AI数学撞墙了吗？ Bloom那条帖子底下的论战，也很精彩。

1、开云外围 不得不说，AI会做题，和AI能救场，中间隔着一整个真实项目。

那么，到底什么变了？重点在「停止条件」。开云外围2.8万亿参数，100万token超长上下文，原生支持视觉与多模态理解，都还只是开胃菜。

2、82个地方议会提交意见书要求高市政府坚持无核三原则

这为通用机器人的规模化部署奠定了最核心的技术基础：未来，机器人每到一个新工厂，只需要加载的「快权重记忆包」，就能瞬间化身熟练工，即插即用！ 5倍碾压， 直面真实世界的残酷 考场先摆出来：论文公布的真实世界跨域评估，9项复杂任务，扰动全是机器人上岗后真实会撞上的：光照变了，物体换了，背景乱了。

3、谢幕？曝41岁C罗已决定从国家队退役：9月25日在生涯起点正式退出

Frozen v2是折中版：不烧权重，只固化架构。

4、局势失控！伊朗反击重创美军85处目标，特朗普暴怒，中方直言后果

Skild AI 在长程、不间断、不遥操的真实家庭任务上，目前全球只有逐际动力和 Figure 做出了可信度高的完整演示——Figure 有厨房整理、房间整理、客厅整理等一系列家庭场景 Demo，逐际动力有这次的一镜到底的客厅整理。

5、不是AI、也不是战争，美股最该担心的是日本?

中国AI，又迎来另一个「DeepSeek时刻」！ Kimi K3现已登陆网页端、Kimi Work、Kimi Code和API，7月27日开放模型权重。

第一个问题，是企业正在支付大量Token成本，却没有获得相应的业务价值。

它接入了一个叫Learning Commons的系统，拿到全美50个州的学术标准，以及每条标准底下更细的能力点、学生通常的学习顺序。

6、美国运通盘前涨幅扩大至5%

Qoder选择的，是把安全护航做进智能体编码会话之内。

证明：(a) 过程一定会终止，最终恰好剩一个大于1的数M；(b) M的值不依赖于操作顺序。

7、NBA夏季联赛收官战：杨瀚森9分10板3助 开拓者惜败爵士

需求暴涨，供给不动。

遇到不知道怎么下手的问题，先打开AI，而不是先自己硬想。

8、停水通知！涉及库尔勒这一区域

第一步，生成：人给出少量信息，AI生成初稿。

多位选手表示希望大赛能打造行业长效研发测试阵地，支持选手和更多AI+聚变爱好者持续迭代算法模型、动态更新技术榜单。

孤儿院视频、假奖项页面，则被悄悄抹掉。

9、优雅又可爱丨“冰城小天鹅”起舞“东北超”彩排现场

10月，全球开发者先锋大会（GDPS）暨国际具身智能技能大赛接力登场，正是这条链路上的下一站——「七月展成果，十月看未来」。

这一现状，进一步凸显了 AI 科研的两大核心瓶颈，制约着技术深度落地： 一方面，大模型可快速推演生成海量科研方案，但线下实验验证效率偏低、进度滞后，逐步形成方案堆积、验证滞后的行业痛点； 另一方面，科研试错经验、实验数据缺乏系统化留存渠道，导致科研工作容易陷入重复试错、低效迭代的状态。

10、阿莫林向曼联拥趸公开道歉！承认犯错亏欠球迷，仍暗示有难言之隐

每道题都像一场事先设好埋伏的演练，分四步推进。

一个在后台空转刷榜的Token，和一个跑通了工业质检、写出了产品代码、追踪了一次病情的Token，账面一样，价值却天差地别。

1、5月1日起驾考加项、难度翻倍？不实！变动的是驾培新国标

把OpenAI这一两年的动作连起来看： 文件上传、Projects、Memory，再到能跑几小时长任务的ChatGPT Work、直接生成网站和轻应用的Sites、把Chat／Work／Codex三合一的新桌面端，还有接连登场的GPT-5.6三档模型。

2、“恶臭恶臭，这日子怎么过？”沪上小区“加装电梯”停工两月，基坑成“粪水池”→

但故事还没完，它引出一个更大的问题： 当这一代孩子长大，AI早已像空气一样无处不在，一个从小只被老师「用AI教」、自己却没真正上手用过AI的孩子，能真正做好准备吗？ 这个问题，Claude for Teachers还没打算回答。

3、AN-94四枪毙敌没了！BO7第五赛季武器大削，排位分掉得更狠

把聊天、编程、自主工作全塞进一个ChatGPT超级应用，用最大用户基数锁住开发者。一年810万！艾顿做出了决定！东契奇：我需要一个顶级中锋问AI的四个手法 硅谷顶级用户这么用 Andreessen也交底了他自己问AI的四个手法。

4、上海德云社将开业！老板娘王惠视察好排场，染绿发化浓妆穿破洞裤

采用混合Transformer架构与共享混合注意力机制，把视觉观测、语言指令、力触状态、策略轨迹这些五花八门的具身数据，全压进一个统一隐空间，变成高密度表征向量。

5、今年中超很多球队！都有前北京国安球员

Gemini Diffusion、SEED Diffusion以及LLaDA、Dream等开源模型的出现，使其受到学界与工业界的广泛关注。

6、未来是你的！文班总决赛末节数据效率极低 仍需精进技术和体能

Palantir需要向前一步 Palantir的强项一直不是训练最大的模型，而是将数据、业务对象、权限和行动连接到一个企业级Ontology中。

当同一工作流随时间推移，成功任务数增长速度超过总成本，且质量不降反升时，「每美元有用智能」就实现了正向复利。

这样一来，完整的Token从头到尾都没有作为一整串出现过，扫描器自然什么也查不到。

7、谁还说Emacs是古董？agent-shell 0.63让AI代理看图又“闭嘴”

当模型的每一个陈述都可以被映射到本体所定义的概念框架中时，「解释」便不再是对神经网络权重的解剖，而是对知识结构的展示；当模型输出的依据可以在本体层面被追溯和校验时，「控制」便不再是强行干预内部激活，而是对信息流转路径的规范化管理。

从联合国到75岁英国老奶奶，1.5亿人把想象力变成现实 这一点在爱诗的全球化布局上体现得最明显。

8、加纳乔点头即可出租维拉，昔日预言成真！曼联无缘分成又错失悍将

6月19日，挪威首相斯托雷宣布对1到7年级学生近乎禁用生成式AI，上课期间不许碰，新学年8月下旬生效。

她的评价一针见血，Fable 死磕技术上的绝对精确，反而作茧自缚，Sol的务实却把活干成了。

这些进展很了不起，但机器人不需要看电影。

Demo 复杂度的差距更直观。