7月9日GPT-5.6发布，官方原话是，首次引入max推理强度，「让Sol获得最充足的时间进行深度推理」。

1、亚美体育 物理AI不是一场表演赛，而是一场部署能力、数据积累和产品标准化的马拉松。

Scaling Law遭遇能力边界 图2：不同模型在AtomWorld上的总体表现。亚美体育GDPS赛场上打磨出的好项目，有机会在WAIC被更多人看见。

2、23岁在总决赛场均28+13+6！90%球迷认为他不配顶薪，母队也不要他

模型决定AI第一次见面有多惊艳，记忆决定这份聪明能否被结转、被继承、被千万个同类共享。

3、王俊杰、赵维伦参加国家队集训，杨翰森、余嘉豪确定出战世预赛

同时，它自带跨任务、跨时间的多模态记忆，能在失败中定向优化记忆存储，并将沉淀的数据转化为整个ABot体系的共享资产。

4、ZAN 进入 BBA 的价格区间，长期考验开始了

但在办公场景，一个根本性问题始终没解决：大部分AI每次对话都从零开始。

5、台湾地区前领导人马英九：我不希望台湾成为第二个香港！

过去三年，大家拼的是谁堆的卡多、训的模型大；可当Agent铺开之后，战场就从「训练」大规模扩展到了「推理」。

当宾夕法尼亚大学沃顿商学院的副教授Edgar Dobriban试图用AI攻克这个堡垒时，事情开始变得诡异。

这种竞争态势固然推动了快速进步、加速兑现惊人的红利，但前沿的进展速度，已经超过了我们对这项技术本身的理解速度。

6、Token账单背后的资本博弈

面对复杂的基因数据，磐石并没有停留在简单的文本罗列，而是展现出了极强的跨数据库整合与科学推理能力。

这一点，我们接下来会重点说。

7、CBA最新消息！山东欲签外援杰曼，山西确定23+4+6新外援，上海山西报价了胡金秋

样本量从几千份跳到百万级，推理结果还能反复调优。

所以K-12绝大多数学生，压根没有账号。

8、特斯拉Cybercab在美提交EPA文件 成品牌最轻最节能车型

比如，先盖住不同颜色方块后 ，让机械臂以红绿蓝顺序揭开。

第二步，交互：在文档右边的对话框里，人和AI充分对话、反复修改。

常年在加沙工作的人道机构，压根没听说过它。

9、重庆山体崩塌致11死50失联

当其他厂商还在用「参数规模」衡量模型时，K3已经用行动告诉我们：真正的竞赛，已经从「谁的参数更多」转向「谁的唤醒更聪明」。

直到这个周末，Claude Fable 5登场了。

10、“我的生命就是进球”：哈兰德领军挪威冲击世界杯4强

更重要的是，它要求企业主动建设自己变聪明的能力。

这也是超维动力坚持做通用具身技术的原因—— 必须把机器人扔进真实世界的复杂场景，收集足够多样化的数据，才可能孕育出真正通用的技术。

1、36氪首发

过去，行业信奉的是Scaling Law。

2、小布赢得中国顶级德比大战让一哥之争进入白热化，吴易昺输在了哪

或者，试试它是否可以精准按下不同次数的按钮？ 图中的机械臂，全部做到了！ 看似简单的能力，其实难倒了业界不少机器人。

3、1967年造反派猛批薄一波：你老婆已畏罪自杀，还不承认你是叛徒？_网易订阅

旁边展示直接挑战了机器视觉领域公认的「老大难」——透明物体识别。央视传来消息伊朗击毁 12架美军机！大批美军被抬走，特朗普找帮手极反应。

4、三分13投1中！确实铁出天际，还能打NBA吗？

人有全局视野、触觉、常识，机器人常常只能从腕部相机看到巴掌大一块。

5、蛰伏许久，杯赛亮剑！买乌郎用一战证明自己配得上中超轮换

参考资料： https://x.com/pankajkumar_dev/status/2078536231026372846 编辑：桃子新智元报道 科研人苦等多年的AI搭档，终于来了！ 就在WAIC现场，中科闻歌磐石（ScienceOne）团队一口气亮出两张「王牌」—— S1-Omni：首个面向「科学理解、预测与生成」的科学多模态统一推理模型； ScienceOne：以S1-Omni为核心、贯穿科研全流程的一体化平台。

6、砍31分11助！超级外援上演总决赛封神一战，抢断+三分绝杀太无解

• 可与计算侧加速叠加：PolicyTrim优化前向推理次数次数，VLA-Cache等方法优化每次推理耗时，两条路径正交且可以产生复合加速。

为什么要用8万块积木折腾15个小时？ 答案藏在制造业的一组数据里—— 目前全制造业通用产线上，仍有约20%的精细、非标、柔性、感知判断类工序必须依赖人工精细操作微米级精密装配、柔性/易碎物料微调、缺陷返修与首件判定、狭小空间操作。

Dyna嫌贴标签不够。

7、被华为、阿里、美团追捧，这家「Token工厂」为何着急IPO？

在DM0.5技术博客中，有这么一句话：团队希望有一天，真实世界本身成为机器人最好的老师。

在此领域，这是一种「相当非典型」的组合技。

8、高德与新加坡旅游局达成战略合作，飞行街景技术首次落地海外

说白了，不是逼国产卡去硬刚英伟达，而是让每一张卡都去干自己最擅长的事情。

COSA 0.5 实现的效果惊艳的一镜到底 Demo，就是逐际动力对这个问题最有力的回答。

她给了一个刺痛所有人的数字—— 几年前，设计师60%~70%的时间花在画稿和做原型上，而现在只剩30%~40%。

投喂同样的数据，运转同样的模型，结果数据利用率低，大量动作的完成度都不高。