google家庭组的限额是共享的吗

买了 gemini 三点一 pro 订阅却一个人独享，太亏了！今天三分钟教会你如何开启家庭组，以及如何解决地区不服无法加入的问题。 还没有成功订阅 pro 的 雏子，可以打开 higemi pro 咪进入哈基米认证中心，输入相关信息，完成 pro 的 自助订阅。 接下来 up 就 来教大家如何开启家庭组。点击头像，点击管理你的账号，进入账号管理页面，点击用户和分享，点击开始， 再点击创建家庭组，然后点击确认，这里可以邀请用户，也可以直接跳过 在家庭组页面点击发送邀请，输入要邀请的账号邮箱，然后点击发送即可完成邀请。别着急，这里还有很重要的一步，点击 google y 存储空间，再点击管理会员资格， 拉到最下面，点击管理家庭设置，打开与家人共享 google one 的 开关，然后被邀请者同样点击头像，进入账号管理页面，再点击用户和分享，查看邀请， 点击查看邀请，加入对应的家庭组即可。 刷新一下可以发现右上角的头像已经变成 pro 专属的彩虹头像框了。 很多宝子在加入家庭组的时候会遇到地区不一致无法加入的问题， up 在 这里教大家一个焚绝，就是关闭邀请者和被邀请者的支付资料。 如何关闭支付资料呢？请看 vcr。 点击头像，再点击管理账号，接着点击钱包和订阅， 点击管理付款方式。这里需要验证是本人，我这里是采用 rfa 验证码验证，有的保子是手机验证等，按提示完成验证即可。 接下来我们点击右上角的设置，进入设置后拉到最下面，点击关闭支付资料，根据提示输入密码， 然后随便选择一个原因，点击关闭支付资料，等待加载完成，这样就关闭支付资料了。

大家好，今天更新一下谷歌账号注册的最新教程。现在注册一个谷歌账号是比较困难的，你是不是也遇到过这种情况，想注册个谷歌账号，结果网页端直接弹出一个二维码，强制你用手机扫码， 可扫完之后呢，他又让你发短信验证，一来二去直接卡死。或者你好不容易填完了所有信息，系统却提示此电话号码无法用于验证，换了好几个号都不行。 更气人的是，就算你千辛万苦注册成功了，刷新一下页面，账号居然被封禁了。别急，这些都不是你一个人的问题，最近谷歌风控全面升级，老方法基本上都失效了，今天咱们就结合最新的实测经验，一步步拆解，教你如何稳稳的注册并养好一个谷歌账号。 准备齐全以后，我们进入实操环节。首先你得准备好这三样东西，纯净的设备、干净的 ip 以及有效的手机号。先说下设备， 千万别再用电脑浏览器直接注册了，那条路基本上堵死了。首选方案是用手机，无论是苹果还是安卓，用原生的 gmail 或者 google play app 注册成功率是最高的。如果你实在没有合适的手机，也可以用电脑上的安卓模拟器， 并且记得在代理软件里面开启 t u n 模式，不然模拟器里面的应用上不了网。然后是 ip， 这点非常关键。建议你首选美国的节点，因为美区账号的功能是最全的，如果你想白嫖 jimmy 会员和他的家庭版功能的话，必须选美区。 建议大家选择小众的机场，在线路不拥挤的时间段来注册，或者自己搭建一个国外的住宅网络。最后是手机号，这是最大的拦路虎， 现在虚拟号码接码平台的号码现在基本上都不能用了，就算注册成功，后面如果遇上了二次验证也会挂掉。谷 歌是支持大陆手机号进行注册的，只要你之前没有用这个手机号码注册过谷歌账号还是可以用来接码的。如果你的大陆手机号不能用了，那么推荐大家使用实体的海外手机号， 比如英国的 giffgaffe， 或者我之前介绍的几款香港的手机号，成功率都比较高。记住这三样，纯净的设备，干净的 ip， 有 效的手机号准备齐了，咱们正式开始注册，这里我以苹果手机为例来演示一下。 好，我们先下载一个谷歌邮箱，在首页这里点击登录，选择谷歌，这里点击创建账号，选择个人用途。 接下来填一下你的姓名，可以用中文点击下一步生日和性别，生日这块要确保你的年龄在十八岁以上，最好是十八到二十二岁，这个年龄可以随便填的，如果你低于十八岁的话，他会要求你提供父母的验证，就比较麻烦了。这里大家一定要注意一下， 点击下一步这里可以自由定制你喜欢的谷歌邮箱用户名，然后点击下一步，创建一个密码，点击下一步这页的话，你挂的哪个国家的节点，这里就会显示哪个国家的电话号码。没关系，我们还是可以选择用中国的号码进行验证， 这里我们把国家改成中国，输入一下我们加八六的电话号码，点击下一步，如果这里显示的是此电话号码无法用于验证，说明这个电话号码之前已经注册过谷歌邮箱，这里唯一的解决方案就是更换一个电话号码， 然后下一页需要手机输入一下验证码，点击下一步，这里拉到最下面，点击，我同意 这里已经出来了我们的账号了，点击下一步，然后进入到邮箱的页面，这里的话我们谷歌账号的初步的注册就完成了。接下来我们还需要进行一些安全的设置，只有在安全设置完成以后，你这个账号才可以稳定的使用。 安全性设置的第一步是需要我们添加一个辅助邮箱和辅助电话号码，我们在右上角头像这里点进去点击管理您的谷歌账号， 点击添加辅助邮箱，这里需要输入一下我们的密码进行验证，点击下一步，设立一个辅助邮箱，点击保存。 在辅助邮箱添加成功以后，我们还需要打开我们的辅助邮箱进行一下验证，点击这里进行验证。完了以后我们可以输入我们的辅助电话号码，点击这里进行编辑，然后我们第一步的设置就算完成了。安全性设置的第二步是添加两步验证， 我们在谷歌账号这里点击安全性与登录，这里选择两步验证，两步验证需要添加一个通行密钥，以及添加一个身份验证器，这里我们先添加一个身份验证器， 点进去选择设置身份验证器，这里他会给你一个二维码，你可以保存一下，如果你觉得扫码不太方便的话，点击无法扫描，这里有一串数字， 我们需要把这串代码先复制一下，然后去商店里面下载。谷歌验证器是这个图标，点击获取，进入首页，点击开始使用，用我们刚刚注册的邮箱登录一下， 然后选择添加动态密码，我们可以用刚刚那个码扫一下，也可以在这里选择输入设置密钥，把刚刚那串密钥粘贴过来，这里随便取一个账号的名称， 密钥类型选择基于时间点击添加，然后谷歌验证器这里就会显示一个六位数的密钥，这个密钥是每三十秒变化一次，我们把这个密钥输在我们刚刚的谷歌账号里面，点击验证， 这样的话我们就成功添加了身份验证器。添加成功以后呢，我们还需要手动点击开启按钮，这样才算真正的完成了身份验证器的应用设置。最后这步我们再来设置通行密钥，通行密钥跟我们的硬件设备是直接绑定的，这玩意能直接替代短信验证码。点进去 这里，如果你像我这样显示无法在设备上创建通行密钥的话，很有可能是因为你的一些设置没有完成。这里的话我们需要先在设备上完成一些安全的设置。如果你是苹果用户，得先检查两个设置才能添加通行密钥。第一个，打开设置里面找到 icloud， 点击密码，要确保同步此 iphone 是 打开的状态。