Tabbit 1.0上线:9.9元享国内模型免费,首曝美团合作细节
Tabbit1 0正式发布,面向大众用户的基础功能永久免费,高频Agent场景采用9 9元每周订阅制。新增跨对话记忆功能与妙招商城,支持分享Skill。团队回应美团收购后保持独立,未接入本地生活业务,专注为普通用户打造易上手的AI浏览器。
“现在「给人」做产品,还重要吗?”这句话放在今年的AI行业里,几乎有些反直觉。
一句话生成浏览器插件,AI自动整理标签页——如果你关注AI浏览器,这两个功能你大概率见过。国内一款叫Tabbit的产品,几个月前就上线了。但这次演示它们的,是苹果。6月8日的WWDC上,苹果花了不少篇幅介绍Safari的这两个新能力,让浏览器从一个被动工具,变成能主动帮你打理事情的助手。今年以来,Chrome押的是Gemini的深度集成,Edge绑定Copilot,OpenAI的Atlas干脆把整个浏览器交给agent。但事实上,AI浏览器的功能也开始趋同。
这对所有做AI浏览器的团队来说,都不算好消息。当读懂你的标签页、替你执行任务、记住你是谁,这些能力变成每一家的标配,“我有个新功能”这件事正在快速贬值。一个创业团队领先巨头几个月做出某个功能,换来的护城河只有几个月时间的领先。
如果AI浏览器的功能会趋同,那不会趋同的是什么?6月9日,WWDC的第二天,Tabbit走完100天公测,正式发布1.0版本。该版本正在新增记忆功能,会持续记录用户偏好、背景以及其他重要信息,形成“可调用记忆”,自动适配用户回复风格,减少无效对话及动作。同时,上线了妙招商城,支持分享不同Skill。
Tabbit正式开始商业化进程。据刘炯介绍,面向大众用户的基础对话、网页阅读、常用妙招等核心功能,Tabbit将永久免费。针对高频的Agent自动化调用及高级定制化场景,Tabbit将探索差异化的订阅制模式,暂时定价为9.9元每周不限量。

在100天时间里,Tabbit走过了从“地址栏”到“搜索框”,再到“对话框”,最终长成“智能体”的四步。当行业把最好的工程师和最酷的想象力都投给agent的时候,Tabbit把市场潜力押在了那些还没真正上手AI的普通人。“技术尝鲜者已经被服务得够多了,而后面的追随者需要什么样的产品,到今天还没有人认真回答。”刘炯说到。
一个仍然为人设计的浏览器,是AI普及的入口,还是注定被冲掉的中间形态?一个被收购又被拆分的团队,凭什么敢做全行业最不性感的选择?以及最重要的,当功能不再值钱,AI浏览器这门生意,到底在比什么?
Tabbit用100天给出了它的初步答案。这份答案的成色,值得我们仔细看一遍。
100天后,Tabbit长成了什么样?
