经历了两轮希捷LaCie驱动器升级修订,如今我们终于迎来目前存储业界最为出色的解决方案; 其在容量与连接性能层面皆迎来升级,意味着存储能力与传输速度都将得到大幅提升。
此次公布的LaCie d2与Rugged产品皆由Neil Poulton精心设计而成,且两款外部驱动器专门用于创意型视频、图像与音乐工作人员或者其他任何需要通过笔记本电脑或者一体机处理复杂文件的用户。其中d2是一款3.5英寸单磁盘驱动器,而Rugged则为2.5英寸磁盘驱动器配合亮橙色防震保护胶套。两者在存储容量与连接性能方面皆较上代方案有所提升,足以应对各类存储及访问需求,例如高分辨率视频与图像处理以及高解析度音乐文件等。
二者的外壳设计仍然保持不变。
Rugged驱动器采用防震绝缘亮橙色胶套配合2.5英寸驱动器。其曾于2014年6月推出过一款总线供电版本,磁盘容量为1 TB或2 TB; 或者采用250 GB或500 GB SSD。其磁盘模式下的传输速度可达每秒122 MB,而SSD版本的传输速度则高达每秒387 MB。
2017年版本的Gugged Thunderbolt USB-C可利用5400转BarraCuda磁盘驱动器提供高达5 TB存储容量。而对于需要高速数据能力的用户,亦可选择1 TB SSD版本以实现每秒510 MB传输速率。希捷公司表示,这一速度水平较上代SSD版本高出30%。而磁盘版本的速度亦略微质量提升至每秒130 MB。
LaCie Rugged驱动器
新一代产品采用USB-C接口,其兼容USB 3.x与Thunderbolt连接,并能够支持速率高达每秒40 Gbit的Thunderbolt 3规格。集成化Thunderbolt 3线缆亦可向下兼容Thunderbolt 1与2标准。
在Thunderbolt 3模式下,用户能够直接将该存储设备用于支持两台4K显示器或者一台5K显示器。LaCie已经于2016年在其外部驱动器产品线中全面普及USB-C与Thunderbolt 3接口。其USB-C协议支持一代(每秒5 Gbit)与二代(每秒10 Gbit)USB 3.x协议。苹果公司更新后的MacBook Pro目前仅提供USB-C接口,但另外提供转换头以帮助USB 2.0设备接入USB-C。
Rugged驱动器在防震、防尘以及防水性能方面符合IP54标准,意味着其能够承受自2米高处落下(合6.6英尺)、灰尘、水浸以及1吨重量车辆的碾压。另外,其亦利用可下载AES 256位软件加密机制抵御未授权访问,同时提供三年质保周期。
Thunderbolt 2 d2外部3.5英寸驱动器最初公布于2014年9月。在其中,Neil Poulton设计了一套铝制外壳以容纳一块希捷6 TB 7200转驱动器,双Thunderbolt 2端口同时使用时可提供高达每秒220 MB传输速率。希捷公司指出,此系列中的3、4与5 TB版本将仅提供USB 3.0模式。
这款d2产品亦可通过安装128 GB PCIe闪存卡的方式实现SSD升级。
LaCie 2017 d2
其中2017款d2采用7200转BarraCuda Pro 3.5英寸磁盘驱动器,最高存储容量为10 TB,且传输速率可达每秒240 MB。其具备USB-C与双Thunderbolt 3端口,同时支持USB 3.1。
希捷公司并没有提供d2驱动器所能选择的任何SSD卡升级方案,而全新d2产品的质保周期为五年。
全新Rugged驱动器将分别推出2 TB、4 TB以及5 TB HDD以及500 GB与1 TB SSD版本,起步售价为249.99美元。更新后的d2驱动器则将分别提供6 TB、8 TB以及10 TB容量选项,起步价格为429.99美元。全新Rugged与d2驱动器皆将于本季度内交付LaCie全球经销商进行销售。
备注:不包括俄罗斯。
好文章,需要你的鼓励
这篇研究提出了OThink-R1,一种创新的大型推理模型,能够像人类一样在快速直觉思维和慢速深度推理之间自动切换。研究者发现,现有推理模型即使面对简单问题也会生成冗长的推理过程,导致计算资源浪费。通过分析推理轨迹并使用LLM评判员区分冗余和必要推理,OThink-R1能根据问题复杂度动态调整思考深度。实验表明,该方法平均减少了23.4%的生成文本量,同时保持或提高了准确率,代表了向更高效、更人性化AI推理系统迈出的重要一步。
这项研究提出了SHARE,一种新型文本到SQL修正框架,它利用三个小型语言模型(SLM)协同工作,实现高效精准的SQL错误修正。SHARE首先通过基础行动模型将SQL转换为行动轨迹,再经过模式增强模型和逻辑优化模型的层次化精细化修正。研究团队还创新性地提出了层次化自演化训练策略,大大提高了训练数据效率。实验结果表明,SHARE在多个基准测试上显著提升了SQL生成准确率,计算成本仅为传统方法的十分之一,并展现出强大的泛化能力,适用于各种生成器模型和SQL方言。
这项由香港大学和南京大学等机构研究人员联合开发的双专家一致性模型(DCM)解决了高质量视频生成中的效率难题。研究团队发现扩散模型蒸馏过程中存在优化冲突:早期阶段负责语义布局与运动,后期阶段关注细节精修,两者学习动态差异显著。DCM创新性地将这两个任务分配给不同的专家模型,通过参数高效的实现方式,使模型仅需4步即可生成接近50步原始模型质量的视频,大幅提升生成速度,为实用化AI视频创作铺平道路。
这项研究介绍了QARI-OCR,一种基于Qwen2-VL-2B-Instruct模型微调的阿拉伯文字识别系统。研究团队通过三阶段合成数据训练,成功解决了阿拉伯文字识别中的主要挑战:曲线连笔特性、上下文变化的字母形状和发音符号。QARI v0.2模型创下了0.061的字符错误率和0.160的单词错误率,超越了现有开源解决方案,为阿拉伯文化遗产的数字化保存提供了重要工具。