浏览器，正在成为 AI 落地最重要的战场。

去年 10 月，OpenAI 推出 AI 浏览器 Atlas，奥特曼将其定义为「十年一遇的机会」，放言要「改变 30 亿人使用互联网的方式」。

Google DeepMind 推出「Project Mariner」，打出的口号就是「探索人机交互的未来，从浏览器开始」。

微软把 Copilot 塞进 Edge，Google 把 Gemini 嵌入 Chrome，苹果也在 Safari 层加速布局 AI 能力。

各大科技巨头不约而同盯上这块蛋糕，因为浏览器是现代人使用时间最长的应用之一。我们在这里搜索、阅读、工作、娱乐，几乎所有的信息消费都在此发生。AI 若要真正融入日常，浏览器是绕不过去的入口。

但把 AI 塞进浏览器，和真正做一款 AI 浏览器，是两回事。前者是在旧框架里打补丁，后者是重新想象人与信息之间的关系。

光年之外团队，选择了后者。

他们推出的 Tabbit AI 浏览器，集浏览、搜索、对话、执行于一体，将 AI 能力与浏览器深度融合，通过智能代理、沉浸式 AI 对话、智能标签管理和新一代收藏夹等功能，试图重塑用户处理网络信息的方式。

目前，Tabbit AI 浏览器已全面开启公测，访问官网即可免费下载体验，无需邀请码。

链接：https://www.tabbit-ai.com/

一手实测：Tabbit 到底好不好用？

拿到 Tabbit 的第一感受是，它比想象中克制。界面没有堆砌过多功能，甚至和普通浏览器差别不大，直到开始真正用它工作。

在进行各项功能实测前，我们先来看看 Tabbit 的小巧思。

它提供全面的外观自定义功能，包括 8 种预设主题色选择、深色 / 浅色模式切换、毛玻璃效果调节。

我们可通过新标签页的「自定义颜色」按钮或设置菜单中的「外观」选项访问主题设置，快速调整浏览器整体配色和视觉风格。

对话：让 AI 真正融入浏览场景

大多数人使用 AI 的方式都很割裂，在浏览器里读到一篇文章，想让 AI 总结或追问，只能手动复制粘贴，切换到另一个 AI 应用。这种操作每天发生很多次，每一次都打断当前的阅读思路。

Tabbit 熟稔这一痛点，推出对话功能，只需点击右上角「Chat」图标，就能在浏览器内唤起对话栏，直接针对当前网页提问、总结或分析。

比如让它总结 The Verge 一篇关于「谷歌推出 Nano Banana2」的报道，Tabbit 思考片刻后，便整理出文章的核心主旨、关键要点与结论建议，条理清晰，让人在最短时间内掌握报道主要内容。

如果觉得侧边栏影响网页浏览，还可以一键切换到浮窗模式：

Tabbit 内置 DeepSeek、Doubao、Kimi、Qwen、LongCat 等多款模型，我们可根据自身需求随意切换调用。

目前市面上的 AI 浏览器几乎都有对话功能，但 Tabbit 的差异在于，对话框支持 @引用任意已打开的标签页、标签组和收藏夹，还支持上传本地文件与图片。

比如，打开三篇机器之心关于最新大模型的报道，涵盖谷歌 Gemini 3.1 Pro、Grok 4.2、Claude Opus 4.6 与 GPT-5.3-Codex 四款大模型，内容繁杂，我们 @这几个标签页后，让 AI 从价格、功能等角度整理一张对比表格，Tabbit 便从核心特色、智能体功能、基准测试表现、定价以及主要应用场景等方面逐一梳理，一目了然。

妙招：把高频操作变成一键指令

对编辑来说，工作中充斥着大量重复性 AI 任务，写完文章生成各类平台版本，遇到英文专业词汇要翻译并加注解释等。任务本身不难，但每次重新输入一长串提示词，既麻烦又容易出错。