从Tabbit公测开始,就一直有人在关注它。最开始时候,很多人给过它一个判断:这是最适合普通人上手的AI浏览器。这个“方便”不是客套。它的首页很干净,进去就是一个大的输入框,可以输网址正常上网,也可以直接对话。没有满屏的浮窗或者功能键,调用所有的妙招都是中文,简单易懂可见。
刘炯提到自己有洁癖,所以讨厌那种被各类插件占满的浏览器。“侧边一整排小球,选一段文字就跳出好几个菜单,有的还故意延迟两秒,好盖在别人上面。很像每天回家家门口贴的那些小广告。”因此,Tabbit公测时给人的第一印象就是干净、好上手。而这100天里,它做的事情,也在此基础上开始一层一层往上长。

最明显的产品加码,放在一个叫“妙招”的功能上。名字有点土,取名来源是刘炯说的那种短视频里“改善生活的100个小妙招”。落到产品上,妙招其实是把一件你常做的事,沉淀成一个能反复调用的小工具,和Skill很相似,但功能化了。
过去,妙招多是把你常用的一段提示词存成快捷指令,输入斜杠就能调出来。但在这100天里,它长成了三类东西:提示词、脚本和agent任务。刘炯演示了如何把小红书首页的推荐流进行数据分析,或者打开微信公众号的长文,自动在页面上生成一个目录,方便跳转。过去你要么得去插件商店里碰运气造一个Skill,现在只需要和侧边栏说一句话。
比较有趣的是,Tabbit考虑到了页面占用问题。当你执行一个agent的时候,你可以再打开一个网页去做其他任务,而agent的执行会持续运作。刘炯说,“这样就不会出现有些命令是在和用户抢页面的情况了”。
妙招现在是可以分享的。Tabbit做了一个“妙招广场”,眼下已经有三百多款现成妙招可以一键添加:关弹窗的、屏蔽广告的、导出B站字幕的、做长文总结的,应有尽有。一个人做出来,整个小组、甚至更多陌生人都能拿来用。你做出一个好用的妙招,能生成一个分享链接,别人用Tabbit打开就直接装上了。
发布1.0的同时,Tabbit还办起了妙招大赛,给好作品发奖金、给认证、给曝光。这件事刘炯看得很重,在他的设想里,妙招不是锦上添花的功能,而是Tabbit真正想造起来的护城墙——让不会写代码的普通人也能造出自己的工具,再把工具分给别人,浏览器就从一个看网页的地方,变成一个大家一起搭出来的AI工作台。
有了妙招打底,它这100天的第二个变化是个性化能力增强。公测时Tabbit的对话是一次性的,关掉就忘。1.0补上了跨对话的记忆:它会把你是谁、在干嘛记下来,记错了还能手动改;补上了本地目录挂载,你把一个文件夹授权给它,里面有什么它按需自己去看;收藏也不再只存网址,而是把整篇网页的全文索引下来,你问相关问题时它能自动引用。这些东西加在一起,其实是Tabbit在用它的工程能力搭一个底座,让用户自己也能在上面长出想要的东西,而且用得越久,它对你的理解和意图的把握就越深。
这种“懂你”具体长什么样?Tabbit请了三个普通用户来回答。一个艺术专业的应届生,把几十篇文献按主题分成几个标签组,直接丢给它提炼观点、找研究空白,靠它啃下了一个全英文的分析软件,过了毕业答辩。一个HR,招海外增长专家时不急着找人,先把业务目标、组织现状这些材料喂给它,让它帮自己把“这个岗位到底要什么能力”想清楚再去看人。一个建筑师,把每月重复的中标统计拆成几个妙招串成流水线,原来四个人的活儿现在基本不用人管。
学生、HR、建筑师——没有工程师,没有极客。这恰恰圈出了Tabbit想要的人:不是AI玩得很溜的技术开发者,而是后面那一大批原本对AI还有点犹豫的普通人。
模型层的变化也不小。首先是接的模型更多了,不只免费可用的那些,也接进了一些更贵的高阶付费模型。Tabbit 1.0内置了LongCat、DeepSeek、智谱GLM、Kimi等多款国内头部大模型,并会实时接入新模型API,把选择权留给用户。其次,多模型的协同做得更顺。同一个问题,你可以让三四个模型一起作答,再让它横向对比、挑出分歧、最后总结成一份,省得自己一家家去问,再切换界面对比。
