微软已向Release Preview频道的Windows Insiders用户推出Windows 11 25H2版本,而市场份额数据显示,这款旗舰操作系统继续保持对即将失去支持的Windows 10的领先优势。
微软在上周末宣布了Windows 11 25H2的消息,并表示正式版将在"今年晚些时候"发布。
该操作系统与现有的Windows 11 24H2共享相同的服务分支,因此安装过程只是一个启用包,用于激活已下载但尚未激活的新功能。微软在Windows 11 22H2和23H2版本中也采用了相同的方法。
Windows 11 25H2将移除一些功能,特别是PowerShell 2.0。不过,管理员也将能够通过组策略移除预装的Microsoft Store应用程序。该版本在Release Preview频道的出现也为管理员提供了在正式发布前审查代码的机会。
不出所料,在Windows 11 25H2的公告中没有提及Windows 12。
同样缺失的还有Windows 11当前采用率的官方数据。Statcounter的月度Windows市场份额数据显示,Windows 11与其前身系统之间的差距正在缩小,而Windows 10的许多版本将在下个月失去免费支持。
根据Statcounter的数据,Windows 11的市场份额为49.08%,而Windows 10为45.53%。较新的操作系统仍然保持领先,总体趋势继续指向Windows 11的未来,尽管期间有一些起伏。
在美国,Windows 11相对于Windows 10继续增长,市场份额接近60%,而Windows 10的份额降至40%以下。在世界其他地区,微软的情况看起来并不那么乐观。根据Statcounter的数据,Windows 10在欧洲仍然是主导的桌面操作系统。
美国表现差异的一个可能解释是关税驱动的PC购买激增。同样重要的是要注意,Statcounter的代码只安装在大约150万个网站上,这只是全球超过12亿个网站中的一小部分。然而,在缺乏微软官方数据的情况下,这些数字可以作为该公司旗舰操作系统进展的参考。
距离Windows 10的许多版本最终失去支持还有一个多月的时间,Windows 11的激增尚未以任何有意义的方式出现,这表明Windows 10用户已经将企业安全更新(ESU)的成本考虑在内。或者没有。毕竟,对于某些用户来说,ESU可以免费获得。
Q&A
Q1:Windows 11 25H2有什么新功能和变化?
A:Windows 11 25H2将移除PowerShell 2.0功能,但管理员可以通过组策略移除预装的Microsoft Store应用程序。该版本与Windows 11 24H2共享相同的服务分支,安装只需要一个启用包来激活已下载的新功能。
Q2:Windows 11和Windows 10的市场份额现状如何?
A:根据Statcounter数据,Windows 11市场份额为49.08%,Windows 10为45.53%。在美国,Windows 11份额接近60%,但在欧洲地区Windows 10仍占主导地位。
Q3:Windows 10用户需要担心支持终止问题吗?
A:Windows 10的许多版本将在下个月失去免费支持,但用户可以选择企业安全更新(ESU)服务,对某些用户来说这项服务可以免费获得。
好文章,需要你的鼓励
Anthropic发布了面向成本敏感用户的Claude Haiku 4.5大语言模型,定价为每百万输入令牌1美元,输出令牌5美元,比旗舰版Sonnet 4.5便宜三倍。该模型采用混合推理架构,可根据需求调整计算资源,支持多模态输入最多20万令牌。在八项基准测试中,性能仅比Sonnet 4.5低不到10%,但在编程和数学任务上超越了前代Sonnet 4。模型响应速度比Sonnet 4快两倍以上,适用于客服聊天机器人等低延迟应用场景。
中科院微电子研究所团队揭示深度学习中感知优化与质量评估存在意外不对称现象。研究发现评估性能优秀的模型在训练指导中效果有限,对抗性训练具主导作用,传统卷积网络在某些场景仍具优势。这项发现颠覆了"评估性能等同于优化能力"的传统认知,为AI图像处理技术改进提供新方向。
英国初创公司Nscale将为微软建设四个AI数据中心,总计部署约20万个GPU,合同价值高达240亿美元。首个数据中心将于明年在葡萄牙开建,配备1.26万个GPU。德州数据中心规模最大,将部署10.4万个GPU,容量从240兆瓦扩展至1.2吉瓦。所有设施将采用英伟达最新Blackwell Ultra显卡。
香港科技大学研究团队开发了MOSS-ChatV视频AI系统,通过创新的"过程推理奖励"机制解决了现有视频AI推理过程不一致的问题。该系统不仅能准确预测视频中的未来事件,还能提供清晰的推理解释。研究构建了MOSS-Video数据集,采用动态时间规整算法训练模型,在多个视频理解任务上取得显著性能提升,为视频AI的可解释性发展开辟了新方向。