除此之外，Anthropic的这篇博客里，还放出了蛮多有意思的观点和事实。

1、米6体育 它的商业模式也还在分化。

不过，头部厂商仍然有一个高度共识：自研本体不可替代。米6体育代码review，Claude做了。

2、蓝鸟一口气签17名选秀球员 首轮39顺位左投卡尔隆领衔

原本5.6完成得好好的，结果执行完端到端测试后，它就开始擅自执行一系列数据清理操作。

3、21岁巴甲边锋交出17球9助攻，热刺正考虑今夏出手

北斗计划延续此前定位，除基座大模型相关岗位单独拆分出来之外，顶尖技术人才依然在北斗计划的框架内：面向全球校园精尖人才，覆盖大模型应用、自动驾驶、无人机、具身智能、智能决策等。

4、友谊赛前瞻：罗森博格迎战曼联，15岁JJ Gabriel有望首秀

一晃眼半年过去了。

5、高考后第一天迎来“摘镜热”！岳阳爱尔眼科医院专家“支招”，助力高考学子摘镜圆梦

Acrab CEO Ken Phua将这种变化概括为：「CPU再次回到AI时代的中心。

那是星舰最草根、也最「炸裂」的年代：SN5、SN6相继完成150米跳跃；到了SN8，飞上12.5公里高空、从容做完「肚皮翻转」般的姿态调整，最后却在落地一刻砸成一团火球。

在上海，学术、政策和产业接成了一条线 治理问题继续往下走，最终还会碰到产业。

6、48小时前决赛泣退，巴多萨竟在汉堡首轮惊艳所有人

该公司的产品已在全球85个国家和地区部署，累计落地超过13万台机器人。

在工程部署稳定性方面，通过双系统架构的运行有效减少语义歧义和短视决策。

7、一周三签，今晚武汉女足能否止住颓势？

在科研领域，如果说 Benchmark（基准测试）回答的是模型“会不会”，那么真实的科研则在追问，模型能否将一次推理转化为可验证、可复现、可迭代的完整工作流？ Intern-S2-Preview-397B 给出了一份极佳的答案。

值得一提的是，在这份长prompt里，研究员还多次在不同位置重复“最终目标是什么”。

8、沃特福德老板出售女足队给Pitch15 等待英超女足批准

同时，人才争夺的焦点也发生了根本性转移。

不是把一个模型逼成全才，而是让一群专才协同作战。

在这个高频、刚需、ROI（投资回报率）清晰且极易实现全球化复制的赛道上，中国厂商不仅占据了主导地位，更在开启一场深刻的产业革命。

9、亚洲球队前2轮综述：世界杯18战3胜5平10负，仅2队不败，5队垫底

而文远知行代表的，则是近年来快速发展的一段式端到端算法、世界模型以及Physical AI能力。

这是之前集体性跑马圈地所造成的。

10、14岁首秀25分钟双响，曼联15岁天才32场29球后要踢一线队了

丘成桐在香港完成中学与本科，陶哲轩在澳大利亚长大——此前所有华人得主，都不是国内教育体系的产物。

有媒体和从业者提到，太空光伏过去“几十年如一日”，依旧处于技术验证和研究阶段，没有可靠的盈利模式和落地时间。

1、穆里尼奥哭晕！皇马头号目标梦碎！2.5 亿世界杯巨星彻底无缘

第一，竞争格局发生了根本变化。

2、“你根本没机会拉开差距”——维斯塔潘：F1最快车手正被新规暗中处罚

王虹，也成为了菲尔兹奖90年历史上，继玛丽安·米尔札哈尼和玛莲娜·维亚佐夫斯卡之后，第三位获得该奖的女性数学家。

3、NBA夏联：开拓者111-84灰熊，杨瀚森18分10板5助+隔扣，美媒称赞

周跃峰 来源：受访者 会后，周跃峰告诉《中国企业家》等媒体，华为云不追逐Token数量，也不在乎收入总量。伊劳拉首谈利物浦蓝图：重拾身份认同，团队至上与信任青训是关键P.S.对应模型即将开源～敬请期待这几天，全网被WAIC“霸屏”，从具身智能到国产算力，这场一年一度的AI盛典，同样吸引了科技圈所有目光。

4、阿根廷输急眼！帕雷德斯锁喉加西亚，拳击加维染红，或遭重罚

WAIC现场，Magic-VLA K02可实时识别不同规格、尺寸和形态的箱体，自主调整机械臂抓取点位、受力角度与叠放姿态，并结合空间感知、重心控制和力反馈，对箱体偏移、变形等情况进行动态修正。

5、阿根廷“保送”4强？有趣：32强上半区欧洲化，下半区南美非亚化_网易订阅

” 随着小红书上市脚步逼近，花钱买流量的商家越来越多，留给常规内容的自然流量越发紧张。

6、邵阳周末这场演唱会的公交接驳攻略来了！

对生成式系统来说，这句话却很难。

进一步的细粒度测试中，研究团队分别改变光照条件和物体空间位置，WAM-ICL完成率只有12%～20%，而WAM-TTT还有60%左右。

这个问题在LLM时代很少有人认真讨论。

7、喜讯！U19国足王牌刚代表法甲欧塞尔出战，就在热身赛独造两球_网易订阅

但开业那天的人气是所有门店里最旺的，那个综合体有5个门，每个都挤得水泄不通，当天POS机统计有17000多单。

单伟建 摄影：邓攀 但判断人和考古没有太大关系。

8、黑豹老板再掏5亿美元，美国银行体育场翻新总金额破13亿

这听起来像办公软件的基本要求，却正是许多AI生成工具最容易翻车的地方。

在每一步去噪时，它都会估计复用此前计算结果可能带来的轨迹偏差：风险较小时，直接调用缓存；风险较大时，再重新计算。

但这些指标最多只能证明一条数据在生产流程上“合格”，不能证明它真的值得机器人学习。

而且，工业现场始终盘旋着一个「不可能三角」： 最关键的是，单机机器人升级到数十上百台集群协同后，每新增一台机器人，整体状态空间爆炸，耦合复杂度大幅提升。