Rewind 都支持哪些模型啊？

Rewind 到底支持哪些模型？一篇讲透

Rewind 目前主要依赖 OpenAI 的 GPT-4 系列（包括 GPT-4 Turbo 和 GPT-4o）作为其核心问答与摘要引擎，同时也在后台整合了 Whisper（语音转文字）和 CLIP（图像语义理解）等专用模型来处理多模态数据。但 Rewind 的聪明之处在于——它不让你手动选模型，而是根据你的查询类型自动调度最合适的模型，所以你几乎感觉不到“切换模型”这个过程。

Rewind 是什么？一个“外挂大脑”

在聊模型前，先快速对齐一下产品本身。Rewind 是一款运行在 macOS（Windows 版已进入内测）上的 AI 效率工具，它会自动、加密地录制你电脑屏幕上的所有内容——浏览器、会议、代码编辑器、聊天记录、邮件——然后通过本地 OCR 和语音识别建立全文索引。之后，你可以用自然语言搜索任何你曾经看过、说过或写过的内容，并让 AI 帮你总结、提炼行动项。简单说，它帮你解决了“明明看过却死活找不到”的痛点。

所属公司：Rewind AI（美国），曾获 a16z 等顶级机构投资。收费模式：免费版提供 1 个月回溯窗口和基础搜索；Pro 版（$20/月）解锁无限回溯、AI 问答、会议摘要等高级功能；Team 版按席位计费。官网入口：https://www.rewind.ai

Rewind 的模型矩阵：不是单一模型，是一套组合拳

Rewind 官方没有公布完整的模型清单，但根据技术博客、开发者访谈和实际使用体验，可以梳理出以下模型层级：

1. 核心问答引擎：GPT-4 系列

当你对 Rewind 提问“上周二下午的会议上，客户对预算说了什么？”时，它会把你的查询和从本地索引中检索到的相关文字片段（OCR 结果、语音转录文本）打包成 Prompt，发送给 OpenAI 的 GPT-4 Turbo 或 GPT-4o 进行推理。这是 Rewind 能给出“像人一样总结”的关键。注意：所有数据在发送前会经过脱敏处理，且 Rewind 承诺不会用你的数据训练模型。

2. 语音转录：OpenAI Whisper（本地运行）

Rewind 录制的音频（如 Zoom 会议、语音备忘录）会通过 Whisper 模型在本地设备上进行转录。Whisper 支持 99 种语言，准确率极高，且完全离线运行，不产生额外 API 费用，也保证了隐私。

3. 图像与界面理解：CLIP + 自研 OCR

屏幕录制中的截图（如网页、PDF、设计稿）需要先被“看懂”。Rewind 使用了 OpenAI 的 CLIP 模型进行图像语义嵌入，同时结合自研的 OCR 引擎提取文字。这使得你搜索“那个蓝色按钮的页面”时，Rewind 能通过视觉特征定位到正确的截图。

4. 本地嵌入与索引：自研小模型 + Apple Neural Engine

为了在本地实现毫秒级搜索，Rewind 在 Mac 上部署了经过蒸馏优化的小型嵌入模型（类似 Sentence-BERT 的变体），利用 Apple Silicon 的 Neural Engine 进行加速。这部分完全离线，不联网。

为什么不支持用户自定义模型？

很多用户问“能不能换成 Claude 或 Gemini？”目前不行。原因有三：

• 隐私与延迟平衡：Rewind 的架构要求模型调用与本地索引深度耦合，更换模型需要重写大量管道代码；
• 成本控制：GPT-4 系列在摘要质量和成本之间达到了 Rewind 认为的“最优解”；
• 一致体验：如果用户换用不同模型，回答质量和风格会变得不可控，破坏“外挂大脑”的可靠性。

不过，Rewind 的创始人 Dan Siroker 在近期的播客中暗示，未来可能会开放“模型选择”的实验性功能，优先支持 Anthropic Claude 3.5 Sonnet（https://www.anthropic.com）和 Google Gemini 1.5 Pro（https://deepmind.google/gemini），但尚无时间表。

对比其他同类工具：谁更“透明”？

可以看出，Rewind 在“不让你选模型”这件事上比较固执，但换来的是更一致、更少配置的体验。如果你特别在意模型自主权，Dropshelf 给了更多灵活性，但代价是功能深度不如 Rewind。

实际使用建议：别纠结模型，关注“召回率”

作为每天用 Rewind 超过 6 个月的深度用户，我的建议是：模型选型在 Rewind 的场景里不是关键瓶颈。真正决定体验的是：

1. OCR 准确性：Rewind 对中文、代码、手写体的识别效果如何？实测中文 OCR 在最新版本中已有显著提升，但复杂排版（如多栏 PDF）仍有漏字；
2. 语音转录延迟：使用 Whisper 本地转录时，大型会议（>1 小时）可能需要 5-10 分钟才能完成索引；
3. 搜索召回率：Rewind 的本地嵌入模型对“模糊语义”的理解（如“上次那个关于预算的争执”）比关键词搜索好得多，但偶尔会漏掉一些非文本内容（如图表中的数字）。

如果你非常在意使用哪个大模型，可以关注 Rewind 的 “AI 模式”更新——最近他们悄悄加入了一个“精确模式”（在设置中开启），会强制使用 GPT-4o 而非 Turbo，牺牲一点速度换取更长的上下文理解。这算是目前唯一能“间接影响”模型选择的方式。

相关问题

• Rewind 会占用多少存储空间？ 每小时约 200-500MB（含视频+音频索引），建议至少预留 50GB 空闲空间，Pro 版支持自动压缩旧数据。
• Rewind 能录制手机或平板屏幕吗？ 目前仅支持 macOS 和 Windows（内测），iOS/Android 版本尚未公布，但可以通过 AirPlay 镜像间接录制手机屏幕到电脑。
• Rewind 的 AI 问答会泄露隐私吗？ 所有屏幕数据在本地 AES-256 加密，发送到云端进行 AI 推理时只传输脱敏后的文字片段，且不会存储。你也可以在设置中完全禁用 AI 问答（仅用本地搜索）。
• 有没有 Rewind 的平替工具？ 开源方案有 ScreenRecorder + Whisper + LangChain 自建管道，但需要一定编程能力；商业替代品可关注 Recall.ai（官网），侧重会议记录。
• Rewind 支持中文搜索吗？ 支持，中文 OCR 和语义搜索表现尚可，但语音转录对中文方言（如粤语）支持有限，建议在设置中手动指定“中文（普通话）”以提高准确率。