Tabbit 的妙招功能可以把常用的 AI 指令保存为快捷命令，支持提示词妙招、脚本妙招和智能代理妙招三种类型。

先来说说提示词妙招。我们创建一个「微博文案生成大师」妙招，设置好提示词后，只需在对话框中输入「/」，即可唤起已创建的妙招，一键生成微博爆款文案。

脚本妙招则可以用自然语言描述想要的页面效果，Tabbit 自动生成并运行脚本。

比如将机器之心网页官网改成 QQ 空间复古风格：

或者一键提取 The Verge 文章的封面图：

甚至干活干累了让它直接生成一款可玩的超级玛丽小游戏：

如此一来，原本只属于开发者的「定制网页」能力，普通用户同样可以拥有。

智能代理：把「体力活」交给 AI 去做

市场调研、旅游规划大概是最消耗精力的任务之一。打开搜索引擎、逐一浏览网页、筛选有用信息、在文档里记录整理，整个过程少则一两个小时，多则耗去半天。

现在我们只需用自然语言描述任务，Tabbit 的 Agent 会自动规划搜索策略、访问相关网站、筛选有效信息、整合分析数据，最终输出一份完整的报告。

我们测试了一个典型的调研任务，让 Tabbit 草拟一份关于国内最新主流 AI 视频生成产品的分析报告。

拿到任务后，Tabbit 就开始搜集资料，逐篇阅读并提取重要信息，同时将已打开的资料都保留在标签栏，方便我们后续回顾。

Tabbit 最终生成的报告有表格、有市场趋势与行业洞察，还有竞争格局总结，为防止胡说八道，每个关键点都附带信息来源。

收藏：让每一个书签都有记忆

传统浏览器书签本质是一个 URL 列表。时间一长，只剩一个标题，完全想不起当初为什么收藏、页面里有什么内容。很多人的收藏夹就像一个数字垃圾桶，东西越攒越多，却几乎不翻看。

Tabbit 的收藏功能不只保存链接，还完整保存网页内容，并由 AI 自动生成摘要，我们无需点开就能快速回顾核心信息。

搜索也更智能，即使标题和描述里没有搜索关键词，Tabbit 也能通过语义理解找到相关页面。

比如我们搜索「翻译」，它立马筛选出收藏夹中所有与翻译相关的工具和内容。

网页上的任意图片、图表或文字片段，都可右键直接收藏，无需保存到本地、新建文件夹、命名文件。所有收藏内容自动云同步，换设备后登录账号即可无缝续用。

要是收藏夹乱糟糟，里面有大量未分组标签页，我们还可以用它一键整理。

此外，在任意界面对话时，我们都可以直接 @ 收藏夹内容发起提问。

比如在查看 Block 裁员报道时，联想到此前收藏的「IBM 因 AI 能写 COBOL 代码致股价暴跌」这一新闻，@收藏夹，输入关键词「IBM」，选中后下指令「总结这两篇报道」，Tabbit 即可提炼出两篇文章的核心信息，归纳出其中的共同主题。

标签管理：给混乱的工作区一个秩序

同时打开几十个标签页，是信息工作者的日常。传统浏览器的水平标签栏一旦超过十几个页面就开始拥挤，每个标签缩成一个小图标，想找某个页面只能一个个猜。

Tabbit 的垂直标签栏将所有标签页在左侧纵向排列，即便打开数十个页面，每个标签的完整标题依然清晰可见。

标签页智能分组功能则可一键按内容自动归类，工作区瞬间清爽有序。

标签组还支持保存与恢复。整理好的一组相关网页，随时可关闭保存，需要时一键恢复。配合云同步，在公司整理好的工作场景，回家登录账号就能继续，工作节奏不被打断。

总体来说，Tabbit 是在真的解决问题。对话、妙招、Agent、收藏、标签管理，每一项功能都指向用户在浏览器里真实遭遇的摩擦。它把 AI 能力悄悄嵌进原本就发生的工作流里，让原本需要多个工具接力完成的事情，在一个窗口内流畅走完。

当然，作为仍在迭代中的产品，部分功能在复杂任务下偶有停顿，还有进一步打磨空间。但就目前来看，Tabbit 已经悄悄改变了一些使用习惯，而习惯一旦被改变，就很难再回头。

为什么 AI 浏览器变得至关重要？

AI 为什么要从浏览器切入？AI 需要场景，场景需要数据，而浏览器恰恰是数据最密集、场景最丰富的地方。

过去我们说 AI 助手，默认形态是一个独立的对话框，我们输入问题，它输出答案，然后再回到原来的工作界面继续操作。这种「来回搬运」的模式，本质上是 AI 与信息世界之间的割裂，只是很多人已经习以为常。