第二点，确保你的手机设置的锁屏密码，并且 face id 或者指纹识别已启动。设置好以后锁屏一次再解锁或者重启一下手机就可以进行设置了。 我们回到谷歌账号的设置页面，这里创建一下通讯妙，接下来验证一下你的面容或者指纹就搞定了。安卓用户同理，确保指纹密码或者锁屏密码已经设置好，就可以进行直接创建到这里，一个安全系数比较高的谷歌账号才算真正大功告成。 账号是数字世界的钥匙，细心维护才能长久使用。最后，给大家几个养号的秘籍。第一，养号 刚注册的前七十二个小时是最关键的，尽量不要频繁更换 ip 或者跨地区登录，让他安静的躺一会，平时定期登录一下，用几秒发发邮件，开开 google drive， 让系统觉得你是一个真实的用户。 第二，信息更新，每年检查一次你的辅助手机号和邮箱，确保他们还能够用。第三，应急备份，把两步验证的密钥和恢复代码都抄下来，放在你觉得安全的地方，万一手机丢了，这些能够帮你找回账号。 还有一个高阶提示，如果你想用 gmail pro 的 高级功能，或者加入家庭主分享两 tb 的 空间，注册的时候务必选择美国地区的 ip， 这样出来的账号才是美区的功能才最全。 如果你的账号被封了怎么办？别着急，谷歌账号已停用，不代表判死刑。谷歌的封号逻辑往往是疑似机器人，你的任务是通过人工申诉来证明我不是机器人。当你发现被封以后， 尽量在二十四小时内就发起申诉，申诉的模板要简单直接，直接用简单的英文告诉对方，这是我本人日常使用的个人账号，所有操作均由真人完成，从未违反规定。大家把这段话用 ai 翻译一下，用英文发过去就行，一般很快就能得到回复。 申诉成功以后，通常一到三天你就会收到恢复的邮件，登录的时候系统会要求你再次验证手机号，你可以用你注册的手机号来进行编码，只要过了这一关。

哈喽，大家好，就在上周，我从我工作了将近四年的姑姑艾子离职了，然后在今天加入了我在骨科新的组。嗯，回想我这一路转组其实也是一个很艰难的决定，但是也 经历了很多波折，所以我想在今天正我成功加入新组的第一天，给大家来分享一下啊，我这一路我为什么转组和转组需要的一些准备的工作和流程。 首先第一点，我们先说转组的定义，呃，顾名思义，呃，其实在谷歌和很多大的公司，其实他都支持你在公司内部做一个转组的操作，就是在你不离开这个公司的前提下，把你呃的位置挪到另外一个新的组去。 那大家寻求转组的原因其实也多种多样，有的时候你可能是想要学习啊，一个新的领域啊，不想在现在的领域去做了，有的时候可能是你想寻求一个新的工作环境，或者有的时候是你想换一个国家去工作生活，那只要这个新的国家的 愿意接受你啊，公司就会帮你做这项一个 transfer 的 操作。那就我个人而言啊，我转组的根本的原因就是因为我其实也在 google ads 待了将近四年了，因为我实习和全职都是在啊 ads 下面，我觉得我到了一个呃 要瓶颈或者是一个地方，我想要寻求新的改变，我想要去做新的东西，包括现在因为 ai 也发展的很快，所以我也想要改善这个步伐，所以我就是一直在寻求能做跟 ai 有 关的 经验，而这是我转组的根本原因。然后我们第二步再说转组的流程是什么样子的？嗯，在谷歌的话，内网会有一个专门招人的网页，然后这个网页上的职位有一些是 给内部的人开放的，有一些是给内部和外部的人都开放的职位啊，然后你只要在上面看你想要的地理位置啊，还有你的级别，还有你的工作的开头，然后你就可以去申请了。然后我个人的体感下来是，其实现在，嗯工作申请真的非常激烈，尤其是 跟 ai 有 关的职位啊，有的时候可能老板刚放出来就会收到几百个简历，嗯，就是大家都是在寻找新的机会那，呃，在这样一种竞争很激烈的情况下，我觉得除了我会建议，除了大家在内部呃这个网站上找机会，其实还有一个很重要的机会，就是你可以寻找 你身边的朋友给你内推，比如说你的你有一个很心仪的组，然后你正好有一个关系在那边，那你可以请这个人帮你啊，在老板面前内推也好啊，或者是给你打个招呼也好，其实都是会对你的申请有帮助的。 或者是呃当你跟别的组有合作机会的时候，建立一种这样的 networking， 那 有的组他放出来，呃他有一个职位空缺，那可能老板还没有来得及在呃网站上 公开信息，那他可能就已经会内定给一些他觉得比较合适的后选人。所以说我觉得呃找这个新的机会，呃不仅是在外面，在这公开的平台去刷很重要，你有一些内部的机会，呃 networking 和 refer 其实也很重要。 接下来进入到第三点，就是当你有了这样一个机会，同时对面的老板也愿意跟你进行面试的时候，你们面试的流程和你应该聊什么？ 首先一般的流程是，呃，当新组的老板对你的背景感兴趣，他会发起一个呃聊天，然后你们俩会呃开始有一个第一次的一个面试，那这个面试其实大部分就是老板们会介绍说，哦，我们这个组是做什么什么的，然后他给你个 high level 的 picture， 然后同时呢，你也会去介绍一些说，哦，我现在组是做什么，我的背景是什么样子的和我想要在呃新组里面获得的东西是什么？呃，你们会有一个 呃这样的可能，基本上半个小时左右的聊天，那如果老板觉得合适，呃把你进入到下一步，那下一步可能他会建议说你去跟呃组里的 t l 聊一聊，或者跟组里的 senior 聊一聊。 呃，然后呃当然跟他们每一个其实不同的人聊天其实侧重点都是不一样的。比如说当你去跟 t l 聊天的时候，其实嗯 t l 会更倾向于跟你讲一些我们的 tax details， 所以 你可以呃更清楚地知道说我喜不喜欢这个组每天真的在抠你的东西。那你还可以去问一些，比如说这个组的呃工作方式是什么样子啊？这个老板的 manger 的 style 是 什么样子？这个组的 work life balance 是 什么样子？呃，其实就是一些老板不太会跟你呃讲的话题，或者你想听更真实的反应，其实是跟组里的人 呃能拿到比较真实的反馈。同时，呃你也可以去跟组里的 senior 或者是 i c 呃从他们手里呃，可能你更能了解到这个老板的 manager 的 style 是 什么样子。呃，你就更能想象到说，如果你加入这个组，那你喜不喜欢这样一种工作氛围， 那有的时候呢，我也会去跟，比如说更高 level 的 像 skip manager 去聊，或者是呃作为 end 主，有的时候你要跟呃 pm 合作，要跟呃 data scientist 合作，要跟 ux de designer 合作，其实 跟他们都是可以有一些聊天的，如果你喜欢的话，然后我经历过的面试是没有问我跟 tech 有 关的，比如说 coding 的 问题，或者是 system design 的 问题，嗯，但这个比较因人而异，有一些组会去问你这样的问题，所以你可能就要提前准备一下。