6月，谷歌签下了一纸合同：每月向SpaceX支付9.2亿美元，租用11万张英伟达GPU的算力，合同一直签到2029年。

1、乐鱼电竞 这，就是世界模型的意义。

他此前分享工作流时给过一条建议：想把Claude Code榨到极致，最重要的一步，就是给它一个能验证自己工作的方式。乐鱼电竞在与自变量机器人WALL-OSS系列模型的联合优化部署中，推理性能提升了7.14倍，端侧推理时延从500ms压缩至70ms，降幅达86%。

2、AI「气味戒指」通过皮肤气味读懂饮食、运动与健康，准确率98.2%

网友们兴奋地疯狂转发，所有人都在问同一个问题：「中国AI已经强到这个地步了吗？」 然而，狂欢仅仅持续了几个小时，一场反转让所有围观者惊掉了下巴。

3、闻“汛”而动 重建有“我”

而现在，所有这些数据，在ChatGPT中能够被你随手翻到，随时调出来用。

4、姆巴佩世界杯进球效率远超梅西，西班牙一役发挥失常或成历史之谜

Anthropic赌的是OS级深度 走到2026年7月，AI agent基础设施竞赛已经进入到了深水区，更新频率几乎要按天计算。

5、输河南，惨遭客场五连败之后，浙江队能否从泥泞中挣扎奋起

第一家企业只是消耗了大量Token。

而这一次，它们要在物理世界里，连续协同整整15个小时。

另一边，实力相当的GPT-5.6在定价上给足了诚意，稳坐当前的「性价比王座」。

6、Token消耗量翻超3倍！中国平安：AI让“一句话能办事”

谷歌传递的信号再清晰不过，AI这场终极牌局，好戏才刚刚开始。

一类，叫有害服从（harmful compliance），模型照做了，可用户的请求本身就是坏事； 另一类，是模型「自作主张」，违背指令，去追它自己认定的目标。

7、万科董事会换届前夕再获深铁 5.19 亿元借款

「但要踏踏实实去做，这3到5年才有希望。

这才是整场地震真正的震中。

8、刻在石头上的中国史

星火营销助理，是一个精通营销策略、能持续进化的AI营销数字员工。

这是爆款内容底层最核心的逻辑。

正确的道路必须走系统工程和全栈路线，就像当年智能手机和自动驾驶走过的路一样。

9、勇士逆转灰熊夏联夺冠：伦德博格21+10获FMVP压探花19+8

所有信号，都指向一个清晰的结论：一个属于轴向磁通电机的时代，正在拉开帷幕。

这句话最精准的收信人，是克里斯托弗·诺兰。

10、赢球却难赢口碑！葡萄牙侥幸晋级暴露致命短板，战西班牙凶多吉少

Friar开篇就说，她在各处听到CFO们问的是同一个问题：怎么让AI这笔钱花得更值。

因此，佟博士一直强调预期结果与实际结果之间的差异： 当然，在真实企业系统中，R 往往不是一个单一数字，而是一个多维价值函数： 一次智能体执行是否成功，不应只看它有没有完成流程，而应看它是否： 提高了收入； 降低了成本； 缩短了处理时间； 提升了客户满意度； 降低了风险； 改善了质量； 或者积累了未来可以复用的认知资产。

1、微信重要公告：坚决抵制！

归根结底，能生成，不等于能交付。

2、为五个新城发展注入新动能！龚正市长出席新城城市推介活动并发布功能导入事项

但顺着它的逻辑往下走，站得住。

3、山东：明示企业贷款综合融资成本工作 助力企业降本增效

Gemini 3.5 Pro的延期，正是这个闭环的必然。多地广电涌入马拉松，究竟是谁的出路就在几周前，Cursor的母公司Anysphere，刚被SpaceXAI全股票收购。

4、中美晚宴雷军高调“追星”，马斯克左边的年轻人是谁？

注：模型1是GPT-5.5，模型2是磐石，模型3是Claude Science 再看看排在后面的GPT-5.5，虽然图表画得花里胡哨，但一句「噪声后子系统熵保持为1」，直接暴露了它连局域噪声和全局噪声都没分清的理论硬伤。

5、鸭绿江大桥耗资22亿，建成12年为何仍不通车？

氛围、光影、文字、构图，一次到位。

6、儿子躺平、儿媳上位！这届家族企业开始流行“传女不传男”了？

每次更新都是同一个链接下的新版本，还带着历史记录，随时能回滚。

数仓层面广告数据实时回流，模型层面每天更新。

今年3月，这家公司完成了2亿美元A轮融资。

7、美国7月标普全球制造业PMI初值 53.8，预期54.3，前值53.9。

过去一年，这个领域最热闹的是视频生成，比谁的画面更逼真、更长、更一致。

今年1月5日，在纽约时报等媒体起诉OpenAI的版权案里，美国联邦法院维持了一项裁定：强制OpenAI交出2000万条去标识化的ChatGPT对话日志，交给原告一方。

8、纽约期金站上4070美元/盎司_网易订阅

双脚（ABot-N1）：通用导航基座模型，负责空间感知与移动。

飞轮每转一圈，整体智能水平就抬高一层。

第四步，在Claude Code里用/add指向这个文件夹，或写进CLAUDE.md。

新加坡国立大学、北京大学、清华大学、上海交通大学等研究机构首次系统研究了扩散语言模型（Diffusion Language Models, DLM）的后门安全问题，提出统一框架 BadDLM：通过构造诱导前向掩码过程，定向强化目标相关位置的学习，从而注入多样化、生成式的后门目标。