正在重新设计这件事的人，切入角度各有不同，但方向高度一致。

Perplexity AI 的 Comet，基于 Chromium 深度集成 AI 能力，可跨标签页汇总信息、对高亮文本即时提问，让 AI 理解我们当前正在看什么。

OpenAI 的 Atlas，背靠 ChatGPT 整个模型生态，试图把对话工作流直接嵌入浏览操作。

开发者 Dominik Kundel 在 X 上写道：「有了 ChatGPT Atlas，每个编程应用现在都变成了 Vibe 编程应用。」

此外还有 Arc 团队战略转型后的新作 Dia，以及在 GitHub 年度开源项目中名列前茅的 Zen Browser。

这些产品指向同一个判断：浏览器正从信息展示工具，进化为能够理解、分析、执行的智能 Agent。

有评论者这样描述这场变化：这已经不只是「我选哪个浏览器」的问题，而是「我成为哪个 AI 生态的一部分」的问题。当浏览器开始深度绑定某个 AI 模型体系，用户的选择就不再只是界面偏好，也在某种程度上选择了自己的信息处理方式和工作方式。

对于重度信息工作者而言，AI 浏览器带来的效率提升是真实的，不用在浏览器、AI 工具和各种插件之间反复切换，整个信息获取、分析、整合的流程可以在同一个环境里完成闭环。

从更大的视角来看，AI 浏览器的演进方向，其实是在回答一个根本性的问题：在信息过载的时代，人与信息之间应该建立一种什么样的关系？过去的答案是搜索引擎、各种内容聚合工具。而现在，答案或许正在向 AI 浏览器收拢，一个真正理解我们的意图、帮我们筛选、整合、执行的智能界面。

结语

光年之外团队前身是一家大模型创业公司，2023 年被美团收购后，成为美团内部独立 AI 应用探索部门。

Tabbit 是他们在 AI 浏览器方向上的一次重要尝试，从目前的产品完成度来看，已经展现出相当清晰的产品思路和扎实的执行力。

Tabbit 所代表的 AI 浏览器路径，或许才是人与信息关系演进的下一站。

神隐许久的光年之外，造了款AI浏览器Tabbit，能打吗？最先出现在AI Weekly。

这款号称 “反重力” 的代理式开发平台，直接把 AI 从普通的代码小助手升级成了超厉害的 “主动合作伙伴”🤝，完美解决了 Cursor、Claude 等竞品的痛点，让开发者们从繁琐的底层编码里解脱出来！现在 Antigravity 已经开启公共预览啦，Windows、macOS 和 Linux 系统都支持，而且完全免费🆓，Gemini3Pro 的配额也很慷慨，这谁能不爱！

🌟它的厉害可不止于此哦！

• 自主与并行开发：“代理优先” 的设计理念太赞啦！开发者只要给出高层次任务描述，比如 “构建一个航班查询 Web App”，Gemini3 驱动的智能体就会自动制定计划、列出条件、给出架构建议。多个智能体还能在后台同时异步运行，像个超智能的 “任务控制中心” 一样调度资源，并且能直接操作代码编辑器、终端命令行和浏览器，实现自主开发，真正做到了 “人类指挥、AI 打仗”，让咱们能更专注于创意～
• 可验证的代码质量：AI 编码工具的信任问题一直让人头疼，不过 Antigravity 用独创的 “Artifacts” 机制解决啦！智能体每完成一步，都会生成任务清单、实施计划，还会提供修复 Bug 前后的截图、功能演示录像等，所有产物一目了然，咱们一眼就能验证任务有没有完成，这对企业级开发太友好啦👍
• 革命性协作反馈：Antigravity 把反馈体验提升到新高度！开发者可以直接在 AI 生成的网页截图上点击、标注、留言，还能对代码 Diff、浏览器操作录屏进行精确评论，而且反馈不影响智能体流程，还支持像 Google Docs 那样协作评论，“人机协作” 变得像改设计稿一样丝滑～

Antigravity 不仅深度绑定 Gemini3Pro，还支持 Claude Sonnet4.5 和 OpenAI 开源模型，未来生态兼容性肯定超强！现在已经能在官网（antigravity.google）下载体验啦，配额刷新周期很友好，普通开发者基本用不完～

