海风很大，铆钉锈迹斑斑，远处有人在笑着说话。

1、英亚电竞 一个模型的发布，要兼顾搜索、地图、YouTube等庞大产品线的需求。

从这个角度看，纳德拉近期的两篇文章和Karp的CNBC访谈非常重要。英亚电竞深度vs简洁：把来龙去脉讲透，还是你问什么答什么。

2、夏日送清凉 致敬火焰蓝！郑州市总工会深入消防大队开展慰问活动

而佟博士所提出的企业认知主权，最终强调的是一个更基本的原则： 企业不能只拥有调用智能的权利，必须拥有形成智能、评价智能和持续进化智能的权利。

3、卡塞米罗被官宣加盟迈阿密国际！他说自己想跟梅西当队友！

另一套，是它自己攒的「离线题库」。

4、古都安阳另一面｜从“文博观光”到“沉浸式体验”

只需要在电脑上重复一遍你的完整工作流，口述补充必要的隐含操作逻辑，同时避免无关操作（比如等结果时看个小视频摸摸鱼），点击结束录制即会自动回到 Claude Cowork 界面中进行分析与 Skill 提炼工作。

5、长江存储IPO幕后：武汉20多年前押注芯片行业，是复制“合肥模式”？

7个Claude通跑，设计流程已死 今年3月的《Lenny's Podcast》，她开局就给了所有人一记闷棍—— 设计师被教了这么多年、当成圣经的那套设计流程，基本上已经死了。

更有意思的，是把两组数字放在一起看。

毕竟，性能也达到了Opus级。

6、掏耳朵一时爽，代价可能比你想的大！

她出生于广州，仅用三年便横扫MIT数学与物理双学位，更是Morgan Prize的得主。

中场战事，刚刚拉开帷幕 回到开篇的问题：为什么具身智能的下半场，从体系开始？ 因为物理世界从不按实验室的套路出牌。

7、围甲山东银丰VS衢州烂柯：在玖玺城珑和院，遇见围棋最美的样子

这背后要求高精度感知、精密驱动、自主执行三者同时在线——「稳、准、微」，缺一样都拼不上去。

怎么办？ 就在今天，商汤在总部举办以「算创·无限」为主题的Agentic时代AI基础设施创新发展论坛。

8、英冠惊天丑闻！南安普顿偷拍门实锤冲超名额取消！20岁实习生背锅

按传统分工，市场调研、素材制作、广告投放、达人 BD 至少需要五六个人，仅人力成本每月就要 8 到 10 万元，三个月烧完预算还不一定能验证出结果。

这是爆款内容底层最核心的逻辑。

真正理想的游戏，是让玩家能进去操控，可以影响结局。

9、火了30年的off-duty，不费力，才是真本事

区别就在「创作」两个字。

十来个绿色的小立方体从坑里蹦出来，翻着跟头往下掉。

10、涉嫌泄露机密行程，美国副总统万斯安保团队成员遭停职调查

推理侧，则交给专攻机器人端侧的Mizar-Robo。

One More Thing 对了，文章写到这里，还有一个反转没讲。

1、大手笔！山东男篮做出重要决定，官宣2人加盟之后，还有惊喜

Chloe不是历史学家，也不是电影导演，但她有一种很稀少的能力——把宏大的历史节点，压缩成一个普通人会有的感受。

2、延庆：长城脚下过端午，百场活动逛不停

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。

3、帕金斯：勒布朗·詹姆斯本已经决定了，但又改变主意，重新考虑

从前端到空间推理，得到的全是差评。防癌问题快速查，“AI防癌助手·小安”升级上线数字世界里模型错了，无非是个不通顺的词、一张不完美的图；物理世界里错一次，就是一次错误的行动，代价真实不可逆。

4、梁思伟：镜头之外，答案向内

但三件麻烦事会挨个找上门。

5、压哨签！国安引进德国全能中场，全力备战亚冠，斯帕伊奇无缘回归

然而，与高期待相伴的是被忽视的安全风险。

6、比赛还有1天开打，山东泰山先迎来两个大喜讯，取胜大连英博稳了

它不是某一个应用，而是内核、是驱动、是应用商店，是让上层无数软件得以运行的那层地基。

在科学图像生成与编辑上，它在医学图像分割、医学图像翻译、超分辨率、科研插图生成等任务上都展现出不错的能力。

他手上有几十个Loop常年在转： 一个专门盯着他的PR，自动修持续集成（CI）、自动变基； 一个负责让CI保持健康，哪个测试不稳定，它自己去修； 还有一个每30分钟去X上扒一遍用户反馈，聚类整理好了再提交给他。

7、小餐桌涵养大文明：今天你“光盘”了吗

高倍速下卫星必须切成轨迹模式防频闪。

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。

8、深化能力作风建设·奋进“十五五”｜铁力 做实林下文章激活生态经济

未来，仍有10倍的下降空间。

」 在圆桌论坛环节，Sunday Robotics CEO赵子豪则从另一个维度切入：「短期内，无本体数据是最高杠杆的选择，因为成本极低、没有环境差距。

安全团队要的漏洞清单，每一条都能直接跳到出问题的那行代码。

究其本质，当前 AI 科研的核心短板，并非知识储备不足，而是极度缺乏真实科研场景的失败样本与负反馈。