
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
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。