来看结果：雨夜港口、蒙尘的电话亭、窗上的水痕，光影完整；左上角手写体片名《雾港来信》，配文「寄信的人，七年前已经消失在了海上」；底部还有一整行监制、导演、编剧、摄影的演职员小字。

1、博鱼手机 Tibo：没有降智 我们在查用量 当晚，Tibo（Thibault Sottiaux）就出来说话了，他在OpenAI负责Codex与ChatGPT Work。

一方面，一级市场热钱持续涌入，单笔融资金额屡创新高。博鱼手机WAIC看完风向，GDPS来出结果——面向全球启动赛队征集！ 现在扫码 · GDPS赛队征集 参赛即路演，获奖即融资。

2、The Athletic名记：小熊队追逐赛扬奖投手斯库巴尔的可能性“无法完全排除”

ABot-M0.5将运动与操作拆分为互不干扰的双动作流，并引入「帧级隐式动作」，让机器人在极细的时间颗粒度上实现眼、手、脚的实时对齐。

3、京沪杭蓉港，今年哪座体育城市最出圈？

原因之二，可能是数据成分不一样。

4、3-2，浙江队结束三连败，陶强龙绝杀拯救罗斯，海牛新外援造点后受伤

AI 达人智能体从全球达人库中筛出户外和咖啡类创作者，自动生成个性化英文邀约并持续跟进。

5、罗德里戈社媒欢迎新队友：等你来世界最佳俱乐部

网友直言，这简直就是《终结者2》的剧情，太过科幻。

可有一个痛点，你一定记得：想翻回三个月前那次对话，基本得靠运气。

搜索升级本身没有改动任何隐私政策，官方也没宣布新的数据用途，但它却让你这几年攒下的东西，分量更重了。

6、24岁印度速投手阿肖克·夏尔马从陪练到登场哈拉雷首秀

面对如此复杂的需求，V2.5展现出了教科书般的工程化思维。

对长程任务而言，每一次成功纠偏，阻止的都不只是一次局部错误，而是误差在后续过程中的持续累积。

7、英国公开赛：赫伯特追平纪录半程领跑 舍夫勒T8李昊桐淘汰

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。

从写prompt到写loop 中间隔着一道验收 一个会自己无限干活的AI，凭什么不是一台高速产出bug的机器？ 答案在一个被大多数人略过的环节：验收。

8、世界杯最新积分榜：欧洲围剿阿根廷，4强产生2席，西班牙会师法国

不是固定的语音指令识别，而是真正理解你在说什么、你想干什么。

显然，AI视频，正在成为继AI编程之后，最接近大规模商业验证的黄金赛道。

他说，这是自己这些年最大的预测失误之一。

9、机关退休朋友提醒：这笔补贴你不申请永远不发

bug刚修到一半，弹窗一出，全停了。

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。

10、F1匈牙利大奖赛本周末开跑 苹果美国免费直播成最大看点

我们甚至可能抵达这样一个节点——资源不再是人类进步的制约因素。

几乎前后脚，博主leo甩出一句话，「趁还能用，赶紧把你手里的Fable 5额度花掉。

1、2018款AMG S65加州无底价拍卖，双涡轮V12输出621马力，里程5.7万英里

否则，它就只是一张价签。

2、布隆德洛道歉后，里斯与梦想主帅齐发声：联盟不容任何歧视

换句话说，偏航不是错误，而是系统运行过程中的必然状态。

3、瓜帅要价2000万欧，意大利足协主席直言“得咬紧牙关”

工厂要的是快准稳的机械臂，人形反而笨重；仓库要的是能满场跑的轮式机器人，两条腿不如轮子效率高；便利店要在货架间穿梭的服务机器人，全尺寸人形连转身都费劲；家庭场景更不用说——橱柜下面那点空间，你让一米七的机器人蹲下去够东西？ 不同环境天然需要不同的身体，用一种形态解决所有问题，就像用一把螺丝刀拆所有电器——理论上也许行，实际上一定不行。这辆AEV改装牧马人已行驶7.9万英里，为何仍令人垂涎？在此基础上，首次提出面向具身追踪的DAgger策略：模型先在大规模通用场景上预训练，再持续部署至仿真与真实环境中交互，主动暴露长尾薄弱场景。

4、世界杯红牌罪人被弃！切尔西砸 8000 万封神中场，替换亿元水货

没有人会因为CPU厂商强大，就断言存储没有独立价值；恰恰相反，由缓存、内存、硬盘组成的存储层级，自成一个万亿级产业，还定义了整个系统效率的上限。

5、曼晚：若巴萨寻求再次租借拉什福德，曼联将不会和他们接触

这一跳，他们为具身智能找到了明确的「Scaling Law」，让大算力大数据的投入产出变得可量化。

6、兰博基尼Temerario定制双车发布，内饰首搭羊毛，外观如行走的设计草图

模型学好了技能，却认不出红色的塑料箱，适应不了偏暗的灯光，也跨不过那高出的5厘米。

只有一堆AI，趁着周末，把活干完了。

同一堂课按学生水平自动分层（图源：Anthropic官方） 第三块，数据分析。

7、格劳不去铁人，津门虎一周一赛不留力，拼完申花战海牛，唯一0引援保级队

他还专门录制了视频，逐帧测试Gemini 3.6 Flash在空间关系理解上的表现。

所以，在AI for Science这条赛道上，真正的壁垒是「模型懂不懂科学」。

8、波特兰伐木者迎战达拉斯：美职联世界杯后重燃战火_网易订阅

但那时候有个天花板：页面里的数据，是会话构建时那一刻抓的。

一个 300B 参数的垂类模型打赢万亿参数的通用模型，靠的是数据壁垒而非算力堆叠。

原本这些活儿，都得你在一个个工具之间来回切、把数据一段段复制进对话框。

Anthropic也毫不示弱。