我们刚刚说到 你面试的时候如果顺利呢，那新组的老板会给你发一个呃 internal 的 offer， 然后问你感不感兴趣，呃，来这个组，然后这个时候你们就要确定你的开始时间，那我会建议说，其实这个时候是跟你现在老板聊摊牌的最好的时候。呃，你可以 比如说我，我就是，我跟我之前老板的关系非常好，但是我也是在拿了 offer 之后，我找到他说，呃，我很呃，我很感激呃过去的我们的合作呀，但是现在有一个新的机会呢，这个机会我很 感兴趣，所以我想要两周之后离开那，嗯，一般的时候老板是没有办法阻止你的，或者说，嗯，大家都会很友好的说那 good luck。 那 你可以在这两周，一般是两周啊，在这两周的时间进行一些呃 knowledge transfer 啊，和一些呃项目的交接。那我觉得，呃，我能给的建议就是这个时候还是要 be professional， 比如说我其实是，嗯， 很，我很喜欢我之前的组，我跟大家合作也很好，所以其实我在做这个决定时候是很舍不得的。嗯嗯，但是你这过程中还是要保持专业的态度去跟大家确认说我可不可以把这个项目交给你。那我也知道我有些朋友可能他在原来的组就是很不开心， 他就是跟老板有很大的矛盾，但是就算这个时候你已经决定要离开，我觉得还是要一个比较专业的态度啊，不要说因为我不干了，所以我就，呃， 要要摊走人，或者说我就说一些不好听的话，我觉得，嗯，在职场上还是要 be professional， 嗯，就公事公办。所以说这个中中间呢，你和你的你的新组的老板和旧组的老板也会有一个 meet， 然后他们可能讨论一下你的具体的细节，那这一切搞定之后你就可以转组了。 好啦，这以上就是我转组的故事啊，我其实从去年就有在陆陆续续的看新的机会啊，但确实是，嗯， 跟 ai 有 关的都竞争非常激烈。同时因为我的地区是在纽约，纽约本身的组就比较少，然后大家也都很想从别的地方 re location 来纽约，嗯，所以我也花了一些时间去找合适我的组， 嗯，希望这些经验能帮到大家。然后因为今天我也没有写稿，我就是想到哪里说哪里，我可能会有一些嘴瓢，所以，呃，如果我有什么说的不对的，我会在视频里面打印打出来，然后 let me know， 如果你有任何的问题， 祝大家都能呃，在自己喜欢的领域做自己喜欢的事情，然后之后我再来更新说我在新组的呃，感受是怎么样子的，拜拜。

各位彦祖，今天我来录制一个咱们家的 jamie nike pro 订阅步骤， pro 是 持续一年的，量大管饱，而且这个是全家桶，订阅完成的话，你拥有的是 google 全套的 pro。 举个例子，用户经常私信问我的 notebook， 咱们打开这个网站注册登录进来之后，咱们按照提示，把订阅需要用到的信息填入咱们的输入框，提交任务，等待几分钟，任务执行完毕后， 咱们的订阅就完成了。后面要做的就是回到 google 的 页面去做验证，点赞、关注、收藏。

今天一期视频教会大家加入 steam 家庭组，还有如何和好友创建家庭组，只要咱们和好友同在一个家庭组里面，家庭组里其他一附所有的游戏你都能畅玩，是不是特别爽呢？ 那么接下来我就教各位如何去组建 steam 家庭组。在开始之前，我们先对 steam 加速，避免中断操作。我们可以使用古怪 d steam 加速 没时长不要紧，我们在右上角输入来财即可获得时间。完成操作后，我们打开 steam， 同时打开你和你异父的 steam 客户端，点击 steam 左上角的设置选择界面，下拉参与客户端测试这一栏，将其设置为 steam families beta。 接着 立即重启 steam， 等 steam 重启好后，打开异父的 steam 客户端，再次点击左上角的设置，这次选家庭，然后点击 steam families， 再次点击加入家庭，随便起个你喜欢的家庭名称创建，创建完成后，选择邀请，以承认身份加入进行邀请。自己加入家庭群组后，就能免费白嫖凶易富购买过的所有游戏了。

叮咚，家人们 ai 大 模型正式进入手机部署时代，昨天的视频呢，我跟大家说了，谷歌最新发布的加马斯模型可以直接在手机上面部署，今天我就来带大家实现它。首先咱们先看效果， 首先我先打开我的手机的飞行模式，可以看到我现在这个手机是没有任何的 wifi 和数据连接的，然后这时候我们回到 ai， 然后打开一个聊天窗口，我们问他一个问题，比如说帮我查一下苹果 ceo 库克， 然后他会问我们需要什么，我们选择一他的职业生涯和背景， 可以看到他直接就给了我们答案。按照我们正常逻辑思维来说，这些数据应该是在手机需要联网的情况下才可以给我们的答案，但是这个本地部署的大模型他就不需要联网，他就像一个活生生的人，他的脑子里面已经有这个记忆了，所以当你问他的时候，他可以直接就给你回答。 那么这样一个模型我们究竟要如何安装与使用呢？那我们现在开始首先第一步呢，就是我们要打开我们的应用商店，然后在应用商店里面找到这个软件，叫做 google ai gallery， 这是谷歌专门推出让我们使用扎马四模型的 app， 安卓用户也是可以下载到的，但是安卓的用户需要在谷歌 play 商店里面才可以下载，然后我们这里已经是下载好了这个软件，所以呢我们直接打开就可以了。 打开软件之后呢，你们会看到这个屏幕中显示的全是英文，并且软件的内部它是不支持我们去切换语言的， 很多人看到这里就已经开始头痛了，那我看不懂英文咋办呢？其实不用慌，因为这里面的功能其实非常的简单，完全也不需要用到翻译，而且当我们在跟语言模型对话的时候，它是完全支持我们中文对话的。 这里我们向下滑可以看到官方总共给了我们七个功能，从上向下分别是图像、语音、语言聊天、模型、花园以及手机操作。 我们就先从最基础的开始 ai chat， 也就是我们常用的文字聊天。那我们打开这个 ai chat 之后呢，可以看到它底下有五个模型给我们选择， 其中三个是胶码三，还有两个是胶码四，那我们这一次主要针对是胶码四，所以我们就选择上面两个胶码四，然后这个胶码四它分为 e 二 b 的 模型和 e 四 b 的 模型， 这两个我们要怎么去选？就是主要是看你的手机性能，如果你的手机性能稍微好一点，你就选择这个 e 四 b， 如果你的手机性能稍微弱一点，那我们就选择这个 e 二 b， 那 我现在演示的这个设备是十六 pro max， 那 我们就选择 e 四 b 这个模型。当然你在使用模型之前是需要先去下载的，所以我现在就点开这个 e 四 b， 点出来 it， 然后进入到模型之后给大家做一个演示。首先我们先给他打个招呼，你好吗？ 哇，可以看到他这个回复速度真的是超级快，我之前一直认为这种手机跑的模型应该会很慢，没想到他的速度还是很快的。然后我们再问他一个，你是什么模型？你能为我做什么？ 看到他这个吐字速度真的是超级快，那这个速度呢？