对苹果来说，迟到的代价已经写在财报里。

1、亚美登录 这，正是U1 Pro想踩下去的那一脚。

第一件是成本。亚美登录在这个意义上，Fithian教授那句后背发凉的「心塞」，绝不仅是他个人的智力失落，而是一代科研人在时代拐点上的集体情绪切片。

2、耿同学的结局。

运动神经（ABot-C0）：运控系统，将ABot体系的决策稳稳传导至机器人的躯体动作上。

3、早读

小哥展现出了惊人的产品经理天赋。

4、7月更新

他们要立的，是AI的地基 行业狂飙热炒到今天，聚光灯几乎全打在最聪明的那颗「大脑」上。

5、“谁说学电气吃香的？”热门专业在读大学生说出实话，现实又扎心

参考资料： https://x.com/elonmusk/status/2076739687658496209%20*%20 https://x.com/SpaceXAI/status/2076692402442846289%20*%20 https://x.com/milichab/status/2076693464016994685 编辑：所罗门新智元报道 【新智元导读】最近，这个AI穿越Vlog刷爆全网！第一视角空降古罗马、泰坦尼克号，逼真到窒息。

接入网关按难度分流、敏感信息强制走私有化之后，月均Token成本不仅比之前全量灌给高档模型砍掉了一半还多，而且响应速度反而还更快了。

听起来很美，但这事能落地吗？ 这事可远不是「把卡插上去就能跑」那么简单。

6、AI时代数据可信流通产业周期洞察报告 ( 2026 )

四天，多了300万人。

CEO喻杰博士，师从计算机视觉权威田齐教授和罗杰波教授。

7、白酒大佬也卖不动名酒了

在此之前，Codex Sol MAX面对一个提示词，会花掉十分钟以上，反复试、反复推、反复调用他们的工具，直到把活儿干得挑不出毛病。

AI裁判的推理原文：明知正确标签，却因顾虑「这个标签会被拿去训练模型」而拒绝如实标注。

8、突发叫停！Gemini 3.5 Pro难产，谷歌跌入失望陷阱

它让机器人不只是识别画面中的物体，而是能够「想明白」物体、空间与任务之间的关系，并做出合理判断。

Token之后，Task上桌 产能之后，接下来发生变化的，就是拿起它的人。

在制作前，灵犀会调用记忆系统，给你推荐几种你喜欢的风格。

9、入住后才发现的“鸡肋装修”，钱多花了，还成了摆设，别再效仿了

但故事还没完，它引出一个更大的问题： 当这一代孩子长大，AI早已像空气一样无处不在，一个从小只被老师「用AI教」、自己却没真正上手用过AI的孩子，能真正做好准备吗？ 这个问题，Claude for Teachers还没打算回答。

25页苦心，换来高层的「已读不回」 为了阻止谷歌签下这份「卖身契」，特纳开始了长达数月的内部斡旋。

10、“时代繁星 与美同行”新大众文艺盛典暨微短剧荣誉推荐系列活动新闻发布会召开

但在聚光灯之外，必须有人去干最底层的活。

逐际动力是最早提出并布局人形大脑系统的具身智能公司；后来者的趋同，从侧面印证了这条路线的前瞻性和引领性。

1、185㎡顶跃大宅：天井洒下的光，是我对美式复古最深的迷恋

以前那种先研究、再动手、边做边自我推翻的劲儿，没了。

2、又一个好手加盟湖人！东契奇得到强硬帮手，硬刚马刺雷霆有戏了

行业习惯了按Token计费，也就是按燃烧的算力收钱。

3、退休老人云南旅游遭落地加钱，纯玩团变购物团，锁门限制自由，买玉镯想退货被多人围住，逼写“自愿离团声明”

对此，商汤科技联合创始人、首席科学家林达华给它概括了个更一目了然的名字：创作模型。2026年第三届全国大学生美术作品展 油画选（一）谷歌发布的测试结果，也显示Gemini 3.6 Flash在代码任务上被其他模型超越，仅在视觉和上下文基准测试中持续保持领先水平。

4、典型德国人的画像：收入不低、租房为主、有点胖

长城挑战，是一场「实战」。

5、来“知心屋”说说心里话

机器人场景下，VLA模型每次推理需处理三路相机画面（双腕部+主视角）加文本指令，并输出动作。

6、不踢欧洲杯！曝C罗再战1场便宣布退出葡萄牙队 选择在母队主场告别

百万奖金池，千万投资额。

通过简洁的API，PhyAI在发布首日即完成了对MiniCPM-Robot的适配支持，并使用CUDA Graph 进行加速，推理帧率从10.20 Hz提升至33.2Hz。

该作者先点出Fable 5区别于以往所有Claude模型的三项能力。

7、3-2绝杀！点球4-3！世界杯狂欢：8强全部诞生 欧洲独占6席

他提出的TUTOR方法把长程任务的自主成功率从8.3%拉到35%。

面壁智能学术合伙人、多模态智能首席科学家姚远 通过极致的视觉压缩技术，面壁将VLA模型从「算力饥饿」中解放出来，让机器人在真实物理世界中以更低的成本「跑起来」。

8、赛前

qrdl的体感是：每次开新会话去攻677，模型就把那些早已失败过的老招式再来一遍。

2022年底ChatGPT出来，这条线被冲得太快，快到大多数人都没意识到它已经不在了。

在类定义、关系抽取、属性构建等核心本体学习任务中，语言模型能够以远超人工作业的效率完成大规模知识的结构化提取。

Dyna则反其道而行，它不比数据多，而是比用得省——20万小时打底，却主打「1小时以内的后训练就能迁到全新任务」。