
CNET科技资讯网 3月27日 北京消息(文/齐丰润): 互联网手机的“下半场”让许多厂商走上了涨价之路,无论是以性价比出道的小米,还是追随着性价比之路的一众互联网手机品牌,在面对着配件供应商的涨价态势,打造高端产品线成为了大部分手机厂商的应对之法,高性能就要付出高价格已经成为了当下主流的产品理念。
不过当主流的动向有所改变时,总有一些少数派在保持着自己的自己的初衷,在互联网手机迎来变革的当下,或许360手机就是个特例,其N系最新作N5就用实际的售价和配置表示出了“主流不是360要追求的,性价比才是”。
一款手机被消费者拿到手中时,“好不好看”绝对是留下第一印象最主要的参考点。在这个看脸的时代,无论是什么产品,颜值首先要过关。
360 手机N5拿在手中的第一感觉就是轻、薄,正面设计简洁,顶部除听筒、摄像头、感光器外,还有一颗隐藏在面板下的柔光灯,可以在自拍时自动进行补光。
机身下部是三颗虚拟按键,中间是圆形HOME键,其余两颗按键被设计在了HOME键的两侧,小点设计,不仔细看的话还是很难发现的。
屏幕5.5寸,2.5D设计,整体来看,360手机 N5的正面颜值符合当下的主流设计,简洁、圆润,能够被大部分消费者所接受。
手机背面采用金属机身设计,拉丝处理让手感和观感都得到了提升。上半部分设置了摄像头、闪光灯和指纹识别器,下半部分则是360的Logo。
机身左侧是SIM卡槽,支持双卡双待,右侧则是音量键和电源键。
“性价比”一直是360手机 N5最强调的一个词汇,1399元的售价让其并入到了千元机的行列。近两年,千元机市场一直是各大手机厂商抢占市场份额的重要发力点,不过随着行业整体的变革,千元机市场已不再有当年的火爆局面,性价比似乎也不再是大家的追逐目标。
但360却依然执着于性价比这条路。360手机总裁李开新就曾在360手机N5的发布会上表示,360手机会一直坚持性价比的路线,让用户得到真正的实惠。N5也确实做到了这一点。
首先,360 手机N5采用了高通骁龙653处理器,性能表现在千元机中还是相当不错的,对于游戏和娱乐的需求,基本都能够满足。在测试的几款游戏表现中,360 手机N5都能够流畅运行,游戏体验出色。
其次就是360 手机N5本次主打的6GB大内存,这在千元机中可以算得上是“独一家”的表现,因为就市面上的手机产品来看,6GB内存也并没有普及开。
而针对如此的大内存设计,360也在N5中加入了针对性的专属功能。
FastZone可以根据用户对程序的使用频率,利用机身运行空间,自动将常用程序驻留在内存当中,加快程序启动速度。至多可在内存中常驻8个应用,不会影响到系统或是其它程序运行的流畅性和稳定性。
Transform是特地在屏幕的侧边做了一个多任务应用切换栏,最近使用的程序会以小图标的形式存在,切换不同程序时,只需划开侧边栏,点选任务,就能直接进入。
Infinity实现了系统级别的应用程序无限多开,并让每一个分身应用都能成为一个独立的程序,突破了安卓系统的底层限制,结合6GB内存,基本保障了多开分身应用的稳定、流畅运行。
接下来我们说说拍照,360手机 N5采用了一颗1300万像素的后置摄像头,支持4K视频录制,其内置的拍照软件功能还是十分全面的,可以针对不同的需求进行选择。
前置800万像素摄像头,以及柔光灯,加上内置美颜功能以及丰富的软件功能,为自拍爱好者提供了更多玩法。
续航方面,通过实际测试,轻度使用待机状态可保持两至三天以上,中重度使用基本也可以维持全天的使用,整体来说表现不错。360手机N5还支持QC3.0快充,4000mAh充满仅需90分钟。
作为一个靠安全起家的厂商,360将自身的安全基因也注入到了产品之中,从N5内置的诸多软件中,我们都可以看到保障用户的安全,是360手机相当重视的一环。
360手机N5的出现,可以说是为千元机市场带来了一个强劲的竞争者。配置、性能的表显都算得上是千元机中的鳌头,再加上经过优化和设计的软件系统,体验上也能让用户获得舒适的感受。配上1399元的起售价格,让消费者们在一片看涨的手机市场中,依然可以找到一款性价比产品。其实太多的表述都很难诠释360手机N5全面的表现,不过综合看来,它真的是一款极富诚意的手机产品。
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。