AI IDE 正式进入 “多代理、可验证、视觉反馈” 时代啦，Cursor、Claude Dev、Windsurf 等估计压力山大😜。真心建议所有前端、全栈、AI 工程师都赶紧上手试试，说不定这就是 2025 年最值得换的开发神器！

📱下载地址：https://antigravity.google/download

宝子们有用过的吗？快来评论区分享下感受呀👇

✨谷歌放大招！Gemini 3 加持的 Antigravity AI IDE 香麻了！最先出现在AI Weekly。

宝子们，最近AI界可是掀起了一阵狂风巨浪😱！谷歌Gemini 3深夜炸场，直接宣告新王登基✨。

之前大家在AI模型里挑花眼，不同模型优势差距微弱，可Gemini 3 Pro一出来，成绩单简直耀眼到不行💯。在代表人类智力“天花板”的测试中，它得分远超GPT – 5.1和Claude Sonnet 4.5；数理方面更是统治力十足，AIME 2025配合代码执行准确率达100%，MathArena Apex更是把其他大模型远远甩在身后。而且它的“视觉智能”超厉害，对屏幕截图的理解能力是目前先进水平的两倍👏。

谷歌还扔出了“小王炸”Google Antigravity，这是个智能体优先的开发平台，开发者能和多个智能Agent协作，工作效率直接起飞🚀。并且Gemini 3 Pro是用Google TPU训练的，数据全维度覆盖，还被注入到Google Search，搜索复杂概念时能即时生成互动图表或模拟工具。

网上实测体验也不错，直出能力很能打。宝子们，AI的时代已经势不可挡，赶紧一起关注起来呀🤩！

谷歌Gemini 3来袭，AI新王登基！最先出现在AI Weekly。

先说说技术架构🧐，它采用创新的双核心架构设计，用 Xiaomi Dasheng 作为音频编码器，结合 Qwen2.5-Omni-7B Thinker 作为自回归解码器。这种设计把专业音频处理能力和强大语言理解能力巧妙融合，为模型厉害的表现打下了技术基础。而且它最大的亮点是通用音频描述训练策略，打破了传统音频 AI 模型只专注单一声音处理的局限，能统一理解语音、环境声音和音乐，这种全域音频理解能力在业界可太少见啦👍

性能方面更是亮眼✨，在 22 个公开评测集上刷新了多模态大模型的最好成绩，这足以证明它在音频理解领域的技术领先地位。推理效率提升得也超夸张，单样本推理的首 Token 延迟只有业界先进模型的四分之一，相同显存条件下，数据吞吐效率比业界先进模型高出 20 倍以上。这得益于小米在模型架构优化和训练策略改进上的技术积累，在保持高精度的同时降低了计算开销👏

MiDashengLM-7B 是小米 Dasheng 系列模型的重要升级版本哦。Xiaomi Dasheng 音频编码器经过多代技术迭代优化，已经有了成熟技术体系。新模型在前作基础上全面升级，音频理解准确性和计算效率都大幅提升啦🥳

未来规划也超值得期待😆，小米已经在对该模型进行计算效率的进一步升级，目标是在终端设备上实现离线部署。这意味着用户能在不依赖云端服务的情况下享受高质量音频 AI 服务，隐私保护更好，使用成本更低，还能为小米在 IoT 生态里的音频 AI 应用提供技术支持。另外，小米还在完善基于用户自然语言提示的声音编辑功能，以后通过简单文字描述就能完成复杂音频处理任务，音频编辑技术门槛大大降低啦🤩

小米选择全量开源 MiDashengLM-7B，真的超有意义👏。这能推动整个音频 AI 领域的技术进步，给研究者和开发者提供学习改进的好机会。开源能加速音频 AI 技术的普及应用，让更多创新应用出现，推动行业生态繁荣发展🎉

宝子们，感觉音频 AI 的新时代要来了，你们对这个 MiDashengLM-7B 怎么看呀🧐，快来评论区聊聊😜

#小米 #MiDashengLM7B #音频 AI #开源模型 #多模态大模型 #音频理解 #技术突破 #推理效率

小米太猛啦！MiDashengLM-7B 全量开源，音频 AI 新王炸来袭🎇最先出现在AI Weekly。