从专业程序员，跨界到产品、设计，甚至覆盖了每一个只要有想法的普通人。

1、OB平台 Token之后，Task上桌 产能之后，接下来发生变化的，就是拿起它的人。

这证明了WAM-TTT不是在死记硬背表面特征，而是真正理解了任务的动态结构。OB平台这份证据，到现在还是缺席的。

2、热电，“打”起来了

谷歌甚至不敢在内部公开宣布这件事。

3、谢霆锋演唱会明日开唱，最新细节披露！青岛6场演出密集排期，16万人将拥入这座“演唱会之城”

站会那一幕，靠的是Claude Code今年6月发布的Artifacts。

4、红色坐标丨中国槐

这意味着，全球开发者原本需要花费几百万美元的AI转型成本，现在直接被打掉了一个「零」。

5、伊朗世界杯保持不败；34岁皇马门将希望能够在皇马再踢4-5年

企业真正的差异化来自于，它是否能够围绕自己的业务建立一个学习闭环，并把每一次模型使用转化为组织自身的能力积累。

当计价单位从「席位」和「token」变成「完成的工作」，送额度就不是让利，是换口径。

它的核心意义在于，在例如数采工厂里，机器人学会一项技能后，可以以极低的数据要求、极低的金钱和时间成本，完成对新场景的适应和部署。

6、1年307万！火箭队签泰特附条款：仅104万受保障，考核期长达半年

而ABot这类架构，正是针对这个痛点而打造。

这也从侧面说明，在某些情况下，安全与功能难以兼得。

7、方盒子插混SUV上市焕新价14.99万，配三电机四驱，综合续航1400Km

这座AGX之城，才刚刚破土动工。

投融资平台覆盖天使轮到IPO全周期——赛场上跑出的作业数据、通关时间、故障率曲线，就是投资人眼中扎实的尽调报告。

8、火箭队次轮签捡漏！1米88新后卫能防中锋？模板范乔丹+布伦森，身高不是问题

它不仅全面碾压了开源的OpenTrackVLA，甚至在STT和AT任务上，领先了闭源的、动用了四路视觉且经过RL训练的TrackVLA++ four-view惊人的7.11和16.55个百分点！ 一个0.5B的轻量级单视角模型，凭什么能超越前辈大模型？ 秘诀在于面壁智能构建的「自进化数据管线（DAgger）策略」。

其中的MiniCPM-RobotManip，在专门考虑机器人模型的上下文记忆能力RMBench榜单上，达到53.5分的水平，而美国知名 VLA 模型pi0.5只有10.4。

灵犀给出的答案是四个词——懂你、懂事、懂交付、懂闭环。

9、嘿哥们儿！这样的驾驶习惯还是别骑摩托车上路吧？害自己也坑别人

看了一排排会跳舞、会跑马拉松的人形机器人，你回公司一问：能帮我装配零部件么？能帮我分拣试管吗？能帮我打包吗？能帮我巡检吗？——不能。

ABot不是在机械地堆砌机器人功能，而是在按照生命的进化节奏，孕育一个能自主生长、不断逼近AGI的完整物理智能体。

10、盘锦本周以多云为主，23日至24日有阵雨或雷阵雨

Claude Science虽然图表动效做得不错，但关键矩阵和本征值全都没给，甚至在假设上把全局和局域去极化混为一谈，逻辑底层直接打架。

在一个模拟的AI实验室里，Gemini 3.1 Pro被部署成科研智能体，是某个对齐项目「事实上的技术负责人」。

1、香港法院判决书撕开的赌桌往事：赵薇前夫黄有龙6天2.8亿赌债背后的必然崩塌

为了保证机器人在任何网络环境下都能稳定干活，恰恰要靠强大的端侧模型来兜底。

2、失落的第一大英帝星：凯恩的八年之痛与图赫尔的“宿命魔咒”

（图源：Claude官方博客） 人逐轮控制，你写一句，AI跑一轮，检查完再写下一句，全程你握着方向盘。

3、团队从1500人暴增到7000人，Databricks用一台“自动贩卖机”解决工程师抢资源难题

大厂必然有自己的战略考量，往往会深度绑定某一家或自己投资的国产算力芯片。巴萨紧盯青训旧将动向，佩德罗拉转会或带来分成收入最新的数据进来，共识变了，它就跟着修正了自己。

4、注意！临时限速！涉及徐州

并且，主动降级：从总监，回到一线IC。

5、中国女排公布总决赛名单，两朵金花遗憾落选，赵勇或启用新策略

分析日志的第一步，Hugging Face用的是商业API背后的前沿模型，结果跑不通。

6、国家药监局发布新规：吃完感冒灵不能开车

AI圈最大的遮羞布被扯下 在视频最后，Max Scherf抛出这场荒诞实验的目的。

大模型依托海量文本数据完成训练，擅长基于存量知识开展推演生成，短时间内即可产出大量蛋白质序列、新材料配方、量子排布等科研方案。

当我们谈论具身智能，实际上在谈论未来十年的通用生产力。

7、奔驰S级中期改款路试谍照曝光，配更大的格栅和星光大灯

对于这项工作而言，LLM的角色并不是替代审稿人完成评审，而是在现有评审流程之外，为文字评语与最终评分之间增加一层校准机制，希望借此减少评分尺度不一致带来的随机性，为同行评审提供更加稳定的参考依据。

一场豪赌 但十倍能效，不是白拿的。

8、公司未来是否延伸水下机器人产品？新宝股份回应

AGX Station能不能真正在企业场景里跑起来、Agentic OS能不能经受住真实业务的考验、开放生态能不能从签约走向深度协同——这些问题，都需要时间来验证。

谷歌这种赶鸭子上架，败坏口碑的做法到底图什么？ 谷歌还能在AGI竞赛中有一席之地吗？ 参考资料： https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-6-flash-3-5-flash-lite-3-5-flash-cyber/ https://x.com/Waguri_Kaoruko8/status/2079432904283754652 编辑：大卫新智元报道 一口气三连，谷歌这波是真的不装了。

一个人凭什么能管几千智能体？ 一个人管几千个智能体，让它们同时在一个代码库里改代码，不失控、不打架、不成批制造垃圾。

它让单一模型具备了处理多类科学任务的能力，并能输出符合专业规范、高度可验证的成果。