第二步，通过异构混推，让同样成本产出更多Token。

1、迈博体育 Cursor挖人，挖到Anthropic家里去了！ 就在刚刚，Claude核心设计一号位Jenny Wen官宣跳槽，下一站—— 出任Cursor「设计主管」。

她的逻辑冷得可怕，「这场变革不是设计圈自己发起的，是工程侧倒逼的」。迈博体育（图源：Claude Code官方文档） 所谓自主智能体，本质上就是这么一个圈。

2、中国男篮不敌日本男篮！下一场比赛12人大名单出炉，郭士强摊牌

但这套打法的红利，正在肉眼可见地变薄。

3、美新一代“星舰”首飞　完成大部分目标

6月19日，挪威首相斯托雷宣布对1到7年级学生近乎禁用生成式AI，上课期间不许碰，新学年8月下旬生效。

4、花滑名将申雪、赵宏博受聘为哈工大教授，入职该校体育部

Claude Code在开发者里一战封神，紧接着的Cowork把智能体从程序员推向普通知识工作者，在「AI办公」这块抢下先手。

5、一人一城！记者：勇士将给库里提供2年1.36亿美元的续约合同

对行业来说，这意味着具身智能的研发门槛被大幅拉低了。

2.0 真正在建的基础设施是 Skill Market（技能商店）。

但那种能力，就在这个早上「彻底消失了」。

6、字母哥：加盟热火让我感到压力，我已经百分之一百万准备好了

但目前行业主流方案，大多仍局限于读（文献）、算（模型计算）的纯数字化场景，尚未完全打通数字推演到物理实验验证的完整闭环，很难支撑高价值的原创科学研究落地。

第二印象甚至更差： CursorBench上，Gemini 3.6 Flash还不如Cursor的Composer 2.5。

7、詹姆斯+浓眉！被拒！詹姆斯的下家，基本确定了...

临港AIDC的国产卡占比不断提升，预计进展顺利的话，明年可能超过50%。

这种对AI生成代码的不信任，在限制了工程师们使用Gemini来辅助开发，担心专有代码泄露到训练数据中。

8、国内是11冠王，打世界级比赛竟沦为垫底，朱婷险被"用废"坐场边干着急！

实验中以「负面」语气为例，同一负面倾向可适用于不同话题，措辞随话题变化。

没人想到的是，它其实是一份提前三个月写好的入职宣言。

现有的智能体安全评测存在两个惯常的盲区。

9、广州豹3比1击败定南赣联升中甲榜首

机器人身上的算力和电量十分有限。

另一派是实战派，代表是名为old-bielefelder的用户。

10、山东高速男篮客场30分！一场输球暴露的远不止比分

其四，同样的加固，对不同模型的收益并不均等。

不是那种把文字往模板里一塞了事的「假PPT」，而是图文混排、数据图表都到位、排版逻辑清晰的真文件。

1、孟加拉国总统楚普辞职

比过度依赖AI更让人担心的，是用了AI却不会验证，把机器吐出来的东西照单全收。

2、焦泊乔想要离开广东，上海队是首选；山东、山西等队争抢范子铭

新智元报道 【新智元导读】交互式视频世界模型正在从「一次性生成短片」走向「像游戏一样边操作边生成」。

3、一声叹息！启蒙教练培养杨瀚森进攻全面性，郭士强却浪费其天赋

内部人士称，Gemini 3.5 Pro的开发进度已经落后了数月。14投狂砍23分9板！一己之力打爆山东内线，卢伟提前亮出争冠底牌谷歌已确认，内部已启动了史上最激进的一次预训练，目标直指Gemini 4。

4、瞬息万变，看着要赢的输了要输的赢了，国羽2名男单 新锐一胜一负

全行业拉响警报， 巨头集体跌入「下一代巨模型失望陷阱」 沃顿商学院Ethan Mollick在转发报道时，提出了一个细思极恐的观点—— 这根本不是谷歌一家的悲剧，而是整个硅谷正在遭遇的「周期性技术寒冬」。

5、两百万人狂欢马德里！西班牙时隔16年再夺世界杯，凭什么

多出来的用量，正是从这里冒出来的。

6、AIGC创新社沙龙｜易企秀CEO黄金：AIGC时代大量机会将诞生于应用层

PixVerse的国内版，叫做「拍我AI」。

在搜了2个pattern，读了2个文件之后，它直接给出诊断——Python对负timedelta采用补数存储，timedelta(hours=-5)内部实际是days=-1, seconds=68400。

一家模型厂商可以做绑定自家产品的浅层记忆，却做不出跨厂商的通用层，因为通用层的价值恰恰在于中立，而没有谁愿意把自己的记忆托付在竞争对手的地基上。

7、大逆转，准绝杀！从东莞到北京，跨越两千公里的欢呼和胜利！

没有任何预热、没有任何预告，他们在X上扔出了一枚重磅消息——发布Monolith-1.0模型，登顶世界第一！ 数据有多炸裂？ 1.6万亿参数（MoE架构，每token激活495亿参数） HLE工具辅助测试中拿下99.44%的成绩 GPQA Diamond达到95.9% MMLU-Pro达到96.2% AIME 2025超过90% 原生100万token上下文窗口 在12,288块Ascend 910C NPU上训练了60万亿tokens 这个成绩，直接把目前所有榜单打穿了！ 即使是最顶级模型，在面对地狱级难度的HLE时，依然会被按在地上摩擦。

跨环境实测中，以人类视频为上下文的基线方法，性能保留率仅剩14.7%，几乎等于归零；而WAM-TTT则把这一数字拉到了75.6%，压倒性胜出。

8、老登领导是如何坏了大好青年的名声的

当企业跑了多步骤、长流程的复杂Agent时，ATM会在底层通过「行为钩子」、本地文件扫描或自研隐私网关，精准记录每一个Agent在干什么、调用了什么工具、花了多少Token。

这正是「不知道用什么就直接说需求」的机制在真实科研里的落地。

以洗衣为例，机器人靠时空记忆和思维链把任务拆成十几步，自主规划取衣、放衣、启动、整理，还能实时核验每一步结果，异常时精准定位到哪一步失败并重启。

其中，他详细拟定了审查机制，明确规定了AI不能用于无人类控制的致命武器和无差别监控。