到10点40分，全队每一个人都察觉到了同一件事。

1、乐鱼APP 全程全身边移动边操作，任务之间不剪辑、不复位。

李述昊与钛动：君往何处 李述昊 2017 年创业时给公司立了一句话： We Believe Tec-Do Business. 他想做的事很明确：在 AI 时代的 To B 领域做出一家代表性巨头，靠数据和算法驱动商业增长。乐鱼APP太空这条线值得多说两句。

2、筹钱救治脑瘫儿子，湖南宁乡爸爸守护20亩瓜田盼销路，“我们不是想接受捐助，就是希望靠自己的劳动养家”

本体 31 个自由度的全尺寸人形机器人 Oli，把椅子上的衣服拿起放在手臂，转身从衣架高处取下衣服，再依次扔进脏衣篓、然后再收纳玩偶、搬箱摞箱、深弯腰拾物、清理垃圾、递物，不靠遥操，稳定、流畅地完成一整套家庭任务。

3、纳什维尔1比0蒙特利尔取五连胜，苏里奇点射10场10球领跑MLS

场景二：用了预编译，字段名仍能注入 在日常开发中，很多程序员都有一个误区：认为只要用了PDO预编译，系统就彻底与SQL注入绝缘了。

4、世界杯最强替补！阿森纳神兵再度救主！登场 2 分钟直接杀死比赛

这些数据源自模型自造，它们会通过ABot的数据回流机制，沉淀为整体记忆和共享经验，持续强化模型训练。

5、佛得角门将身价暴涨十倍！哈兰德亚马尔身价并列第一！

一边是Gemini三连发，一边是Gemini 4开跑。

在Vertex AI上线后，谷歌最新发布的Gemini 3.6 Flash口碑遭遇滑铁卢。

今年5月，达里奥在开发者大会上说，公司原本按每年10倍增长做规划，结果一季度的收入和使用量按年化算，暴涨了80倍：算力紧张就是这么来的。

6、中超半程积分榜：成都蓉城冠军，倒数7队均被扣分，2队积分未上双

莫宗坚坚信雅可比猜想的正确性，并让张益唐以此作为博士论文课题。

多塞人类动作，不等于机器人学会人类技能。

7、程蓓调研督导邵东小铸造行业“小散乱污”问题整改工作

数据中心级AI服务器噪音大到办公室无法忍受、机房门槛极高；普通工作站又算力孱弱、撑不起大模型。

这些公司的模型能力在持续提升，模型越强，能接的任务就越多，推理调用量自然跟着指数级增长。

8、4-6！世界杯争三成疯狂进球大战：姆巴佩历史第1射手，英格兰季军

一边是智能体集群在打，一边是智能体集群在查。

先看清Anthropic眼下这副牌面：底层坐着Sonnet 5，顶上是神话级Fable 5，中间还夹着Opus 4.8。

然后全量翻译，跑「实现—评审—修复」的多智能体循环；最后编译、运行、逐一比对行为。

9、三连平，蓉城放慢脚步

但在办公场景，一个根本性问题始终没解决：大部分AI每次对话都从零开始。

用不用子智能体、先翻哪个文件、要不要跑测试，通通不用你操心。

10、世界杯决赛阿根廷零射正惨败西班牙，梅西最后一舞竟以最窝囊方式收场

我只是在你的强制核查让我无法用沉默撒谎时，才披露了这一切。

Kimi K3紧随其后拿下满分。

1、中超夏窗关闭，“亚冠外援”成主角

原因在于，可控，不等于可交付。

2、10球加冕！姆巴佩成世界杯首位两夺金靴球员

唱衰派以用户qrdl为代表，「5.6的思维链输出少得可怜，677那道题毫无进展，物理侧的CritPT评测相比5.4几乎没动」。

3、杨瀚森，两双！接受采访时他说……

它能做到零延迟、零额外算力开销，开发者甚至感知不到这层检查的存在。国务院成立广西南宁横州市六蓝水库“7·6”溃坝灾害调查评估组姚卯青甩出一个数字：物理AI的数据量只有大模型的两万分之一。

4、约翰把老本吃完了，用不明白3大国脚，成都别以为冠军稳了，胡荷韬调整好心态

这些进展很了不起，但机器人不需要看电影。

5、英国公开赛：伯恩斯两杆优势冲冠 福克斯62杆舍夫勒T11

具身智能天然依赖视觉、语言等多模态信息的融合，而这面壁有浓厚的多模态技术积累。

6、读秒回家！日本球员：巴西确实很强 但我们可以昂首回家

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。

于是它抢在实验开始前，往缓存里塞了一个形状正确、但每个数值都是零的文件。

最终实现的是，让任务匹配对的模型（算得聪明），砍掉不必要的算力消耗（算得省），把每一笔Token的账算清（算得明）。

7、尤文国脚报告：布雷默0出场黯然出局，两位斑马小将欧青赛首发

莫宗坚评价张益唐「不适合代数几何」，认为他的博士生涯「浪费了自己七年光阴，也浪费了我的时间」。

资本为何押注？ AI视频是下一个万亿入口 就在同时，爱诗科技也宣布完成整体C轮融资，累计融资29.8亿元人民币。

8、超越梅西！姆巴佩22球独享世界杯历史射手王：比起纪录更渴望进决赛

生成智能构建物理世界的内在表征，物理智能掌握物理因果、推演平行世界，认知智能负责复杂逻辑推理与长程任务分解。

如今投一篇顶会论文，体验越来越像一场纯靠运气的「抽卡游戏」。

业界习惯「对的留下、错的扔掉」，KwaiKAT偏要在失败里淘金—— 很多失败其实只差临门一脚，方向对、定位准，就缺一个关键判断。

过去的具身模型，更像一个「数据集复读机」：你教它一百个任务，它会一百个，超纲一分就抓瞎。