上海作为先行城市，承接国家任务，以赛事锤炼成果，向国家交出具身智能实景验证的「GDPS答卷」。

1、米兰体育 而磐石则是用自然语言、分步把需求说出来。

成本账上，多元算力被统一纳管成一条生产线，不被单一芯片绑架；TokenOps让每一个Token可计量、可治理、可优化。米兰体育保时捷、奔驰也在近期频频曝光相关专利，暗中布局。

2、实至名归！布伦森当选ESPY年度最佳NBA运动员：战胜文班SGA约基奇

这步棋，下得正是时候。

3、加时鏖战！瑞士假摔真难看，阿根廷晋级四强！

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。

4、0-3惨败!10人U19国足不敌突尼斯 土伦杯2胜2负出局提前无缘冠亚军

网友惊呼：「并行推理将重新定义计算可能性的边界！」 网友 @Mikhail Rogov 敏锐地指出：「把耗时从一天缩短到一小时，这完全是另一种产品形态了。

5、步行者总经理：我们会尽力留下全部球员，布朗从快船加盟后很开心

最后是判定。

用他自己的话说，「在LLM出现之前，一个人在奥克兰狭小的公寓里，一年写出Bun」。

」 OpenAI的Aaron Lou用内部Codex（无网络搜索）从零推导出本质相同的反例，完整写出策略与证明，还给出可复现的数学推导（从三次因式分解到仿射坐标变换）。

6、淘汰小威的哈莫妮·谭是谁？有越南柬埔寨中国血统的法国选手

挤到前排一看。

而把马斯克逼到这一步的，是一个较真的安全研究员，以及一场差点毁掉整个agentic coding赛道的信任危机。

7、这届大厂面试官，上来就问「你怎么用AI干活」

在配置相应AI加速卡后，可本地推理70B至150B参数规模的大模型，多台设备还可级联组成桌面级算力集群。

威胁模型（Threat Model） 场景：攻击者微调一个预训练DLM以植入后门，再将其作为「有用且良性」的模型（如某垂直领域的定制模型）发布到开源平台；任何部署该模型的用户都可能成为受害者。

8、安美德与中国电建（老挝）签署协议，合作推进纳磨智慧生态城电力规划_网易订阅

前店：把能力，做成一套工业级方案 第三个变量，是AI生产力转化效率。

相比上一代DM0，DM0.5在训练数据规模、模型架构、开放世界泛化能力三个维度全面升级。

在此基础上，再上强化学习，用一个几十维度一起打分的奖励模型：构图、文字准确度、设计美感、整体一致性各算一笔，每出一张图就反馈「哪好、哪不好」。

9、奥尔良大师赛：胡珂源/林祥毅连胜好手首夺300赛冠军

它不再一口气把图吐完，而是把创作拆成一套动作空间：生成、编辑、局部重绘、组合。

没有店员，也没有夜班分拣工。

10、索尼FX5富士X-T6将至&腾龙RF/Z版本17-70/2.8VC发布｜势力新鲜报

更新一出，评论区就有人直接喊话：希望Anthropic赶紧抄一个，Claude现在的搜索「烂得可怕」。

万事俱备，只欠东风。

1、9750亿参数！OpenAI前CTO的明星独角兽，发首个开放权重模型

Costello说得很重：人们自愿捐款，是在表达爱。

2、拥有次轮中段预期的桑顿 火箭为何为了他提升顺位 到底有何玄机

尤其是行业长期忽略的海量失败数据、无效试错参数，均可完整留存，补足了 AI 科研训练中稀缺的负样本数据。

3、世界田联拒绝解除对俄罗斯运动员的禁赛，俄方谴责

世界模型的推演大多跑在云端集群上，可机器人在产线上做决策只有几百毫秒，还不能指望网络永远在线。正式确定！上海男篮续约洛夫顿被拒，新赛季不会重返CBA！而这次，面对一个AI辅助生成的快穿乙游demo，评论区没有一边倒地喊AI味太重，反倒是一致高呼「下一个世界线什么时候更新」。

4、陈友泉因身体不适离队 王宝泉代天津女排主教练

比如，反复写「先问我」「别乱改」「等我批准」，会让它连本该放手去做的安全操作都频频回头请示，活活憋成个畏手畏脚的实习生。

5、8+4！12+3！河村勇辉成亚洲第一后卫，中国男篮也需认清三大现实

一夜之间，全球开发者集体换锁 报告发出当天，直接冲上Hacker News头版，Reddit炸锅。

6、年之真意，在归途，在期盼

除此之外，完全AI主导评审还会催生投机乱象：若作者知晓论文命运由大模型裁决，写作重心会转向刻意迎合模型偏好，而非聚焦真实科学问题的突破，彻底偏离学术研究初衷。

AI的下半场，拼的是运营力 除了作为调度中枢的「星火Token Factory」，科大讯飞星火企业军团这次还发布了三款企业级新品。

IMO满分是42分，金牌线通常在28-30分左右。

7、33+10+10+4历史唯一！这13号秀要成黑人版约老师？

毕竟这个物理世界从一开始就是为人类量身定制的。

大规模强化学习，让AI自己学会「怎么干」 监督微调能让模型照着范文抄，可一碰到没见过的报错和意外反馈就发懵。

8、南方周末：全球化抹平强弱差距，中国足球不能再闭门造车

全网都觉得它「变笨」了 这个日本团队的遭遇，只是这几天Codex社区里的一个缩影。

DA-Nav空间落点机制简单来说，模型不再凭空「画出一条路」，而是在自己看到的场景中连续指出：下一步走这里，再走这里。

」 Axios提出了一个直击灵魂的问题：「K3模型的定价远低于它所挑战的高端模型，美国AI公司对前沿级AI产品收取高昂费用的策略，到底还能维持多久？」 一直以来，OpenAI、Anthropic的估值建立这个逻辑上：只有我们能做出最前沿的大模型，因此我们可以通过闭源和高昂的API接口费用，持续榨取超额利润。

如下也是V4生成的一些demo，一个Xbox手柄SVG测试，还有游戏生成。