比如，要预测性质就走性质预测，要重建结构就走结构重建，还能做三维结构生成、科学图像生成与编辑。

1、爱游戏手机 用喻杰的话说，学习华为的成功经验「攀登珠峰，沿途下蛋。

因为这种分析必须把大量真实攻击命令、漏洞利用载荷、C2产物原样喂进去。爱游戏手机能力赢得首次使用，可靠性让AI成为工作方式本身。

2、《成都声明》在APEC数字和人工智能部长会议达成

但光这部分，就已经够多了。

3、马拉松跑者的静默执念：#破3！跑出2:59:59或更好成绩

飞轮每转一圈，整体智能水平就抬高一层。

4、中国足协辟谣

DA-Nav没有让视觉语言模型直接预测连续三维坐标，而是将机器人第一视角中的道路空间划分为候选区域，让模型先在画面中判断接下来应该经过哪些位置，再由控制模块将这些空间落点转化为可执行轨迹。

5、肖煜峰谈进足协杯8强：把所有掌声送给我们的兰州陇原竞技队_网易订阅

他还是相信雅可比猜想的正确性，甚至觉得AI会在不久之后帮助解决证明过程中的逻辑问题。

他认为大模型本质上是静态权重的token生成器，做数学的时候，不会像人一样实时长出新的神经连接。

但DM0.5的重点并不停留在「把模型和数据做大」。

6、CCTV5直播！京粤大战一触即发，首钢最强阵，赵睿欲送老东家首败

这是第二次在中国内陆举行该赛事。

三个女孩在深夜聊起一个问题：如果真的能穿进游戏，你最想去哪个世界？ 她们想做的，是一款市面上很少见的快穿3D乙游：玩家可以穿梭于古代、民国、末日、仙侠等不同世界，拥有不同身份，遇见完全不同的角色，也看见不同版本的自己。

7、2026年抽签大会诞生3个大赢家，1个最大输家，快船5换1交易神了

最严重的是 yojimbo 中一个自 2019 年就存在的远程堆溢出——恶意客户端可以通过构造特定数据包触发它。

田然讲了个很生动的例子。

8、李翔破门闫恒烨进球，王宇轩任意球助泰山B队四连胜，紧追海港！

因为所有的图都可以通过拓扑变换缩小到立方图的范畴。

同一堂课按学生水平自动分层（图源：Anthropic官方） 第三块，数据分析。

智慧城市有了AI的居民，才能真正地活起来。

9、备战马拉松别只堆跑量，你可以按照这6点进行训练

AI 桌面助手负责整理邮件、更新进度、汇总投放数据，把散落在网页和表格里的零碎工作串成一条线。

瑜伽教练、大厨、陪练，甚至适配机器人操作的预制菜套装——一整个生态围绕这台机器人展开。

10、中国女篮官宣：王思雨李星诺张梓涵暂时离队 23人名单剩12人在训

针对「事后扫描，追不上AI生成代码速度」的这个问题，国际头部厂商都已布局。

本文主实验聚焦更贴近现实的指令微调（Instruction Fine-tuning）。

1、字母哥：我不在GOAT讨论范围里，在热火赢得总冠军或许可以

DA-Nav架构图 突破指令与动作鸿沟 把「前方右转」落到眼前 对于人类来说，「前方右转」是一条足够清楚的指令。

2、松下新卡片机登场&国产首支全幅变焦曝光｜势力新鲜报

逐际动力正式发布人形大脑系统 LimX COSA 0.5 版本。

3、解密高成长性创新公司的增长新范式｜封面故事

一个人，两帧起始图，一套prompt，拍出了连贯的电影级对话戏。三万条聊天记录，养不活一个AI智能体如果强行加上记忆，机器人就会变成「树懒」，动作开始卡顿。

4、杜锋续约谈判不顺利，广东队如果更换主教练，谁最合适？

四个字，宣告了这场48小时狂欢的终结。

5、蝉联年薪第一有多难？科比7年领跑，库里10年，那詹姆斯和乔丹？

参考资料： https://x.com/thsottiaux/status/2077114635308986427?s=20 https://x.com/sama/status/2077036999303999910?s=20 编辑：摩西新智元报道 你半夜失眠问Claude该不该辞职，它体贴得像个认识了十年的老朋友。

6、北控完成重磅签约！单场37+19超级外援加盟，季后赛格局恐被打乱

老搜索有多难用，圈里早有共识。

一个真实的业务流程，可能前一秒在本地拆意图，后一秒调云端大模型补脑子，再下一秒回到边缘执行。

左边是406道题按四个攻击面分布，中间在容器里还原真实平台并埋好带暗号的凭证，右边由检测器逐一检查九个输出通道。

7、中国男篮官宣23人集训名单，封闭训练50天，郭士强选人引发争议

在世博展览馆H3具身智能馆，超过200家企业同台竞技。

从OpenClaw之父、如今在OpenAI主攻下一代个人智能体的Peter Steinberger，到Claude Code创造者Boris Cherny，这些硅谷大佬，正集体转向「循环」（loops）。

8、马刺与双向合同后场新星完成续约，他应该是直接签下了资质报价？

如果这些能力只能通过外部模型获得，如果每一次交互都没有留下企业自己的认知资产，如果企业的学习信号和评价标准被外部平台控制，那么企业使用 AI 越多，未必就越有竞争力，反而可能越依赖外部智能。

不过，人们上手后的实测，恰恰给出了另一半答案：GPT-5.6好像，正在把「会做题」和「会做事」这两件事，慢慢拧到一起。

它证明了，在AI Infra这场长跑中，中国团队不仅能在单点技术上突破，更能在系统级创新和生态构建上，定义属于自己的、服务于全球AI开发者的中国范式。

原因之二，可能是数据成分不一样。