」 用过Claude Code、Codex 的人，大概都被这行字噎过。

1、鸭脖app 四种角色、管理后台、可嵌入组件，还能自动给投诉分类、识别情绪、起草回复。

npm test → 33项测试，0失败。鸭脖app这就是田然说的「心流」——你很容易出戏的办公流程，不是好的办公流程。

2、北控2换1报价徐杰，王少杰+数千万现金，朱芳雨心动吗？

第一，分层解释。

3、中方揭批：日本核材料可制造数千枚核弹头

企业学习闭环 纳德拉提出企业需要拥有自己的learning loop，这是正确的。

4、阿根廷主教练谈世界杯争议吹罚！

在DM0.5身上，原力灵机第一次看到了「泛化涌现」。

5、疯了！希罗得知被交易换字母哥爆粗：回老巢了，你们脑子没毛病吧？

一句话：ChatGPT开始拥有自己的「文件系统」。

想让它跑得住，还得给三条护栏： 1. 提前划好刹车线。

想推给客户的产品，一定是自己先足够深、足够广地用过。

6、NBA超级选秀年！迪班萨状元，前三无悬念！雷霆选了反文班装甲？

今天，OpenAI发布一篇罕见的长文，复盘了一款「长周期运行模型」在内部使用中的失控过程。

Rust版6月就随Claude Code悄悄上线了。

7、断层第一！詹姆斯这数据太意外了！！！

面壁智能学术合伙人、多模态智能首席科学家姚远 通过极致的视觉压缩技术，面壁将VLA模型从「算力饥饿」中解放出来，让机器人在真实物理世界中以更低的成本「跑起来」。

这两件听上去朴素的事，恰恰是今天最强的AI所没有的。

8、拿下世界杯版权，小红书买下这个夏天的「超级素材库」

现在大家盯着同一个会自己更新的页面，进度就是页面本身，不用再开会同步「我们现在到哪了」。

而真正的瓶颈，往往落在一个反直觉的地方：卡住模型的，通常并非它读过多少代码，而是它完整跑通过多少个真实项目。

但传统导航数据通常以专家正确轨迹为主，模型学习的是「理想情况下应该怎么走」，却很少真正经历偏航与恢复过程。

9、亚马尔开始往中路走了，这才是他真正的大招

价格也低到离谱，每百万Token输入甚至连演员怎么说台词都写进了prompt：语气要低沉温暖的女中音，带一点希腊口音；念到「留在这座房子」之后停顿一拍，「永葆青春」再停一拍，最后「永远」两个字要轻下来—— 什么时候停、什么时候轻，全是导演写给AI的现场指令。.3美元、输出.5美元。

真的存在过。

10、彩经前瞻：青岛海牛vs天津津门虎，抢夺保级路“6分”关键战

对于整个行业来说，这或许是一件好事。

最先被改掉的，其实是协作方式。

1、全部输掉点球大战！德国和荷兰全部出局，输球不冤！

三层落下来，要终结的正是那段长期没人负责的黑箱—— 企业过去只盯着链条两头，买算力、要结果，中间每一次转化的效率与成本，始终无人过问。

2、美国沙特核协议引爆中东！以色列被激怒，对特朗普发出威胁

它把自然语言指令，和材料的CIF、化学的SMILES、蛋白质序列、光谱数据、科学图像等多种科学模态，组织进同一套任务表征里。

3、文班降薪续约只为争冠：牺牲5000万谋大局

企业可以把模型部署在自己的服务器里，却仍然没有认知主权。行业整车利润率低至1.5%，造车进入薄利周期？」 生成领域拥抱外部，壁垒留在推理和领域数据上——这层数据别人拿不到。

4、聚焦｜贾一凡/张殊贤：29比30之后，许多困难需面对

2.0 真正在建的基础设施是 Skill Market（技能商店）。

5、米卢蒂诺维奇：我们享受足球，然后探讨和平

AI虽好，但终归是工具，合规留痕、组织卡控，依然少不了CI和人工审查。

6、中科院教授：别光顾着躺平，想长寿真得吃点“苦”！

SafeClawArena共406道题，分布在四个维度、24个子类中。

不过，这款模型，普通人暂时碰不到。

生成过程中，没有专门的调度器指挥，模型所做的就是一路往下预测下一个token——写着写着，它自己判断「该出图了」，就切进图像token接着画，画完再切回文字。

7、3战轰81分31助！广东20岁天才后卫疯狂崛起，能成下一个徐杰吗？

同一只手，同一根手指，同一个动作，两个角度剪在一起，就像真实片场的连续调度。

参考资料： https://x.com/maxforai/status/2078767321603342656?s=46&t=kUmE9xDZxjY1kLbL84hhYQ 编辑：Aeneas新智元报道 一名顶尖实验室的材料研究员，最无力的瞬间，从来不是想不出创新思路，而是 AI 一天推演上百种新配方，人工实验一年测不完； 最可惜的损耗，不是实验本身的失败，而是随着项目结束、人员更迭导致数据、经验、参数未能有效存留，让下次的研究需要重复起步、反复试错。

8、5年2.29亿攻防却不如二年级新秀！9年过去了，你还是打不了高端局

整体看，Light Interaction并不是简单「拿画质换速度」：在HY-WorldPlay上，它保持了较好的视觉质量并显著降低显存；在Matrix-Game-3.0上，也在竞争性质量下取得最低延迟。

这是一张彻头彻尾的空头支票，五角大楼想怎么用Gemini，谷歌根本无权干涉。

在模型和芯片都还在高速演化的阶段，灵活组合比把单一模型再优化20%更重要。

「在某些任务和场景中，我们发现用WAM比VLA更高效，尤其是在我们特别关注模型的鲁棒性和数据效率的情况下。