需要访问下述城市的游击概念店:班加罗尔、柏林、德里、雅加达、伦敦、米兰、纽约、巴黎和旧金山。否则,用户就需要等待其他人通过社交媒体分享邀请码或在一加论坛参加竞赛活动。
一加将首先销售64GB版一加手机2代,16GB版销售将从“晚些时候”开始。
一加手机2代尺寸略小于1代,保留了部分配置,例如5.5英寸全高清显示屏。一加手机2代采用金属中框,给人一种高大上的感觉,有5种不同颜色的后盖供用户选择。磨砂质感的砂岩黑后盖方便握持,用户无须担心它会从手中滑落。喜欢更光滑后盖的用户,可以以约27美元的价格购买凯夫拉、黑杏、酸枝、竹质材质的新后盖。
一加手机1代的关键设计元素之一是悬浮屏幕,2代保留了这一元素。屏幕下方是指纹传感器,可以开锁手机。有趣的是,它不是一个按钮,而是一个浅浅的“凹陷区”。
一加手机2代的SIM卡槽隐藏在后盖后面。令人遗憾的是,两个卡槽都是nano-SIM。音量调节键也移到了机身右侧,紧挨电源键,为左侧的Alert Slider键腾出了位置。Alert Slider有3种设置——接收所有通知、只接收优先通知、完全不接收通知。
机身底部是USB Type-C接口,1300万像素的后置摄像头位置适当下移,并增添了激光辅助聚焦功能。一加手机2代配置500万像素前置摄像头。
另外,一加手机2代没有配置microSD卡槽,采用不可拆卸电池设计。
一加把一加手机2代称作旗舰杀手,从理论上说它具有这样的潜质。一加手机2代配置高通时钟频率为1.8GHz的8核骁龙810处理器,64GB版配置4GB运行内存,16GB版配置3GB运行内存。用户可能对810芯片心存疑虑,但一加称,其OxygenOS针对810芯片进行了优化。
1300万后置摄像头采用内置光学防抖技术,f/2.0镜头,支持激光辅助聚焦技术。摄像头的像素更大,有助于在低光环境下拍摄出高质量照片。另外,一加手机2代电池容量高达3300毫安时。

一加手机2代将有3个版本,以提高LTE网络兼容性。一个版本支持美国4G数据网络,全球版支持英国、澳大利亚和亚洲的4G网络,第三个版本只支持中国的4G网络。一加手机2代能在所有GSM网络上接打电话和收发短信。
一加手机2代运行一加的OxygenOS。OxygenOS与原生版Android非常相似,基于Android Lollipop 5.1。
与其他公司的定制版Android一样,OxygenOS也有数项定制功能,例如双击激活、可定制的图标和一项被称作Shelf的新功能,使用户能快速访问经常使用的应用。Shelf目前处于测试阶段,是可选的。
一加手机2代的发布正值各大厂商发布它们的旗舰机型之际:三星、HTC、LG、小米都公布了旗舰机型,苹果还需要一段时间才会发布新一代iPhone。这使得价格相对低廉的一加手机2代在吸引潜在的升级用户和新用户方面有一定优势。
与小米只在部分国家销售小米Note不同的是,一加则在全球销售产品。一加手机2代将于8月11日登陆美国、印度和欧洲市场,第四季度登陆东南亚市场。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。