据透露,公测期间六成以上的用户会主动切换模型,平均每个人用上2.1个。因为不同模型擅长的事不一样:有的适合写代码,有的快、适合日常问答,有的适合翻译。Tabbit干脆把它们全端上来,还在调用的分配和速度上做了优化,新模型基本首发就能用上。平时按场景把请求分给合适的模型,性能上它一直追着Chromium最新版本走,性能功耗保持正常水平。

讲到这里,Tabbit听起来确实在认真往“好用”上长。但回到客观事实,它还有明显短板。最直接的问题是agent的执行还不够稳,实际用起来时不时卡顿、报错。Tabbit对此不避讳,但也给出了新洞察:Agent任务成功率从3月的53.1%提升至目前的91.8%。其中,5月数据显示,单用户月均Token使用量已达853万,用户正持续、高频地将Tabbit应用于较重的任务处理和工作流中。
其次,“接所有人的模型”可以是优势,让产品不被任何一家模型公司绑住。但反过来,它的能力上限也就被别人的模型卡死了。模型能干到哪,它就只能跟到哪。眼下国内通用模型的天花板本身还比较有限,再接进Tabbit这套配置和框架里,可操作的空间被进一步压缩。这意味着它能把工程做得很漂亮,能把上下文喂得很足,却没办法让一件模型本就干不成的事凭空干成。对只求“够用”的人来说,这100天的进步是实打实的;但对追求“好用”的人——那些想把真正复杂的活儿交出去的人——它可能还在探索过程中。
100天的Tabbit跑得很快,干净、好上手,稳稳接住了普通人想用AI办点小事的需求:查份资料、改个网页、理一张表。它没有去瞄准那条最主流、也最受极客青睐的路——那种成体系、多层次、能扛复杂工作流的强agent。行业里一个越来越被认同的判断是:agent做个能演示的demo不难,难的是稳定好用,真正的成熟往往要等它开始老老实实解决某一个具体场景里的具体问题。Tabbit把这个场景选成了普通人的日常琐事。这条路能不能走通,它能不能守住这个边界,又不被这个边界困住,还要打个问号。
首次回应被美团收购后近况
要理解Tabbit为什么会选择做AI浏览器,得先回到刘炯团队当初拿到的那道题。
光年之外是2024年创立的AI公司,后来美团把这家公司收了进来。收购之后,团队被拆开了:跟大模型相关的人并进了美团的自研大模型团队,剩下做应用的只有几个人。这几个人手里的命题是“做一个AI应用”。具体做什么,没人规定,什么都可以。
业内当时对这道题有过不少猜测。大家更期待这个曾经离大模型很近的团队,交出来的第一份作业是个通用大模型,或者某个更性感的东西。结果他们前前后后试了一些方向,最后落在了浏览器上。

刘炯的理由很朴素:浏览器是个老形态,2008年的Chrome到今天结构几乎没变,但它承载的东西一直在变重。白领平均一天有六个多小时泡在浏览器里办公,而AI又在源源不断地生成网页、生成应用,这些东西归根结底都是网页。一个越来越重要、形态却十几年没怎么动过的东西,在他看来恰恰是机会。更重要的是,浏览器天生知道你在看什么、在做什么,AI接进来不用你把内容搬来搬去复制粘贴,有天然的上下文信息。

促成这件事真正能成立的,也有美团给的自由度。刘炯在不同场合反复提到,美团从来没有要求他们只能接LongCat,也没说哪家模型是竞对所以不许接。产品做什么功能、往哪个方向迭代、资源怎么投,团队有相当大的自主权,公司只在大方向上把关。过去两年他们试错过不少,也承受了相应的代价。这种放手在国内大厂里并不常见——多数公司收一个团队进来,第一件事就是想办法把它塞进自己的业务盘子里。
但放手的另一面,是这个团队确实没有接入美团的主营业务体系。它还是个小产品团队,做着一件跟外卖、跟本地生活八竿子打不着的事。外界一直有个流传很广的判断,说Tabbit迟早会变成美团本地生活的一个新入口,往里接外卖比价、酒店预订。刘炯否得很干脆,说现在没有任何整合。他打过一个比方:浏览器自己得先立得住,是个有人爱用的好产品。至于将来要不要叠加美团的业务,那是锦上添花,“要两个大于1的产品相乘才能有更好的结果”。
也因此,Tabbit没有去做那种调动全公司资源的超级入口。同时,或许是因为它小、独立、不被要求围着美团的指标转,它反而有了把产品本身做干净的余地。在外部分析师眼里,美团养这么一个团队,更像是在AI时代另押一张船票。这个判断未必中听,但它也有一定的合理性。
功能开始趋同,AI浏览器接下来比什么?