对于我们大部分人来说已经是超越了我们的阅读速度的，所以如果你是日常聊天或者写写论文啥的，这个模型对于我们来说是完全足够用的了， 当然这只是最基础的文本聊天。那我们再去下一项看一下他的图像测试怎么样？那我们现在就已经到了他这个图像测试窗口了， 我先给他一张图片，这张图片呢是一张上海滩的图片，让他看一下他对这个地标啊，还有图片内的内容识别度如何。 ok， 在 经过大概五秒钟左右的思考，他已经给了我们答案，然后他说这是上海的城市景观没错，然后他说这是上海中心大厦， 这一点我不知道哎，他好像把东方明珠论成了上海大厦，虽然这两个地标中间只隔了零点八公里，但是我没有在图片中找到这个这个中心大厦这个东西， 然后他说这是独特的双层球体啊，那看到了是建筑认错了，但是其他的关于黄浦江还有其他的描述倒是正确的，就是单独认错了这个东方明珠和中心大厦这个地标建筑。 ok， 那 我们就再给他一张东方明珠的照片，但是这是我们给他夜景的照片，看下他识别度如何。 可以，他已经给了我们回答，他说这是上海的夜景，然后地标是上海中心大厦，那看来他还是认错了这个地标，他依然把东方明珠认成了中心大厦。 其实我不知道他这后面这个逻辑是什么，有没有一种可能，他是去网络上找了类似的图片，然后类似图片说这个地方是中心大厦，所以他就给我们说这个是中心大厦的，我觉得应该大概率是这样。 嗯，有知道的小伙伴可以打在这个屏幕上，那我们就先不纠结这一点，我们进行下一项测试， 现在我们来试一下他的语言听写能力，然后这次我们依然还是选择这个 e 四 b 模型，我先给他发一段语音，你好，你能听得见我说话吗？现在时间是北京时间四月九日，看他能不能给我们提取出来。 可以看到它已经完美的提取出来了我语音说的内容，并且没有误差，那看来它对中文的这个听写能力支持还是很强的。那我们进入下一项功能， 然后这个功能呢？叫做 agent skill。 相信大家对 skill 这个单词已经是很不陌生了， skill 是 什么意思呢？就是一个技能， 然后谷歌目前官方里面给我们默认是内置了八个 skill， 但是其实它最重要的是什么？最重要的是它这个 skill 是 允许我们自己再去添加的，所以我认为这是这个 app 里面最具有 可玩性的一个功能。就是我还记得前一段时间在网络上很流行一个叫做前任 skill， 就是 把自己的前任变成一个技能，然后放进他们的 open cloud 之中。那现在你不用放进 open cloud 了，也不用打开电脑了，直接在手机之中就可以操作了。嗯， 我相信后面会有很多人去专门为手机的这个开发 skill。 那 这个 skill 我 也就不多说了，因为目前我这里只有官方的八个默认 skill， 然后默认 skill 都是比较基础的啊，说的也没有太大的意义，大家自己后期自己去 自行尝试一下就行。然后我们来到下一个这个红色的按钮叫做模型实验室，这个应该是对于比较极客的玩家用的比较多，那我们大部分的普通玩家呢，是很少也几乎不会用到的一个功能， 所以我们这里就不过多传输。然后下一个绿色的这个是迷你花园，是谷歌官方出了一个专门用来语音玩游戏的一个小功能吧， 也没有什么好说的，因为他是英文交互吗？嗯，大部分人可能也就是藏着新鲜进去看一看，也没 什么好玩的。所以我们来到最后一个，也就是我认为第二可玩性比较高的一个功能，叫做手机操作，那他顾名思义呢，就是可以直接操作我们的手机，那我们现在点进去看一下， 那我们点进来之后可以看到他首页是说他有最基础的五个技能，第一个是开关手电筒，第二个是创建联系人，第三个是发送邮件，第四个是在日历中创建，第五个是 在地图中搜索，那这应该是最基础的，我不知道他有没有其他的功能，但是我们可以先把他的基础功能先试用一下展示一下给大家看。 我这里是让他打开了我的手电筒，然后他确实也打开了我的手电筒，然后我们来试一下，让他关闭手电筒，嘿，然后他也成功的关闭了我的手电筒，然后我们最后来测试一下他能不能在地图中展示， 可以看到他是直接调用了苹果官方的这个地图，然后打开了我要他搜索的地点，但是这个功能怎么如此的似曾相识呢？感觉有点像被前段时间被全网封杀了。豆包手机 太眼熟了，只能说太眼熟了。 ok， 相信大家看完以上的教学视频之后，都已经成功的安装好了手机端的胶码四，也对他的所有的功能呢都有了一个初步的了解， 在手机端部署大模型，不仅仅是拥有极高的隐私安全，还支持在没有联网的情况下使用，真的可以说是开启了一个 ai 的 全新时代。那么本期视频到此结束，咱们下期再见！拜拜！

几周前，谷歌发布了一项名为 turbo quant 的 新研究，声称其全新的压缩算法 能将大模型的 k v 缓存占用最高降低六倍，并实现高达八倍的推理加速。这一消息引发了巨大轰动，点赞数高达三点八万。因为一旦应用 turbo quant， 至少对谷歌来说，它们得以释放约百分之八十三的总内存及现有硬件的内存占用。甚至有人认为这导致了 ai 芯片股的崩盘， 三十二 g b d d r 五内存的价格跌幅至少达到了百分之三十。从某种程度上讲， turboqant 之于镁光，正如去年 deepseek 之于英伟达，毕竟镁光是 ai 领域最主要的内存供应商。不过这里有个问题， turboqant 的 宣传存在水分， 而 deepseek 方案三确实是向突破，只是人们误解了它的真正影响。单是标题里提到的八倍提速就相当夸张，甚至存在误导， 因为只要仔细推敲这个八倍提速的说法，它对比的基准在实际应用中根本没人用。他们拿四 bit 量化去对比三十二 bit 的 未量化基准， 所以理所当然，这在纸面上能营造出极具噱头的标题，毕竟从三十二 bit 降到四 bit， 数据传输量刚好减少了八倍。如果你的瓶颈仅仅是内存带宽，那么当然可以 宣称在理想情况下能有八倍提升，但这和宣称该方法让大模型推理速度提升八倍是两码事，因为现实中现代大模型推理根本就不会用三十 r beat。 谷歌显然夸大了这项改进，使其听起来比实际更具突破性。真正的问题在于， turbocharged 到底强多少？比起人们现有的方案，可惜无论在博克还是论文中，它们都避而不谈。这就好比说我跑得比幼儿快幺零零倍，这有什么意义呢？你至少得跟博尔特这种水平的比吧。 当然，我不是说 turboqant 这篇论文不行，事实上他们确实做出了不少出色的贡献。撇开那些营销手段不谈的话，在深入探讨之前，总之你们大概已经刷到过不少吹捧 turboqant 的 视频，讨论它有多么颠覆性。本期只在帮大家回归理性，我会尽我所能还原事实。 其实这篇论文早在将近一年前就发表了，正如谷歌宣传的那样，这依然是一项叫新的技术。但想搞懂 turbocharger， 得先弄明白它到底压缩的是什么。