三大支柱：从一颗CPU 长成一张全域算力网 在孙文剑看来，智能体已经不是被动响应的知识库，而是能主动拆解目标、调用工具、执行任务的「任务执行者」。

1、kaiyun登录 即使是 Claude 等强通用模型，在「绕原子旋转」等任务上也表现较差。

这正是引发CVE-2022-31115的罪魁祸首——不安全反序列化！ 如果这行代码上线，恶意的远程服务器就能通过伪造YAML响应，直接打穿并控制客户端。kaiyun登录第三步，是用全套虚假物料，营造「大厂质感」。

2、5位已婚男人的吐槽老婆的“邋遢行为”，一个比一个离谱，看吐了

体验过的网友，直呼K3堪比Fable 5： 要是把Kimi K3的名字换成 Fable 5，大家就会信它。

3、拉菲尼亚右大腿肌肉拉伤 他的伤势是巴西国家队的一块心病

几乎同时，另一组截图也开始传：Codex客户端里用户实际能用的上下文，从约372k退回了272k。

4、谢谢互联网！这波好物真的值，按头安利~

这次他休假回来，一边收拾行李，一边让Claude按同样的标准，分析他自己的基因组。

5、一夜之间刷爆朋友圈的SBTI测试，到底是个什么玩意儿？

这正是富内斯所不具备的能力。

要用上这个功能，Claude Code得升到v2.1.209及以上，Pro、Max、Team、Enterprise都支持。

用户qrdl在论坛发帖，说CritPT自5.4以来几乎没动，除非他们找到了给基准刷分的办法，否则结果也就这样。

6、廊洽时光美食音乐相融共生全民盛宴绽放城市活力

而就在发布的同一天，谷歌还顺手扔下了一枚更大的雷—— 谷歌DeepMind「史上最激进的一次预训练已经开始」，目标是下一代模型Gemini 4。

供应商可以改变。

7、从龙套到乳腺癌再遭丈夫抛弃，李菁菁的人生，远比你看到的更硬核

模型更强了，同时也更会糊弄你。

第一点，推理效率优化已经上线，省下来的算力回馈给所有订阅用户，光这一项就能多出大约10%的用量。

8、男篮世预赛后或大变动？周琦胡明轩回归：郭士强还会带高诗岩吗？

在适应新场景时，WAM预训练的庞大模型参数被冻结（绝对保全了通用的物理常识和视觉推理能力）。

从实验结果看，这一设计补齐了长程导航中「错误经验缺失」的问题。

开源模型还没有复现这次跳跃，但它们追赶的脚步比去年更快了。

9、TCL回应永乐款菩萨像现其广告：未授权或参与涉事文物展陈

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）。

但是，能在1小时内自主完成问题拆解、模型构建、逻辑推导到输出严谨学术论文的全过程，说明AI在高难度抽象逻辑推理领域已经超越人类。

10、205米！浙江台州第三高楼，“台州之眼”

这把尺子量出来的差距，π0.5泛化保持率不足一半，只有47%，而WAM-TTT在测试中泛化保持率为76%。

比如，现场中一只机械臂在杂乱料框里高速翻找，每抓一个五角螺母不到2.4秒。

1、聚焦人、动物、环境协同健康！王红宁院士规划成都新中心，撬动千亿产业

对苹果来说，迟到的代价已经写在财报里。

2、莱茵河、易北河、多瑙河的低水位卡住了德国工业的脖子

谷歌发布的测试结果，也显示Gemini 3.6 Flash在代码任务上被其他模型超越，仅在视觉和上下文基准测试中持续保持领先水平。

3、《意大利发展报告》第七部发布 中意专家共话全球变局下合作新机遇

这是一个非常「工程师」的选择：把最贵的资源（真机时间）留给最值钱的时刻。微信输入法实用更新 照片隔空传送候选词一键置顶任何企业都可以买到相似的模型，也都可以使用相似的API。

4、770马力的斯堪尼亚救援车你见过吗？带你看波兰Ad-Pol公司的强力拖车！

为什么要用8万块积木折腾15个小时？ 答案藏在制造业的一组数据里—— 目前全制造业通用产线上，仍有约20%的精细、非标、柔性、感知判断类工序必须依赖人工精细操作微米级精密装配、柔性/易碎物料微调、缺陷返修与首件判定、狭小空间操作。

5、2-1！4-3！疯狂世界杯：绝杀+2场点球 荷兰出局 16强确定4席

图4：自回归场景下的稀疏注意力实现。

6、拥有这样的庭院，才是真豪宅！

所有的努力，所有的推导，都轰然倒塌。

行业里的共识是，今年AI推理的算力需求是去年的5倍到10倍。

把这一路串起来看，正是同一个理解、生成、行动原生统一的基座，靠着越拉越长的Loop，向上长出数字世界的设计交付，向外走进物理世界的工业现场，向下把产业级的生产力，递到每一个普通人的手里。

7、重回金秋，桂林马拉松真是越来越好

• 无需从头训练：作为后训练框架，可以基于已有VLA模型继续优化，降低数据收集和训练成本。

不多不少，正好两次。

8、解密MatterChat赋予大模型理解、预测与设计微观物质的多模态能力

谷歌并不孤独。

听起来很美，但这事能落地吗？ 这事可远不是「把卡插上去就能跑」那么简单。

它拥有顶级的研究实验室Google DeepMind、云部门Google Cloud、安卓团队，甚至在内部成立了多个小组来攻坚AI编码。

大语言模型凭借其从海量文本中提取语义模式和知识关联的能力，正在从根本上重塑本体工程的实践形态。