价格降了，Token耗量降了，跑一次Agent的成本降了。

1、bsport 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。

新智元报道 一段3分钟的AI短片，炸了。bsport全部由Grok Imagine生成。

2、夏天衬衫，真丝的更有质感！

每天晚上，它利用夜间富余算力做知识整理——过时的淘汰，重要的拉到最易召回的位置，反复被提到的提升优先级。

3、北京通州张家湾镇南火垡村党支部原书记、村委会原主任顾连强被查

LegionSpace: 本体工程与大语言模型的深度融合新智元报道 8万块积木，15个小时！ 一座长3.5米、宽1.5米、最高点1.1米的长城模型，要在15个小时内，从第一块积木开始垒起。

4、蓉城科学嘉年华｜蓉城暑期科普遛娃合集，解锁花样夏日研学

这个数字有多苛刻？ 人手在完全放松状态下的自然抖动，大约是0.3到1毫米。

5、新刊

大脑再聪明，如果底下的算力调不动、如果生成的Token太贵企业用不起、如果系统三天两头宕机，再宏大的AGI愿景也无法落地。

AI时代，这笔交易要重新谈了。

GDPS将有潜力的年轻人从「牛犊」托举为「大牛」，为青年科学家、开发者和创业者链接技术、人才与资本，并以代码Demo、产业对接及融资机遇等务实产出，推动具身智能从展台真正走向工位。

6、7800张票一分钟抢光同时17万人抵制：流量明星跨界开唱为何引燃公众怒火

这话乍听有点大。

此芯并非孤军奋战。

7、从明日之星到高薪混子，对国米一战成名，在利物浦水土不服

而佟博士更早的问题是： 企业如何把这些东西真正构造成一个自己拥有、可以运行、可以测量、可以治理和可以持续进化的认知系统？ 这两者之间的差别，是问题意识与工程体系之间的差别。

Chloe的视频，是第一次让大量普通人感受到：历史不是别人的事。

8、库里在名人堂有展览含金量被粉丝高估！这只是一次商业合作！

真正容易出现偏差的，恰恰是第二步。

而且它不是单枪匹马上分，SOL、TERRA一整个家族集体飙到136，连视觉版都没掉队。

丢给它一个开放问题，它会输出一段流畅、得体、八成正确的回答。

9、连续打赢复仇之战，澳洲名帅让成都蜕变！工资不到徐正源的一半

系统比较审稿人实际评分与Anchor Score之间的差值（Residual）。

产业界涌现出大量场景真题。

10、今日热点：曾艳芬提醒丝芭传媒有聊天记录；边伯贤恶评者被罚款……

因此，佟博士认为下一代企业认知系统必须从Ontology继续向前发展到： Ontology + Skills + Memory + Agents + Evaluation + Evolution 也就是从「企业业务的数字语义层」，走向「企业业务的认知进化系统」。

GCP + TPU + 协议标准，底层建护城河。

1、被「镜头霸凌」的普通人开始反击

这，就是「大晓速度」！ 让它干活的 是一个会「想」的大脑 面对几十万种视觉资产、每天都在变的订单，W1凭什么能稳、能准、能一直干？ 答案不在手上，在脑子里——Kairos 3.1开悟世界模型。

2、哈兰德绝杀！挪威时隔28年重返世界杯16强 将战五星巴西

这就像是给每条道路发两块特殊的车牌，只要保证每个十字路口，同种颜色的车牌总是成双成对地进出，证明就可以完成了。

3、延庆出实招！为青年人才创业安居减负！

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。3天2次示好皇马！1.2亿巨星引爆切尔西内乱 名宿怒喷：不想踢就滚IMO满分是42分，金牌线通常在28-30分左右。

4、暑期亲子出游必备！黑龙江专家教你备好儿童小药箱与防护用品

全场最廉价的白卷 P6这道数论题是Day 2的压轴，它要求证明递推序列最终具有周期性。

5、美加墨世界杯8强对阵来了！欧洲球队独占6席！梅西8球领跑射手榜

一轮轮打磨下来，模型就自己长出了「下一步该干什么」的判断。

6、@奔跑街巷的你，外滩给你造了一个休憩小站！

首轮测试已出 如今，DeepSeek V4（GA）首轮测试demo，已经开始外流。

过去，卖国产显卡，大家总担心能不能用好。

L1—L2仅能支撑基础预训练；L3—L4止步于已知任务的拟合，换个场景就不灵； 唯有迈入L5，深度融入三维力触觉、失败恢复轨迹与开放场景变量，世界模型才真正跨越「描述」，获得泛化、反思与自进化的能力。

7、农业农村部：目前秋粮形势总体不错

提交文件里赫然写着一句：Full proof: (Not yet complete.) 小哥展现出了惊人的产品经理天赋。.18，全场最廉价的白卷。

为了验证校准机制是否能够改善这一问题，作者以论文长期引用量作为客观参考指标，对比人工原始评分与LLM锚点校准后的排序结果。

8、中国证监会原副主席方星海接受审查调查

无论是材料建模、分子设计、自动化实验，还是更广泛的科学发现流程，AI 若想真正参与科研，就不能只会「解释知识」，还必须学会「执行动作」。

就在一个月前，他用GPT-5.5在无休止的智能体循环（Agentic loops）中让机器狂奔了数天、大约20个小时，最终铩羽而归。

就像真实开会一样，所有人对着同一块白板，你提一句、我补一句，灵犀在旁边一条条落实，谁说了什么、改了什么，全在一个地方，不会信息打架。

可一旦丢进真实工作流，毛病立刻现形：局部改对了、整体崩了；专业内容乍看没问题、放大全是破绽；反复几轮，纹理越改越脏。