在 transformer 的 注意力机制中，每个头坑都会被转化为见像量并存入 k v 缓存， 同时存入的还有对应的值向量，其中包含用于后续解锁的实际信息。随着处理的 token 越来越多，模型会把这些历史键向量全留在内存里。当再次需要这个键时，由于已经保存，无需重新计算。接着，当新的 token， 也就是查询进入时， 模型会将其与之前所有的 token 进行比对，通过计算、点击及查询向量与每个存储键向量来实现。因此， k v 缓存变成了一个持续增长的向量表，其中每个存储的向量都代表一个历史 token， 每个新 token 都会与它们逐一评估，以确定关联强度。 这意味着两点。首先，这些向量会占用大量内存，因为每个 token 都要存储一个新向量，这会导致向量，且为了节省计算量，必须全部存储。 其次，向量间的点击必须保持有效，因为它们直接决定了过去每个 token 对 当前 token 的 影响权重，而这正是压缩的难点所在，因为一旦对这些向量进行过度压缩，不仅会丢失信息，更会直接扭曲 token 之间的关系， 而这恰恰是模型的核心依赖。因此， turbo crown 的 设计目标非常明确，它不只是在做向量压缩。简而言之，其目标是在压缩的同时确保模型输出的准确性，同时尽可能减少比特数。这篇论文的核心在于寻找最佳平衡点， 他们将问题拆解为两个关键步骤，每一步分别攻克一个特定难点。第一步是解决向量高度结构化的问题。 由于各维度的表现存在差异，某些方向蕴涵的信息更多，且维度间存在高度相关性，如果直接进行压缩，效果往往不佳。因为向量各维度的分布并不均匀， 有些维度承载了大量关键信号，而有些则几乎全是噪声，且许多维度之间存在相关性，导致信息分布极不均匀。若直接套用简单的压缩方案， 例如对所有坐标进行统一量化，不仅会在无关维度上浪费比特，还无法为关键维度提供足够的精度，效率极低。不仅如此，项链间的关系会以不可预知的方式扭曲。 点击结果取决于各维度的交互影响。因此，即使在关键维度产生微小偏差，也可能改变模型对 token 相关性的判断。基于不同维度的权重各异，统一的压缩方案很难保留这些关系，那么与其费尽心思设计复杂的压缩算法来应对这些结构， turboqant 的 做法简单得多。它通过对向量进行随机旋转消除了这些结构。这一理念最早源自 polarqant， 其作者与 turboqant 相同，通过对向量进行随机变换， 能让其分布变得更加均匀规整。这会将信息重新分配到各个维度，且不会造成任何丢失， 也不会改变向量本身的含义。 turbocont 沿用了这一思路，从而能采用更简单的均匀压缩方案。在向量旋转之后，各分量表现趋同，携带的信息量也大致相当， 这不会导致原有信息失真，因为旋转过程是可逆的，且能保持点击不变，因此 token 间的关系保持不变，只是换了一种坐标系来表达。这意味着压缩问题高为向量，本质上就简化成了 压缩一组独立的一维数值。因此， turbocon 只需采用最优标量量化法，以最小化重构误差。由于旋转使数据分布变得均匀，这种简单的方法便是目前能达到的最优压缩方案。尽管这一步在整体上能实现较好的向量重构，但仍存在一个细微的问题， 仅仅最小化重构误差并不能保证模型输出的准确性。我的意思是，即便压缩后的向量看似与原始向量无异，但它与其他向量的交互方式，也就是注意力机制实际运算的核心仍可能产生细微偏差， 而这正是个大问题。所以这就引出了第二步，在量化后，我们计算出损失的部分，也就是两者之间的差值机原始向量与压缩版本。由于这些残差远小于原始向量本身，因此存储起来非常高效。但它并没有对其进行精确存储， 而是通过另一层随机投影，仅保留每个分量的符号，这样每个维度仅需占用一 bit。 这一思路同样源自他们早期的 q g l 论文，他们发现，即便只保留符号信息， 也能恢复出点击的无偏估计。这意味着即便每个数值都经过了极高程度的压缩，其计算出的点击在平均水平上依然准确。 比如，在单次计算时，结果可能会有细微偏差，但从整体维度来看，误差会相互抵消，使结果依然围绕真实值波动 是得益于旋转操作，它将所有维度均匀分不开来。正因如此，即使每个维度仅用一位表示，通过对多个维度求和平均后仍能得到正确的估计值，从而显著提升点击计算的准确性。这就是 turbo quant 压缩 k v 缓存的核心思路， 将每个数值从约十六位压缩至二点五到四位，同时确保模型表现不受影响。至于准确率方面的折损，研究发现，在量化至三点五位左右时，压缩几乎不会造成质量损失，即模型表现与全精度几乎无异。但若进一步压缩至二点五位左右， 模型性能便会开始出现衰减，但与节省的内存相比，这种衰减微乎其微。另外要记住的是，这种压缩主要针对鉴像量以及查询与鉴计算时的点击精度。那么我们来核实一下节省六分之一内存的说法，这个数字究竟从何而来？首先，内存节省仅发生在 k v 缓存上， 这意味着模型权重占用的空间保持不变，只是在上下文窗口增大时开销会更小。至于具体数据，其基准测试同样不适用于当前生产环境中的实际大语言模型。这仅仅是一个缺乏优化的理论基准。 这很可能是将常规的十六位 k v 缓存与每个值约二点五位的 turbocharger 进行对比得出的。用十六除以二点五位内存占用大约能降低六点四倍，而十六除以三点五位则能降低约四点五倍的内存占用。 更何况，他们用于对比的图表所采用的方法源自两千零二四年发表的论文，例如 qv 精准，或者干脆就是完整的 kv 缓存。虽然谈不上图表造假，但感觉确实有很强的引导性，更别提这只针对 kv 缓存，不涉及模型权重。 而且在他们对比的那张图里， turbo quant 和其他研究机准社区指出了不少问题。问题在于，如果有一篇类似论文发表时间远早于你严谨的科学研究，该怎么做进行讨论吗？试着复现一下，甚至将其设为基准？ 不过， turbo quant 的 出版有个问题，有一项类似的技术叫 rabbit q， 它早一年发布，也用到了旋转法， 且提供了对应的 c 加加优化实现。但由于某些原因， turboqant 作者不得不将其移植到 python， 而在该版本中，它并不支持多线程， 所以它们是在 cpu 上跑的。 rabbit q 精准测试，并在一幺零零上运行了 turboqant。 显而易见，这与先前方法的对比差异巨大，因为不仅精准模型没能得到公平对比， 而且运行在完全不同的硬件平台上，这种对比毫无价值可言。更荒谬的是，他们居然在论文中毫无根据地否定 rabbit q， 断言其性能欠佳，甚至在没读完 play 点研究复录的情况下。 正如他们在 open review 的 最新评论中所刻意忽略的那样。说实话，这看起来他们的研究并不够诚恳， 尤其是 rabbit q 的 原作者已经多次联系过他们，希望能让他们解释清楚研究结论。当然，这篇论文还存在其他问题，但我想你们应该都懂我的意思了。 