试用阿里网盘内测版-不限速、无广告、隐私安全我全都要

简介: 阿里 Teambition 网盘体验实录

前言

Teambition 网盘自开放内测申请以来已经过去了数月,上周五终于收到了心心念念内测码,于是立马上手体验。Teambition 网盘宣称是不限速、不打扰、够安全、易于协作的网盘,属于阿里巴巴工作学习套件 Teambition,提供能够满足日常需求的超大存储空间,有趣、好用的协作等功能。

从官网可以看出 Teambition 网盘准确的抓到了个人网盘用户的痛点:上传下载限速各种广告弹窗隐私安全以及操作困难,而作为工作学习套件的一部分还增加了协作功能,除了分享资源,还提供了各种协作功能,大大提升协作效率。

优势

目前 Teambition 网盘还处于 Beta 内测版,申请地址:https://survey.aliyun.com/apps/zhiliao/jqBinngVQ

速度

经实测 Teambition 网盘的上传下载速度都能达到本地带宽的最大值,上传下载速度都非常丝滑。

上传速度


Teambition 网盘背靠阿里巴巴集团,由阿里云提供资源支持,所以 Teambition 可以以极低成本拿到海量的资源,这也就是他们敢于宣传资源上传下载不限速的原因。

上传下载速度应该是所有功能的核心,也是和友商比较最多的一点。作为一名云资源管理者和维护者,我深知存储和网络带宽消耗成本的巨大,企业为了保证各种图片、视频、文件资源的可用性,会花费不菲的成本来采购 OSS 或 S3 这样的对象存储,这些资源的上传下载自然不会限速,甚至还有配套的加速服务。

所以对于网盘的限速从情感上是可以接受的,因为这些资源成本巨大,但是如果限速到几k、几十k/秒,那这样的策略就不是基于成本的考虑,而是垄断后的特权了。

容量

内测版开放了 2T 的免费容量,这个大小基本满足了个人用户的使用需求,后续应该会开放购买更大的容量。

网盘容量

隐私安全

在直接咨询了阿里的开发人员后,得知 Teambition 网盘采用与天猫双十一相同的技术架构,确保用户个人隐私和文件的绝对安全。

页面

网盘页面简洁明了,功能一目了然,可以识别众多文件格式。确实也和承诺中的一样,没有广告推送和弹窗,整体保持简洁清新的风格。

网盘页面

协作

除了一般网盘的功能外,Teambition 网盘还突出了协作的功能。

讨论功能

讨论

参与协作的用户可以使用不同的颜色,将想要讨论的对象圈出来,这样就可以在同一幅图片或者视频中进行多组讨论,不用添加多余的描述。这个功能在视频中效果会更加明显,可以逐帧出修改对象并发表意见(剪辑师、设计师狂怒)。

你觉得是狗可爱还是猫可爱呢?:)

图像识别

文档中并没有提到这个功能,是我在测试时偶然发现的,Teambition 网盘会自动识别你上传图像的内容,并在详情中的 “包含的事物” 中展示,如下图:

图像识别

分享

目前分享功能是关闭的,原因是内测期间有用户利用 Teambition 网盘分享违规文件,所以暂时无法体验 Teambition 网盘的分享功能。不过从 「分享」功能升级说明 可以看到目前已经开启了安全升级,同时还增加了更多功能。

多种分享权限:

  • 限时分享有效期增加更细致的时间颗粒度(7天、永久、自定义)
  • 分享支持增加添加密码
  • 批量分享支持画册、缩略图两种模式查看文件

粒度更细的分享管理:

  • 支持查看分享文件的浏览量和被下载量
  • 支持查看分享文件的有效期
  • 分享中的文件支持随时取消

不足

Teambition 网盘的核心功能确实直击网盘使用的痛点,但还处于 Beta 内测版,有很多不足。

  • 目前只有 web 端和手机端可以使用,微信小程序、桌面端(Mac 和 Windows)、平板设备端还未开放
  • 手机端目前还不能删除文件,删除文件要在 web 端操作,而且手机端网盘的加载速度也很慢,且多次出现加载不出来的情况
  • 分享功能暂时不可用
  • 暂时还没有与各种设备打通,还没有手机相册/内容备份等功能

