结果就是，整体效率提升约50%，等效省下数百万元的硬件采购成本。

1、火狐买球 OpenAI搬出用户隐私来抗辩，法院没接受，其中一条关键理由是：这些对话，是用户「自愿提交」给OpenAI的。

一个文件夹、两个markdown文件、一组技能，就是让Fable 5「认识你」的全部配置。火狐买球在单点研究的机构里，研究大脑的和死磕灵巧手的彼此割裂。

2、文明网评丨东北超”，把刻板印象踢出场

编辑：Aeneas 大卫新智元报道 现在，你可以通过录屏 + 语音讲解的方式，彻底把自己蒸馏成 Skill 了。

3、全国不足1%，要动真格了

这带来一个很直观的变化：Agent太能吃了。

4、湘潭市多形式开展“全国特种设备安全日”宣传

她想离产品、离代码、离模型再近一点。

5、健康日历

再往前推，需要的是流动智力。

ABot-M0.5全自主进行移动操作 这既解决了单一动作空间中移动与操作相互干扰的问题，还保证了模型能捕捉一些微观且高频的物理交互，从而保证任务的执行质量。

K3：全球开源最大最强AI K3是能力最强的Kimi模型: 参数高达2.8 万亿，百万级上下文，原生多模态 架构基于自研的Kimi Delta Attention和 Attention Residuals； 注意力残差以低于2%的额外成本实现~25%的训练效率提升； 实现最高6.3倍解码加速。

6、中国独角兽总估值破1.4万亿美元：清华46位校友独占4000亿

他是首席科学家，是Gemini项目的联合负责人。

结合一系列技术优化，无问芯穹的单位Token推理成本，硬是在一年内，整整降了10倍。

7、癌症的源头被查出，高糖饮料没上榜，第1名大家可能每天都在吃！

这意味着它不再是「问一句答一句」，而能自己把活儿往前推，甚至设成每天定时跑的任务。

最早是Copilot，帮专业开发者补全代码，全球也就2000万程序员用得上；接着是Vibe Coding，用自然语言表达需求，人群一下子就拓宽了。

8、台风“红霞”将登陆 国家防总派工作组赴广东协助指导

本来要几天的活儿，几个小时干完。

」 在后稀缺时代，需要什么样的新型经济模式来帮助所有人共同繁荣？我们希望秉承什么样的价值观？意义和目的将是什么？甚至，人类自身的境况将如何改变？ 下面，就是哈萨比斯的文章译文——《前沿AI框架与新时代的曙光》「A Framework for Frontier AI and the Dawning of a New Age」。

但今天，先去把HF token换了吧。

9、今日热点：《野狗骨头》定档；贺峻霖对接回应花字争议……

这在商业上可能是一个正确的选择，但它不该永远藏在黑箱里。

一旦评估规程被证明行之有效且足够稳健，就可以迅速将其正式化。

10、7月，穿好看的衣服，看最美的风景

物理动作冗余严重：即便任务最终成功，轨迹里也可能包含大量纠错、回退和重复动作。

想推给客户的产品，一定是自己先足够深、足够广地用过。

1、万人送别张雪峰，死里逃生卢克文！

第二个是数据。

2、世界杯神锋效仿桑切斯！1.28 亿巨星拒绝利物浦，铁心加盟阿森纳

一个模型，装下五种能力 长程工程、通用Agentic、终端、前端美学、通用知识——这五个方向，KwaiKAT各训了一个专家。

3、逊克县：把关田间“一粒种” 稳住丰收“底气粮”

为什么走向AGI 必须是「体系化跃迁」？ 什么是真正的体系？ 近期行业内有一次动作极具代表性。【图文速览】《财经研究》2026年第5期文章速览我们总担心AI「失控」是什么末日大片的场面。

4、U17国足原先的王牌新星，网传要来上港队，却至今没有官宣确认

项目组要跑一个训练实验，Gemini反对：它认为这个实验会抹掉模型表达「撤回同意」的能力。

5、这些院校是“黑马”！今年广东本科投档有新变化

据CNBC报道，这是谷歌「有史以来规模最大的预训练项目」。

6、大理人是没见过荷花吗？如此略显凌乱的池塘，门票竟也能卖到20？

在单点研究的机构里，研究大脑的和死磕灵巧手的彼此割裂。

显然，AI视频，正在成为继AI编程之后，最接近大规模商业验证的黄金赛道。

然后全量翻译，跑「实现—评审—修复」的多智能体循环；最后编译、运行、逐一比对行为。

7、​加纳乔走到十字路口：罗马会是他的白月光吗？

截至目前，超维动力又将数万小时的高质量数据交付给多个行业知名合作伙伴。

他先锁死两个起始帧：一个越过卡吕普索的肩膀，一个越过奥德修斯的肩膀。

8、丰田哪款SUV最可靠？外媒列出丰田SUV可靠性排名，汉兰达超RAV4

要终结这次争论，需要一场严格对照实验：同一份模型快照，同一批任务，同一套工具环境，只动juice这一个变量。

我把一个相对复杂的任务抛给灵犀专业版： 做一个国内顶尖AI人才流动的可视化HTML页面，分析大厂之间的人才流动，用我喜欢的PPT风格呈现。

科研端的合作同样在这次WAIC集中落地。

它训了套奖励模型，让机器人自评「这下做得好不好」，再靠持续学习吃进翻车经验，硬磨出极端情况的纠错力。