turbo quant 团队已承诺会改进论文，并在最新评论中针对这些问题进行了说明。 所以谷歌这次发布 turbo quant 很 可能只是为了营销造势？或者这就是在误导，除非某种技术一年前发布的技术在谷歌眼里还能算新东西， 又或者他们只是在炒作，毕竟这篇论文最近才被 i c r 两千零二十六接收。但话说回来，看看那条评选意见，直接给了满分十分，而其他人只给了四分或六分， 这确实挺尴尬的。当然，这只是我的猜测，这种 k v cash 级别的优化早就不是什么新鲜事了，任何提供大模型服务的公司肯定都在用某种量化策略， 所以 ai 领域并没出现什么惊人的革命性突破，各家其实早就把压缩效率压榨到极限了。谷歌或许确实提升了一点内存效率， 但在如今这种竞争环境下，想在现有顶尖技术基础上再节省百分之八十三的内存，这几乎是不可能的，尤其是他们连代码都没开圆。所以你们手里的 ai 芯片股很稳看，没过几天股价不就反弹了吗？ 就算真能省下百分之八十三的内存，这也就意味着会消耗更多的 token， 因为我们正步入智能经济时代。另外要强调的是，这种压缩技术无法改变模型在 gpu 运行所需的内存占用。那么本期视频就到这里。

教育界大爆料了！家人们、顶级名校斯坦福跟 google 联合打造了一款免费的 ai 启蒙神器，全球的娃娃们都已经用它来玩游戏、学 ai 了，它就是 ai quest。 我 刚刚挖到这个宝藏啊，我家菠萝马上就上头了，玩到根本停不下来，因为它真的太有趣了！你看啊，这个 ai quest， 它直接把 ai 互动做成了孩子最爱的闯关游戏，不用死记硬背啊，孩子们在闯关游戏当中，就能设计数据，预测洪水，来诊断疾病，甚至是做商业预判。 小小年纪啊，就学着解决现实中的真实问题了，最觉得是什么？哪怕孩子做错了，他也不指责不敷衍，直接手把手带着孩子复盘再来一遍。孩子在一次一次试错中，慢慢就搞懂了 ai 到底能做什么， 怎么用，而且还能主动思考 ai 的 更多可能性。哎，听到这，你可能觉得，哎，不就是个 ai 工具吗？但这件事情的意义远远超出你的想象。 你要知道，过去二十年啊，教育核心的问题是什么？是知识稀缺。所以好老师啊，好题库啊，好课程啊，那个是家长挤破头都要抢的资源。但是今天啊， ai 时代，知识稀缺早已不是问题了。现在对孩子和家庭来说，真正稀缺的是三样东 西。第一个注意力，孩子被短视频啊，游戏，甚至是那个小天才手表，各种消息啊，狂轰烂炸，注意力被撕扯成碎片了。所以孩子能坐下来静静地看十分钟书都十分难得。 第二个是主动性，靠分数逼出来的学习力，在 ai 时代已经失效了，唯有发自孩子内心的热爱与好奇，才能让他走得更加长远。第三个是规划力，知识再多，内容再多，没有规划。就好比你开车没有导航， 翻来绕去的就是没有办法走到终点。那我们家长该怎么办？五个点，你看看你做到几个啊？第一个，咱不当作业的监工，要当路径策划者。与其你天天盯着，作业又没有写完，哎，你不如帮孩子捋一捋，未来升学路径有哪些啊？现在要做哪些准备啊？我们找对路，少绕弯，就是最快的捷径了。 第二个，不替孩子找答案，教他自己问。孩子如果在喊，哎妈妈，这道题怎么做啊？不要直接讲答案，你让他去问问 deepsea， 问问豆包，问问千问，从妈妈帮我变成我要自己用 ai 想办法，孩子越问就越会思考。 第三个，少单独学，多跟小伙伴搭伙学。比如说一起做个小项目，还商量着怎么查资料，怎么分工，不仅能让孩子学的扎实，还能练出领导力，以后到社会上会合作的孩子肯定吃得开。第四个，不盯着课本，让孩子解决真问题。你看，比如说让他算算家里一个月花多少钱，或者看看小区里垃圾分类到底是不是合理啊， 只是分析一下，哎，放学后校门口为什么那么堵车？怎么安排才能不堵车呀？所以这些事都比做题要有意思，还能让孩子知道学习能派上用场。第五个，不光学，还能出成果。你看，学完一篇课文，可以让孩子画个思维导图， 学完一个小知识点，可以录一个一分钟讲解视频啊，看完电影还可以写几句影评，成果不用完美，但是要完成。哎，这就是我们说的费曼学习法， 对于 ai 时代啊，不再是简单的知识的学习，而是聚焦于解决现实问题，这不是一个简单的升级啊，这是教育范式的拐点，我们没法逼孩子负重，我们曾经走过的路，而是需要帮他找到一个 ai 时代属于他的康庄大道，让他能够开心自信地走下去。

即使是哈佛 spot， 在 面临估估的算法变化的时候，损失也是非常惨重的。哈佛 spot 是 谁呢？ 美国有两个做 c m 的 巨头，一个是帮助中大企业做客户管理的 salesforce， 另外一个就是帮助中小企业也就是 smb 做 客户管理的哈佛 spot。 中小企业要想有客户管理，肯定得先有客户，所以哈佛 spot 最早起家就是帮助美国的中小企业通过做优质的博客内容，从 google 上获取流量。获取客户的公司， 如果说他是全球最懂 i c u 的 公司可能有点过，但是如果后面加个之一，那肯定是没有任何夸张成分的。 microsoft 的 blog 紫玉明帮他撑起了绝大部分的流量，同时他把自己的经验也交给了美国的中小企业，通过博客去如何获取流量也拿到了结果。 但是当大 google 在 二五年初开始对 ai 生成的大量的垃圾内容博客内容做批量降权的时候，哈普斯炮的自己也是扛不住的。我们看一下它的 cromart 的 流量数据，可以看到整体的流量在二零二五年一月二月之前是上涨的非常好的， 但是在二五年初就直接有个断崖式的下降。那到底流量少在了哪部分呢？我们看一下他的博克紫玉明的流量。二四年十二月，二五年一月二月， 同样的一个变化曲线，从差不多一千一百万一下掉到了两百万，一个月掉了九百多万的流量，而且还在持续下滑，目前也就剩一百万不到的流量。 apple store 的 这个例子其实跟前两天讲的阿里国际站的例子差不多是一个类型， 谷歌对于优质内容的判断已经不再像以前一样，你写一个博客，他就认为是好内容。 google 的 e a t 比之前要求是更严格的，通过 ai 生成的泛内容，只要数量一多，就会特别容易被算法识别出来是垃圾内容农场， 很快就会被批量的降权，一点流量都没了。那外贸企业如何在 ai 时代做好 seo？ 感兴趣的可以私信我。

大家好啊，好久不见，最近发现大家还是很关心没有合同银行不给入账怎么办的问题，今天我们就来分享一下解决办法吧。 合同的获取可以通过官方网站获取，可以通过不需要中介的事，你所申请到的合同应该都是没有签名和盖章的电子版证明，所以还需要和当地需要合同的银行确认是否认可进行博弈。 如果实在被合同困扰，可以考虑一下其他收款方式。主播在这里给大家整理了三种不需要合同的收款方式，可以按需选择。首先第一种可以考虑一些第三方收款机构，优缺点已经帮大家罗列出来了，可以参考。 第二种呢，可以选择开立香港银行账户，但是此方法只适用于香港 adcents， 所以 如果你的 adcents 是 中国大陆的，这个方法就行不通。 如果 ad 三四账号是中国大陆的，同时又享无合同收款，无限额收款，重庆一辆科技兴业银行直联或许也是你不错的一个选择。好啦，今天的内容就到这里啦，我们下一期见。

