“如果说2008年，联想集团赞助奥运会是为了证明全球化。

1、乐鱼全站 比如PHYSICLEAR只有482段触觉视频，而整个社区其实已经公开了超过40万段触觉视频、160万帧数据。

而在字节体系里，豆包、抖音、即梦等已形成从工具到平台的紧密协同。乐鱼全站两派各有优劣，为便于大家做对比，这里我直接放了一张AI生成的图表： △图片由AI生成 简单总结就是，VLA属于「直觉派」，快但容易翻车；世界模型则属于「深思派」，稳但是又慢又贵。

2、迈腾 PHEV上市，限时不足17万起！外观豪华动感，综合续航1510Km

深度研究能力上，豆包还需要提高，幻觉仍然很重。

3、约旦称拦截伊朗7枚导弹和6架无人机

如果说PC时代，微软的成功模式是Windows作为底层操作系统，支撑Word、Excel等上层应用，从而驱动数字交互。

4、内蒙古自治区体育局副局长刘胡成接受审查调查

对企业客户来说，一个供应商就能管住全部 AI 用量和账单。

5、6月新冠确诊7.9万例，夏季感染为何反复出现小高峰？

进入哈佛商学院案例？项目大受关注，如此而已。

29分意味着，选手完整解决4道题，再从剩余两道题中拿到1分，就已经能够进入金牌区间。

如果说去年逛展大家聊得更多的，还是AI还能做点啥，那到了今年，一个非常非常非常明显的变化是—— AI已经从屏幕里走了出来，开始往工厂、家庭、药房、穿戴设备和各种真实生产场景里「疯狂流动」了： 在一众展商中，我也看到了一个咱非常之熟悉的玩家：京东。

6、世界杯首秀从容控场，马宁依旧规则至上！强硬底色从未改变

在今年世界人工智能大会上，联影智能首次发布「元医院」战略。

“千问开源做得最好，数据颗粒度很细，像一些PDF、网页，都能拆得很细；智谱的底层数据也做得不错。

7、裙子专场

没错，人做饭、叠衣服、收拾桌子的第一视角视频。

” 奶茶品牌扎堆成为核心商圈常态。

8、麦迪批评热火队阿德巴约因希罗的言论，而动手打人的行为“越界”

在这种设定里，模型能力只是一部分。

AI基建单独撑起了WAIC的H2展馆，这直接反映了国产算力基建的规模优势与生态成熟度。

那时候，我还是个文化人。

9、意大利连续缺席3届世界杯！14年换7任主帅，瓜迪奥拉成救世主？

一款「租房性价比计算器」，就能帮打工人算明白，这房子租的值不值。

在程衍樑看来，播客变现链条长，难以标准化复制，是一门极其分散、难以收敛的个体化生意。

10、光影见证廿五载 携手共话新征程 中俄地方友好合作成果图片展在哈启幕

但日冕认为，这四代演进本质上还是在学习表象映射，而不是理解物理规律。

行业几乎全员陷入“唯模型规模论”的内卷。

1、封神！23 岁贝林厄姆超越齐达内！世界杯神迹缔造足坛新历史

实验证明，轻量适配模块压缩到基模参数的0.5%以下，仍然稳定可靠——基座越强，小规模更新反而越有效。

2、中乙综述丨第8轮

我们的猪肉板块就是个典型的例子。

3、抛开赞助只算场内薪水！库里和梅西的纯收入加起来都不如C罗？

本月的LongStraw，又在固定GPU算力下把强化学习后训练推进到2M上下文。审美倒退30年？舒淇却被全网夸爆了新入局者需要寻找新的生态位，例如：把自己定位为通用世界模型公司，让具身智能只是其中一个子场景；或者避开已经高度内卷的Tabletop（桌面级）任务，直接选择全尺寸人形等方向。

4、火热进行中

关键工程：让扩展在100B+体量上可训 把序列从L拉到nL，非注意力计算大致线性增长，但稠密注意力会按序列长度的平方膨胀。

5、徐州接下来还有雨吗？刚刚，重要天气报告发布！

但实际上还有大量融入到业务中的AI应用是无法测算的，比如我们在工厂中应用的品质智能体，能够实现比人工更准确的质量检测，这部分效果还无法通过数字来跟踪，但长远来看，这个应用方向是确定无疑的，所以必须推进，不会特别在意投入产出情况。

6、5个月造出独角兽：智元机器人"1+5+N"生态裂变的3条企业启示

对脑科学来说，这个平台给出了一条新路：用AI在斑马鱼身上“预演”本该在哺乳动物身上做的实验。

三家机构的共识是：这份“差财报”是理想汽车主动求变的转型代价，而非基本面失控。

这就解释了，为什么下一代机器人大脑，都盯上了「人的视频」。

7、菲律宾船上的CNN记者称菲方船只被中方水炮袭击，菲海警称中方咄咄逼人，中方：菲方又一次安排记者参与侵权行动，蓄意挑衅滋事，借机炒作

这套技术战略下，部署的设备数量越多、覆盖场景越丰富，模型积累的物理经验越充足，也就变得更聪明。

比如缺少最终产物、重复执行无效命令、工具报错后不恢复，或者探索太久却迟迟不进入实现。

8、山火难控 西班牙请求欧盟提供支援

3.5D堆叠涉及散热、封装良率、供电、芯粒互联和测试体系。

背后甚至专门立了一块大屏幕，实时统计这四个“打工人”的干活KPI。

与不少模型主要围绕数学、代码等单项能力训练不同，Grok 4.5将强化学习扩展到了数十万个真实的软件工程和知识工作任务 模型需要完成多步推理、调用工具、从错误中恢复并验证结果，更接近Agent在真实环境中的工作方式。

“记忆”与“思考”分离对科学智能体来说，也意味着更灵活的底层支撑：面对需要多轮规划、频繁检索专业知识和持续调用工具的长程任务，模型可以将计算资源集中于真正需要推理的环节，并依据环境反馈不断修正路径。