Firefox 开发商 Mozilla 旗下的开源电子邮件客户端 Thunderbird 正致力于将自身重塑为一个更全面的通信平台。
为实现这一目标,开发团队正在推出一系列配套服务,其中部分服务未来可能会产生收入。
这次雷鸟生态系统的扩张行动,是为了对抗包括 Google Gmail 和 Microsoft Office 365 等商业服务的吸引力,这些服务一直在逐步吸引走 Thunderbird 的用户。
Thunderbird 产品总监 Ryan Sipes 在上周发布的开发社区规划说明中解释道:"Thunderbird 每天都在流失用户到那些既是客户端又是服务的丰富生态系统,比如 Gmail 和 Office 365。"
"这些生态系统通过对第三方客户端的互操作性问题形成了硬性锁定,同时通过其客户端和服务之间的便利性和集成形成软性锁定。我们的目标是最终能够提供类似的服务,为那些需要的用户提供一个 100% 开源、尊重自由的替代生态系统。"
这些损失难以准确衡量,因为 Mozilla 并未公布 Thunderbird 的用户数据。但月活安装量从 2020 年 12 月 27 日的 17,706,777 下降到 2025 年 3 月 30 日的 16,174,806。
为了增强实力与这些巨头抗衡,仍在 Mozilla 基金会旗下运营的 Thunderbird 团队正在开发一系列网络服务——部分以"Thunderbird Pro"和"Thundermail"品牌推出,这些服务目前处于不同的发展阶段:
Thunderbird Appointment:一个日程安排工具,允许用户分享链接让他人在其日历上预约时间。
Thunderbird Send:重建版本的已停用 Firefox Send 服务 (2019 年),重写后支持更直接和灵活的文件共享。
Thunderbird Assist:尚未发布的可选 AI 服务,在硬件允许的情况下支持本地推理,或通过合作伙伴 Flower Labs 提供注重隐私的云端推理。
Thundermail:基于 Stalwart 技术栈的电子邮件托管服务,作为 Thunderbird 客户端的补充。Stalwart 支持 JMAP (JSON Meta Application Protocol),这是 IMAP (Internet Message Access Protocol) 的继任协议。
Sipes 表示这些服务的运营成本可能很高,因此部分用户需要付费——如果美国政府反垄断诉讼中针对 Chrome 的补救措施获得法院批准,Mozilla 可能需要替代从 Google 获得的数百万美元收入,这种收入来源可能会让 Mozilla 感到欣慰。
"初期,我们计划向持续的社区贡献者免费提供这些服务,"Sipes 说。"其他用户则需要付费使用。一旦我们拥有足够强大的用户基础,确保服务可持续发展,我们将开放有限制的免费层级,比如较少的存储空间等——具体取决于服务类型。"
用户也可以选择自行托管某些服务,如 Appointment 和 Send。
Sipes 指出,对文件共享等免费服务设置限制是必要的,以防止滥用。
"Thunderbird 在世界上是独一无二的,"Sipes 说。"我们对开源、开放标准、隐私和尊重用户的关注应该以多种形式表现出来。我们缺少网络服务意味着用户必须做出常常令人不适的妥协。这就是我们要纠正的问题。"
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。