这几天的一个大新闻就是 google dmind 发布了新一代的开源模型伽马 four。 上一代的伽马 three 呢，是去年三月份发布的，有一年多时间， 所以呢， google 呢，可能是每年发布一次，但每次呢做的也都很不错。这次呢，伽马 four 呢，是以中小型模型为主，主要呢是二 b、 四 b， 二十六 b 和三十一 b， 覆盖场景呢，包含了很多的应用场景，包括类似手机的二 b 的 模型，应该手机上就可以运转起来，许可证呢也由原来自己的 google 自有协议改成了 party。 大家友好分享一下你们的几个数据啊，就是三二一 b 的是一个 dance 模型，就是一个重叠模型，六十层二百五十六 k 的 上下文，在艾瑞纳 ai 开源网站上排名第三，未量化的 b fold 十六权重一张八十 g， 现存的 h 一 百就能装下。量化后呢，应该是可以放在最小的模型，比如说 rts 模型上面，二 二十六 b 的 a 四 b m o e 模型，这个很有意思啊，它的总参数更少的情况下，它是 m o e， 每次计数参数呢是在四 b 三十层，二百五十六 k 的 双亚纹，推进速度极快，接近四 b 模型，因为它是 m o e 嘛，质量呢远超过四 b 模型，含量榜呢排第六位。这个三十一 b 跟二十六 b 虽然是一个第三一个第六，但是因为它的模型参数很小，应该算是同尺寸的第一了。 前面几名呢，我看了一下，都是纤维三点五 d， c r e g m 五，这几个呢，都是很大参数的模型，最小的也是纤维三点五的两百多 b 的 接近十倍以上的参数的模型，所以伽马坐到这个位置，其实是在同一参数领域绝对领先的。剩下的模型就是 e four b 跟 e two b， 分 别呢，是一个八 b 跟五点一 b 的 总参数的模型，这个参数一个是在四点五 b， 一个是二点三 b。 最后来说，我觉得这两个模型呢，其实是应该用了大规模的电流跟压缩，它的整个参数的设置呢，也不是很常规的设置方式。 所有模型呢，都支持多模态，就图片和视频的输入支持一百四十多种语言，那这成绩也是非常斐然的，至少呢，比上一代的伽马三二十七 b 多项指标都是代系级级别的提升。这个是八 b 小 模型呢，也是比上一代的去年的二十七 b 的 模型会更好。从这个 a m e 到 cutforce， 再到综合推理的 g p q a， 常设二文的 m r c r 多元的区块 m l u 都是。目前看来呢，这个指标呢，从三十 b 上下的小模型层面呢，已经是非常优质的一个基模了。四款模型呢，都内置了可开关的思考模式， 支持 a 阵工作流，支持代码生成多模态理解，可以理解呢，就是这个模型的大概率就是从 jimmy 三或者三点一这样的 pro plus 模型，再这样做小模型。那我分享一下 google 为什么要开源自己的小模型。 首先呢，市场竞争是非常激烈，自从上一代的 jimmy 三和 nata pro 出来之后呢， google 也有差不多小半年时间没有声音了。而对于市场的情况来看呢，一个大的趋势就是大模型像小模型震流，尤其是在三十倍左右的一个 swisseball， 这款模型呢，应该去承载的是绝大部分的推理的需求， 有些复杂的问题呢，才会到一百多笔甚至千多笔的模型，谷歌呢，也是希望建立自己的生态，通过用自己的弱模型遮住小模型呢，去抢占这份上分。有点像小米手机，有了小米以外，虽然已经很便宜了，但是也要出红米， 因为它要规避被一些更小的模型，性价比更高的模型去抢占这个上份额。而这部分呢，国产模型呢，其实做的是非常强的。第二个逻辑呢，就是谷歌呢，其实跟这些模型公司呢，还是不太一样的，无论是谷歌还是 mad 还是字节，我觉得至少呢，谷歌呢看的战略看的很清楚， 可能不是所有蛋糕都要吃，但是呢，谷歌的主营业务就是包括搜索在内的一系列的生态的方案，所以他在大模型领域呢，不极致扩大自己的利润， 需要争取自己的生态位，反而是让那些只有模型的公司呢，它的价值受到些疏松。所以呢，谷歌也有很大的动力去开源模型。背后逻辑呢，跟之前的阿里巴巴逻辑是一样，只不过呢，因为阿里的战略呢，更加的迁移到了应用的模型侧，所以呢，选择了更少的开源，那从这个领域来说呢，谷歌呢，也有可能会替代阿里巴巴未来的开源模型的生态位。

hello， 大家好，我是乐雪糕，今天来给大家讲解一下，在加入家庭组过后，并且切换 icloud 储存空间方案之后， 在这个 icloud 的 照片这里，仍然显示你的 icloud 储存空间已满，仍然有这个提示，怎么办？先讲一下这个原因，这个是由于你原本的 icloud 的 储存空间方案 他已经满了，所以你才加入家庭组。切换 icloud 的 空间方案之后，他仍然有这个提示啊，不管你是五 g 的 免费方案，还是你自己定的五十 gb 或者两百 gb 的 方案，他只要满了，加入家庭过后，他不会自动的快速的进行一个云端的同步。 那这个我们怎么办呢？有些人看演唱会对吧，或者是其他换手机的场景，他比较着急，想把照片这些快速的同步来省空间或者是换机。 我们用一句话来简单概括一下，就是自己要定一下，然后再切换到 icloud 的 储存空间方案啊，就是这一句话 大家可以看到啊，在这个照片 app 里面，它也左上角也是显示暂停的状态。加入过后， 我们具体怎么操作呢？分三步啊，第一步，要先停止刚才切换成功的家庭共享方案。第二步要自己定一下 icloud 方案。第三步，要再次切换到家庭共享方案啊。我们简单来讲一下， 第一步，我们点进设置，点进 icloud 这里啊，再点进储存空间，再点进家庭用量， 再点下面最下面的停止使用共享储存空间啊，停止使用家庭储存空间，这里有一点要注意一下啊，有许多人会把这个停止使用家庭储存空间和那个家人共享，停止家人共享给混淆了啊，这一点要特别注意，不然的话会很麻烦。 是在这个 icloud 储存空间这里点进来，点停止使用家庭储存空间，这个是第一步，第二步我们到刚才的，就是刚才啊，我再划一下啊，刚才的刚才的这个页面，我们到 icloud 的 照片这里来， 屏幕中间设置，我们点设置这两个字啊，点设置，我再往后翻一下，因为我我截图的这个顺序不太对， 点设置那两个字就到了这个页面，它会给你自动推送你需要订购的容量大小。比方说你用了二十多 gb， 它就会给你推送五十的，你用了七十多 gb， 那 你五十肯定不够了，它会自动给你推送两百 gb 的， 反正顺着它来就行了，它给你推送多少你就定多少了。 