发布之初,英特尔锐炫A770和A750显卡就已展现出不错的实力。几个月过去,它们已然成长为同价位最好的显卡之一。AMD和英伟达微弱的代际改进,再加上较高的价格,让用户很难在1500至2500元左右价位找到一款满意的显卡,不过英特尔锐炫显卡悄悄地填补了这一空白。
虽然锐炫A770和A750没有主打旗舰级市场,但却在同等价格区间展现出优于竞品的实力表现。英特尔也致力于持续优化升级,通过累积每一次驱动程序更新,从显卡新势力逐步成长为实力玩家。

如果一直关注显卡市场的动向,你大概已经了解到今年年初英特尔通过驱动程序更新大幅提升了其在DirectX 9游戏上的性能表现。英特尔把锐炫A770和A750的性能翻了一番,让它们更具竞争力。
自此,英特尔开始将更多注意力集中在最新发布的DirectX 11和DirectX 12游戏上。值得一提的是,英特尔针对一些特定游戏进行了优化。例如,重测《赛博朋克2077》时,锐炫A750在1080p分辨率下的游戏帧率从56 fps提高到76fps,增长了近36%。锐炫A770的帧数也从发布时的59fps提高到83fps。
《赛博朋克2077》曾在锐炫A750和A770上表现欠佳,现在则是表现最出色的游戏之一。在1080p和1440p分辨率下,锐炫A750的性能甚至超过了RTX 3060 Ti。
不止《赛博朋克2077》,在1080p分辨率下运行《地平线:零之曙光》时,锐炫A750的游戏帧率从86fps提升到95fps,而锐炫A770则从98fps提升到106fps。在持续的驱动更新后,这两款显卡目前已经展现出与RTX 3060 Ti和RX 6600 XT等显卡不相上下的实力。

这些针对特定游戏的改进令人印象深刻。此外,对应基于Vulkan的《荒野大镖客2》以及《刺客信条:英灵殿》,英特尔的一系列驱动程序更新也有所改善。
英特尔锐炫A750和A770将释放出更大潜力是有据可依的。通过针对特定游戏优化驱动带来了显著的提升。虽然这些改进尚未应用于所有游戏,但如果英特尔保持频繁地驱动程序更新,锐炫A750和A770就可能成长为不容纳小觑的力量。

价格也是必须考虑的因素。英特尔不仅通过持续地驱动程序优化令人印象深刻,与AMD和英伟达的显卡相比,锐炫A750和A770的性价比也十分出色。英特尔显卡逐渐变得极具竞争力。
这一点更加明显地反映在光线追踪上。以1080p分辨率运行《霍格沃茨之遗》时,在打开光线追踪的情况下,锐炫A750有着与AMD RX 6700 XT不相上下的表现,锐炫A770则大幅领先30%,表现甚至与RTX 4060 Ti旗鼓相当。

同样,在在1080p分辨率下打开《赛博朋克2077》的光线追踪模式时,这个价位的AMD显卡如果不借助画质增强技术,甚至无法保持30fps的帧率(需要跳到更高价位的RX 6800才能达到这个目标),而锐炫A750和A770则轻松地超过了30fps。这是英特尔锐炫显卡在发布时便具备的优势,在光线追踪方面与英伟达相当,即便是AMD的新款RX 7600也未能追上。
还有其他值得考虑的因素,特别是显存(VRAM)。英特尔锐炫A770拥有16GB显存,而RTX 3060 Ti等显卡仅有8GB。在对显存要求较高的新游戏中,如《生化危机4》和《最后生还者:第一部》,锐炫A770以接近10%的优势击败了RTX 3060Ti。

虽然已快速取得了显著进步,但英特尔仍致力于通过持续地驱动更新释放更多潜力。从定价上来看,锐炫A750和A770相比于同等价位的AMD或英伟达显卡更具竞争力。如果能以与RTX 3050相近的价格买到锐炫A750,意味着同等价位能得到约30%的性能提升。
由衷地希望英特尔能持续深耕显卡市场。在过去几个月里,英特尔锐炫A770和A750的表现已证明英特尔正逐步成长为显卡市场的实力玩家。锐炫A770和A750只是英特尔显卡征程所迈出夯实的第一步,后续的Battlemage、Celestial和Druid相信会展现出更加卓越非凡的实力。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。