结语

总的来说,Teambition 网盘抓住了网盘使用的痛点,并以此收获了众多的关注与好评。但要走的路还很长,在海量用户使用下网盘本身的可用性、对各种设备的支持、对违规内容的识别和管控都将是 Teambition 网盘面临的挑战。

往长远了看 Teambition 网盘的出现给了用户更多的选择,同时打破了目前网盘市场的局面,逼着“一家独大”的同行去改善自己的产品和服务,从用户的角度这都是好事情。

欢迎扫描二维码关注公众号,了解更多云原生知识

目录
相关文章
|
开发者
语雀
简要讲述语雀文档编辑器的注册使用及个人感受
语雀
|
8月前
|
机器学习/深度学习 人工智能 数据可视化
生成AI的两大范式:扩散模型与Flow Matching的理论基础与技术比较
本文系统对比了扩散模型与Flow Matching两种生成模型技术。扩散模型通过逐步添加噪声再逆转过程生成数据,类比为沙堡的侵蚀与重建;Flow Matching构建分布间连续路径的速度场,如同矢量导航系统。两者在数学原理、训练动态及应用上各有优劣:扩散模型适合复杂数据,Flow Matching采样效率更高。文章结合实例解析两者的差异与联系,并探讨其在图像、音频等领域的实际应用,为生成建模提供了全面视角。
1405 1
生成AI的两大范式:扩散模型与Flow Matching的理论基础与技术比较
|
Rust Ubuntu Linux
|
6月前
|
存储 人工智能
Ollama 本地运行 Qwen 3
本指南介绍如何安装和配置Ollama。首先,从官网下载Ollama并选择适合的安装方式:傻瓜式安装或指定路径安装。安装完成后,可通过系统环境变量配置模型下载路径(可选)。最后,运行对应模型命令进行测试使用,包括选择参数量、复制命令并在命令行工具中执行,验证安装是否成功。
2992 18
|
Linux 数据库 数据安全/隐私保护
|
监控 jenkins 持续交付
Docker和Jenkins有什么不同
【10月更文挑战第18天】Docker和Jenkins有什么不同
|
12月前
|
机器学习/深度学习 人工智能 芯片
【AI系统】超异构计算
本文探讨了计算机架构发展的黄金十年,重点介绍了异构计算和超异构计算的概念及其在AI芯片发展中的应用。文章首先回顾了AI芯片发展的三个阶段,随后详细阐述了异构计算的优势和应用场景,如性能飞跃、灵活定制、降低成本和降低功耗。接着,文章分析了超异构计算的出现背景、基本特征及其面临的挑战,包括软件层的复杂性和硬件定义软件与软件定义硬件之间的权衡。最后,展望了超异构计算的未来,强调了跨平台统一计算架构的重要性,以及构建开放生态系统的必要性。
641 5
|
机器学习/深度学习 人工智能 自然语言处理
人工智能基础知识:介绍人工智能的历史,基本概念和应用领域
人工智能基础知识:介绍人工智能的历史,基本概念和应用领域
15210 0
|
应用服务中间件 nginx Docker
在 Docker 中部署 Nginx 并挂载配置文件
在 Docker 中部署 Nginx 并挂载配置文件
|
人工智能 自然语言处理 机器人
谷歌AI Gemin怎么使用?Gemini国内使用指南!(2024.8.19)
从自然语言处理(NLP)到对话生成,AI语言模型已经成为科技界的一个重要组成部分。在众多杰出的AI语言模型中,Gemini凭借其卓越的性能和广泛的应用而脱颖而出。作为谷歌旗下的多模态AI巨头,Gemini融合了最先进的语言处理技术,为用户提供了无与伦比的语言理解和生成能力。