好，我们定，这就定成功了啊，我那个视频照片，我是做视频给大家看的，我大概弄了九个 gb 左右，所以他给我推送了五十 gb 的。 好，定好了过后，我们再到 icloud 的 照片这里来，现在看屏幕大概中间的这个位置啊，那个 icloud 的 储存空间已满，那个标志已经没有了，我们现在可以点现在同步的一个按钮了。点过之后我们把设置后台清掉， 因为这个 icloud 的 照片它也是在设置里面 icloud 里面的啊，我们把这个设置的后台清掉， 进行第三步，再到 icloud， 点击 icloud， 再点进储存空间，再点击使用家庭储存空间，点击使用共享方案。在这个切换成功过后， 有的它比较慢啊，慢的话你就把设置后台清一下，再到这个 icloud 这里来查看，只要家庭用量， 你的名字后面有显示啊，不管是哪怕是呃，五点一 gb 啊，什么什么五十点一 gb 啊，只要有容量显示就是 ok 的。 这个第三步已经操作完了啊，第三步操作完了，我们再到 icloud 的 照片这里来确认一下状态，我们来看一下我左上角这个啊，呃，右上角是连着充电器，连着无线网的，然后我们再看一下，眼光再挪到屏幕中间， 他是有一个正在同步六个项目，看到没？状态这里他状态已经恢复正常了。我们再到照片里面去看一下啊，照片 app 左上角正在同步啊，这个状态是 ok 的 啊。最后我们再到订阅里面去看一下，说一下这个退费啊，我们到订阅里面去看一下，大家可以看到你没有任何订阅项目说明。刚才我们定的那个五十 gb， 他 是正在进行退费的一个过程当中， 这个退费的时间呢，大概是十二个小时左右，他会退到你原支付的一个途径，你用支付宝，你就关注支付宝的一个退费信息啊，就是这么简单， 如果大家比较着急看完这个，我这个视频就按照我这个操作一下啊，很快的，也没有什么损失，一毛钱损失也没有。 这个视频之前一直大家问，我就没有细致的去讲，这一次就是做了一个视频，细致的跟大家讲一下啊，有需求可以按照这个去操作一下。好，谢谢大家观看。

你有没有想过，有一天你的手机能完全脱离网络，自己跑一个 ai 大 模型，而且不是那种玩具级别的小模型，而是能看图、能推理、能帮你干活的正经大模型。这件事， google 悄悄干成了。 今年四月， google deepmind 发布了 jam 四模型家族，同时更新了一款叫 ai gallery 的 手机应用。 这款应用最大的卖点就一句话，把大模型装进手机，断网也能用。它的功能相当丰富， ai chat 多轮对话，支持幺二八 k 上下文窗口，还带思维链推理。 s t m h 拍张照或者选张图，模型直接离线分析。 prompt lab 可以 调温度，调 toky 参数，跑各种单轮任务。 audio scribe 语音转文字加翻译，最长支持三十秒音频片段。 还有个很酷的 agent skills 模型，可以自主调用维基百科、查询地图二维码，生成这些工具， 甚至能通过自然语言控制手机开关、手电筒、调音量，启动应用。这个功能由一个叫 feng shan jia 的 两亿七千万参数小模型专门驱动，而且 android 和 ios 都有， google play 和 app store 都能下载。 重点说说 gemma 四这个模型家族这次发布了一共四个版本，最小的 e 二 b 有 效参数二十三亿，但通过一种叫 parlor embedins 的 技术，用二十三亿活跃参数就能达到相当于五十一亿参数的表达深度。 四位量化之后，模型文件只有一点五 g 四 g 内存的手机就能跑在网上。 e 四 b， 有 效参数四十五亿，四位量化后大约五 g pixel 七三星 s 二十三这个级别能用。还有两个大模型， 三十一币的筹密模型在 mimo pro 上拿到百分之八十五点二 m， 数学竞赛百分之八十九点二，这个水平已经很接近 gpt 四 o 了。 以及一个二十六币的混合专家模型，四十亿激活参数用不到五分之一的计算量，达到了接近三十一币的效果。 更关键的是，这些模型支持一百四十多种语言原声，支持函数调用和结构化输出，不用专门微调就能接，工具图像、音频、视频理解全都能做。 技术层面有几个亮点值得说说。第一是推理引擎， google 用了自己开发的 light rt 框架，也就是以前的 tensor flow light， 在它上面搭了 little talam， 专门跑大语言模型量化，支持两位、四位、八位 e 二 b， 用两位权重加内存映射，跑起来不到一点五 g 内存占用。第二是硬件加速， 高通枭龙的 n p u 可以 做到比 cpu 快 一百倍的推理速度。苹果的 metal 加速也支持 google 自家的 tensor 芯片，在 pixel 系列上有原声优化。第三是开原生态， 发布当天就支持 transformers llama c p m l x transformers j s。 这些主流推理框架， g g u f o n n x 格式都有 apache 二点零许可，商业随便用。 那问题来了， google 为什么做这件事？表面上看是给开发者玩的工具，但如果你把视角拉远一点， google 的 意图其实很清楚。控制端侧 ai 的 基础设施， 苹果的做法是把模型焊进系统，你用不用都得带着。高通是把 ai 加速塞进芯片硬件层面的活。 而 google 选择做平台开源代码，开放权重，跨平台适配，从 android 到 ios， 到 web， 到互联网到桌面全覆盖， 哈根 face 团队的评价很有意思，他们说这些模型开箱即用的效果太好了，以至于很难找到好的微调视力。 这背后的信号是， google 想让端测模型的起点就足够高，让开发者不需要再从头训练，直接在它的生态里开发就好。对普通用户来说，这意味着什么？第一，隐私、 医疗、金融这些敏感场景数据完全不用离开手机。第二，离线可用，没信号的时候 ai 照样干活。第三，成本 不调 api 就 不花钱，模型下载一次永久免费使用，但也不是没有短板， 小模型在复杂推理上还是比不过云端的大模型。中低端设备上推理延迟比较明显，长时间跑模型耗电也挺厉害，有 n p u 的 设备会好很多。 从行业角度看， venture bit 的 评价很到位，他们说这可能成为自云计算出现以来， ai 领域最大改革的开幕之枪。中国科技圈的反应更直接，有人说，这不就是苹果一直想做的端测 ai 吗？ google 菜都端上来了。 总结一下， google ai h gallery 加上 demo 四，标志着端侧 ai 从概念走向了实用阶段。你现在就可以去应用商店下载，在手机上跑一个正儿八经的大模型，完全离线，完全免费。 这不是什么未来愿景，这是现在就能用的东西。如果你对端侧 ai 感兴趣，值得亲自试试。