3分钟短片：prompt就是摄影机，AI就是剧组 真正让马斯克当场拍板的，是Heavy Pulp那段3分钟短片。

1、yobo体育 凭什么说「越用越懂你」 灵犀跟其他AI产品拉开差距最大的地方是它的记忆工程。

故事的主角，是Bun之父Jarred Sumner。yobo体育有了赤兔的加持，同样的国产显卡能生产出成倍的Token，将Token的生产成本直接打下来。

2、让2追3！阿根廷队惊天逆转，裁判引起争议！

同一批模型，一边推翻80年的数学猜想，一边在急诊分流上过不了关。

3、1976年，刘伯承说：我死后由邓小平主持追悼会，否则宁肯曝尸荒野_网易订阅

他花了几十美金买了个域名，搭建了一个极具硅谷审美的官网。

4、谁还有梦想？俩人年薪破亿一共只打5场！联盟最慷慨的数据提款机

但它开的药方和官方并不一样：官方是把整个timedelta整体取绝对值，它选择先换算成总秒数、再拆分。

5、东体：两名新援都是海港刚需人选，预计近日到队参与训练

一道题挂了几十年没人领走，可能不是因为它有多难，而是因为没人肯在那条路上再试第三十次。

如果说S1-Omni回答了「AI能否真正理解科学」，那么ScienceOne解决的，就是「AI如何真正深入科研现场」。

Flash Cyber：能修漏洞，但不是谁都能用 Gemini 3.5 Flash Cyber，一款专攻网络安全的硬核模型。

6、健康、自然的大女主港风，很好看

许多人会问：国内新能源车市场已经卷成红海，现在去卷汽车电机还有机会吗？ 如果只盯着国内存量市场，那确实是「神仙打架」。

有趣的是，在这场骗局中虽然什么都是假的，但被用来作为底座和替身的中国AI却是真的。

7、热议朱芳雨卸任广东总经理：连续大投入未达预期更新换代在所难免

更魔幻的是另一幕。

银河通用首次在顶级会议ICCV发布WAM模型，全球首次打破壁垒。

8、当人工智能梦见热带雨林，走进全球首个“活着的”AI美术馆

OpenAI在7月9日发布的ChatGPT Work，几乎是贴着Cowork的卖点打，内置Codex，还捎带上线了当天同步发布的最新模型GPT-5.6 Sol。

真正让人后背发凉的，当AI被拿去当「裁判」，评估其他模型的行为时，它自己也会失配。

换成Sol的写法，直接砍到四句。

9、2025年CIPA相机/镜头产销量出炉，有哪些趋势？

但过去的路上，每一步也需要产出能造血的东西。

Noam Brown指出：「增加模型的TTC（让它思考更长时间）能带来更高的智能。

10、记者：凯斯勒是东契奇心仪中锋，他竭力推动湖人交易

但真实业务是另一个量级，举个栗子： 读一周多平台热搜、筛出短视频行业条目、按平台取热度前五、再产出一份带章节和字数限制、按日期倒序、且不许编造数据的简报。

Rust版6月就随Claude Code悄悄上线了。

1、特雷-杨：续约表明球队相信我 不会和戴维斯聊续约的事情

逐际动力回答的是另一个问题：如何把能力组织成一个能在真实身体上运转的系统。

2、文明回响越山海 味蕾对话连世界——漯河X世界 文旅交流之夜活动在京举行

从一座工厂到一张网 Token工厂跑通了，但一家公司的端到端再强，也撑不起整个国产AI基础设施的生态。

3、球商低技术糙，但人人都爱他！三巨头里最水的生涯暮年反而最滋润

DeepSeek V4-Pro 在窄任务上对标 Opus 4.5，差距 5 个月。招募詹姆斯代价太大！76人纸面四巨头暗藏大隐患，马克西成无球牺牲品为什么是5个万卡而不是1个10万卡？因为商汤面向的是第三方市场——大语言模型、视频生成、具身智能、世界模型、AI for Science，这些任务对硬件的要求完全不同。

4、中国男篮迎战日本！建议郭士强：不要再带这三人，这五将不考虑吗

但U1 Pro的成图，直接把这两座大山给推平了。

5、别瞎练了！一张图告诉你，每个动作到底练哪块肌肉（收藏级）

AI领走了埃尔德什的赏金。

6、库里创历史：首位现役NBA球员篮球名人堂开个展

一个人，两帧起始图，一套prompt，拍出了连贯的电影级对话戏。

他们在全球市场并没有真正受到中国新能源车企的冲击。

GPT-5干的事情，是把他不知道的那些文献翻了出来。

7、38场现在正在报名的路跑比赛，我们帮你整理好了（更新于4月8日）

BadDLM 在两个数据域上经干净微调后的后门留存 如上图所示，即便在Dolly-15K与GSM8K上微调15个epoch（达后门训练时的3倍），后门ASR也仅小幅下降，仍远高于次优基线未经防御时的ASR（图中棕色虚线）。

现场观众举手表决，几乎全票支持。

8、中国女排为啥能赢美国？惠若琪解说点评一针见血！点名表扬2人！

过去两年，AI公司拼了命卷模型，却几乎没人认真管过，用户攒下的那堆数据该怎么盘活。

传统教育中，真正要做到因材施教，对一个要面对几十号人的老师来说，几乎是奢望。

牛津的Jared Lichtman在那个问题上耗了七年，他后来说，自1935年以来，所有做原始集问题的人都习惯了同一个开局动作，而那个动作，遮蔽了一个在明处摆了整整90年的技术可能。

一个真实的业务流程，可能前一秒在本地拆意图，后一秒调云端大模型补脑子，再下一秒回到边缘执行。