把Tabbit这个赌注放回整个行业里看,它其实押在了一个还没有答案的问题上。
眼下行业里最主流的声音,是为AI做产品。让agent自己去跑、去点、去执行,人退到后面,产品越来越像是给AI用的,而不是给人用的。OpenAI的Atlas把整个浏览器交给agent,就是这条路最纯粹的样子。这个方向背后有个隐含的判断:人迟早会退出操作,所以现在就该为那个未来设计产品。
Tabbit偏偏选了反过来的起点。它不反对AI干活,但它反对的是把人挤出去。在它的设想里,浏览器是人和AI共用的一张工作台——你干你的,它干它的,共享同一套上下文,谁也不用给谁让路。这背后也有一个判断:在可见的相当长一段时间里,人不会退场。那些还没真正上手AI的普通人,才是这一代产品真正没做完的题。

这两个判断到底谁对,今天没人能下定论,而且它们各自都站得住。支持Tabbit这一边的逻辑是:让AI全自动地替人办事,这件事现在仍然有门槛,普通人还驾驭不了。与其逼他们一步到位,不如先给他们一个低门槛的、人还在中间的产品。等技术真正成熟了,他们自然会走到更自动的那一步。但反对的声音也很尖锐:如果未来的锚点就是agent全面接管,那现在还把“人的叙事”当主流,会不会反而在拖慢大家适应AI的速度,让普通人停在一个注定要被淘汰的中间形态上。
这就引出了那个更要紧的问题。技术尝鲜者已经被服务得足够多了,但他们身后那一大批追随者,需要的到底是什么样的产品?这件事到今天还没有人认真回答。Tabbit赌的就是这块空白。它不见得对,但它至少没有跟着所有人挤在同一个方向上。
在刘炯看来,无论是智能标签整理还是一键造Skill,单一功能上的创新从来不是能长期领先的东西。他举了标签整理的例子:很多产品的整理是按域名分类,知乎一组、B站一组,分完其实没用。而Tabbit想做的是按你当下在干的事来分——在报销、在写材料、在做毕设。它认的是任务,不是网址。在他看来,功能可以被抄,但对一件事情的理解抄不走。而决定一个浏览器好不好用的,恰恰是这种理解。
这其实点破了AI浏览器这场竞争里最关键的变化。过去浏览器的护城河是用户规模和默认设置带来的存量。现在功能层面大家越来越像,模型又是各家都能调用的公共资源。真正拉开差距的,落到了谁更懂人怎么用产品上。这是Tabbit这样一个没有存量、没有自研模型的小团队,唯一可能赢的地方,也是它把全部筹码押上去的地方。
你是一名 AI 行业编辑,请围绕下面这条热点输出一份资讯解读:
热点:Tabbit 1.0上线:9.9元享国内模型免费,首曝美团合作细节要求:
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站,所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系youleyoucom@outlook.com。
相关热点面壁智能聚焦端侧AI,不拼参数大小,而是通过知识密度提升与模型风洞技术,将大模型压缩至手机、汽车等设备。其MiniCPM以2B参数超越同期8B对手。CTO曾国洋22岁主导训练中国首个大语言模型CPM-1。端侧AI追求“默契系统”,在用户开口前预判需求,已在吉利、上汽大众等车型落地应用。
印度IT巨头HCLTech投资最高350亿卢比建设AI数据中心,容量可扩展至50MW,提供从设计到运营的端到端服务,旨在满足政府及企业日益增长的算力需求,抢占印度快速增长的数据中心市场,并推动AI基础设施布局。
小米具身机器人在汽车工厂自攻螺母上件工站实现双侧作业成功率98%,接近人工水平。同时在新工站分别达到90%成功率,从单一操作拓展至多工站协同,验证了具身智能在复杂工业环境的落地能力。
全球AI行业正迎来新的财富格局,DeepSeek创始人梁文锋凭借其公司的迅猛发展,个人财富急剧膨胀,一举超越多位硅谷知名人物,成为全球AI公司领域的新首富。以下将详细解析其身价飙升背后的关键因素及公司发展历程。 一、身价飙升至360亿美元,超越多位AI大佬 根据最新彭博亿万富豪指数,DeepSeek
- 日榜
- 周榜
- 月榜
热点快看
