通常情况下,在Windows系统中安装应用程序需要直接下载或从微软商店单独选择安装。但现在,用户可以通过创建自定义组合来同时安装多个不同的应用程序。
一位名为ChangeWindows的用户在X平台上发现了微软商店网页版的一个新页面,该页面允许用户从48个不同的应用程序中进行选择,这些应用分为六大类别:生产力、创意、社交、娱乐、工具与实用程序以及个性化。
用户最多可以选择16款应用,勾选相应复选框后点击"安装选定项目"按钮,浏览器就会下载一个可执行文件来批量安装所选应用。这项功能目前仅在微软商店的网页版中提供,Windows 11任务栏中的应用版本暂不支持此功能。
在实际测试中,选择了Canva、Speedtest by Ookla、Instagram、Wallpaper by SuperFizz、ChatGPT和Netflix等六款应用后,点击下载的EXE文件,系统立即打开了微软商店应用的下载页面,并开始同时下载和安装这些应用程序。
虽然可用于多应用安装的选择范围并不算特别全面,但其中包含了一些知名应用。生产力类别包含Teams、Zoom、ChatGPT、OneNote、iCloud和Dropbox。创意类别包括Canva、Photoshop、OBS Studio和Audacity。社交类别涵盖WhatsApp、Discord、Instagram、TikTok、Facebook和LinkedIn等社交网络应用。
娱乐类别包含Spotify、Netflix、iTunes、Hulu、Prime Video、Disney+和Apple TV。工具与实用程序类别提供Speedtest、USB安装工具Rufus、英伟达控制面板等。个性化类别主要包含各种壁纸应用,如Lively Wallpaper和Bing Wallpaper,实用性相对较低。
微软的多应用安装器让人联想到第三方多安装工具Ninite,后者提供约120个应用,分为15个不同类别供用户选择。不过,Ninite不使用微软商店下载应用,而是依赖根据用户选择创建的自定义下载器/安装器可执行文件。
Ninite拥有更为不同且广泛的应用集合,包括Chrome和Firefox等主要网络浏览器,Zoom、Teams甚至Trillian等消息工具,以及VLC、Winamp、GIMP和Notepad++等流行的免费实用程序。Ninite还提供各种版本的.NET和Java运行时,甚至包括7-Zip和WinRAR等压缩工具。
目前尚不清楚微软计划将多应用安装实验推进到何种程度。显然,为多个应用程序提供单一可执行文件具有明显优势,无论是IT部门在多台计算机上部署这些应用,还是用户想要与朋友分享喜爱的应用或将其移植到新购买的电脑上。虽然目前Ninite是更优的选择,但凭借对应用生态系统的牢固掌控,微软有潜力打造更强大的多应用安装解决方案。
我们已联系微软征求评论,并询问是否计划将多应用功能扩展到更多应用或桌面版商店中。如有回应,我们将更新本文内容。
Q&A
Q1:微软商店的多应用安装功能怎么使用?
A:用户需要访问微软商店网页版,从48个应用中最多选择16款,勾选复选框后点击"安装选定项目",浏览器会下载一个可执行文件来批量安装所选应用。目前这个功能只在网页版提供。
Q2:微软商店多应用安装都有哪些应用可选?
A:应用分为六大类:生产力类有Teams、Zoom、ChatGPT等;创意类有Canva、Photoshop、OBS Studio等;社交类有WhatsApp、Instagram、TikTok等;娱乐类有Spotify、Netflix、Disney+等;工具类有Speedtest、Rufus等;个性化类主要是壁纸应用。
Q3:Ninite和微软的多应用安装有什么区别?
A:Ninite提供约120个应用选择,包括Chrome、Firefox、VLC、Notepad++等更丰富的应用,且使用自定义下载器而非微软商店。目前Ninite的应用范围更广,但微软凭借对应用生态的控制力,未来可能打造更强大的解决方案。
好文章,需要你的鼓励
谷歌地图将集成Gemini人工智能技术,旨在将其升级为一个"全知型副驾驶"助手。这一整合将大幅提升地图服务的智能化水平,为用户提供更加个性化和全面的导航体验。通过AI技术的加持,谷歌地图有望在路线规划、地点推荐和实时信息服务等方面实现重大突破。
Feedzai团队首次系统评估了AI模型理解散点图的能力,创建了包含18,000张图表的大规模数据集。测试十个先进AI模型发现,在简单计数任务中部分模型准确率超90%,但精确定位任务表现不佳,准确率多在50%以下。研究还发现图表设计对AI性能有轻微影响,为AI辅助数据分析提供了重要参考。
微软研究人员发布新的仿真环境来测试AI智能体,研究显示当前智能体模型容易受到操纵。该名为"Magentic Marketplace"的合成平台让客户智能体与商家智能体进行交互实验。测试包括GPT-4o、GPT-5和Gemini-2.5-Flash等模型,发现智能体在面临过多选择时效率下降,且在协作方面表现不佳。研究揭示了AI智能体在无监督环境下的性能问题。
KAIST研究团队开发出MG-Select系统,首次让视觉语言机器人具备"货比三家"的决策能力。该系统通过生成多个行动候选方案并利用内部评估机制选择最优解,无需额外外部验证系统。在真实世界测试中,机器人精确操作成功率提升28%-35%,某些任务改进达168%,为机器人在医疗、制造等高精度应用领域的发展奠定重要基础。