参考资料： https://x.com/jenny_wen/status/2076679443754475919?s=20 https://jennywen.ca/ 编辑：桃子新智元报道 【新智元导读】人类迈入全新科学时代！卡半年的弦论笔记被Claude Fable 5一晚破解，AI甚至主动写代码验证自己的预测，AI怀疑论或彻底破产。

1、b体育官网 Agent工程级能力 直逼Opus 4.8 再来看看KAT-Coder-Pro V2.5，在真实榜单中的成绩单。

大佬表示，按谷歌常规的6个月训练节奏，说不定年底，就能看到Gemini 4了。b体育官网成绩断层式碾压 从结果来看，不仅满分42和第四名28之间横着14分的鸿沟，而且三个满分模型登顶的姿势截然不同。

2、既是天赋馈赠也是枷锁！德约吐露晚年网球最真实心声

随着接入的应用越挂越多，工作日高峰期的并发压力不断攀升，吞吐终于撞上天花板。

3、杂谈｜国产自动对焦变焦镜头何时能来？

一个客户经理原来要招三个人分管不同客户，现在他配三个智能体——一个负责给客户发每日数据简报，一个负责监控客户投诉，一个负责向内部团队提需求。

4、天津队顶薪续约林庭谦，北控接触广州龙狮队主教练

Anthropic赌的是OS级深度 走到2026年7月，AI agent基础设施竞赛已经进入到了深水区，更新频率几乎要按天计算。

5、状元签价值大增？曝男篮国手超龄未加盟CBA球队未来只能走选秀

终点是千家万户，起点是造血 仰望星空，超维动力的终极目标是走进千家万户，打造通用服务机器人。

麻烦在于，可运行、可验证的仓库环境极难批量搭建，行业里直接构建的成功率长期只有16.5%上下。

这只是奥特曼的担心，还是已经在发生的事实？ 有研究显示，ChatGPT进课堂后，月考成绩半年内掉了约20%；真正决定前途的高利害入学考试，成绩分别下滑18%和24%，而且这笔账要拖上两年才慢慢显形。

6、万亿文旅：陕西正在迎来“临门一脚”

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。

WAIC的这15个小时，就是这句话的第一次公开预演：没有剧本、没有遥控，6台机器人在真实世界里协作、纠错、坚持到底。

7、郑钦文遭克娃横扫无缘美网正赛资格称状态差，网友：最扎心失利

这也解释了，为什么两家宁可扛住系统压力，也要拼命把使用量往上推。

参考资料： https://x.com/claudeai/status/2078302415804379218 https://x.com/IamYashKapoor/status/2078223827411325348 编辑：Aeneas新智元报道 17日凌晨（当地时间16日上午11点），Kimi K3发布，全网刷屏，开源AI迎来第二次「DeepSeek时刻」。

8、TA评26世界杯印象：最佳瞬间各有所选；巴洛贡红牌延期公认最糟一刻

用徐立的话说：在人类眼中甚至可能产生幻觉的信息，在AI的眼中，其实可以正确推断出背后的结构化信息。

整个模型，就是一套浑然一体的Transformer。

问题在于，现有的安全评测大多还停留在模型层：考察模型的回复是否安全、单次工具调用是否越界。

9、西班牙绝杀夺冠，我们告别了足坛最伟大的20年

MiniCPM-RobotManip通过视觉Token极致压缩，让「有记忆」的推理成本和「无记忆」的推理成本基本持平。

Claude Code的Artifact查看器：分享菜单可选版本与可见范围，页面本身是含漏斗图、指标卡的看板。

10、世界杯两场淘汰赛大胆预测：法西英阿谁能拿到决赛的入场券

换句话说就是，写得越少，分越高，钱省得越多。

在这些高风险场景中，180ms的低延迟是决定搜救效率与生存概率的核心生存力。

1、乘联分会预测：7月车市季节性回落，新能源渗透率预计创新高

太空这条线值得多说两句。

2、皇马官方出面辟谣：未与罗德里达协议，曼城已听取6000万欧报价

当学校还在用「谁记得多、谁答得准」来评价学生，AI已经把「记得多、答得准」变成了零成本的商品。

3、56年来首次，骑士惨遭22分大逆转！哈登被打崩溃了，疯狂军训啊！

属于国产算力与中国Agent生态的黄金时代，正在到来！新智元报道 一觉醒来，谷歌突然就掏出了一张王炸！ 据The Information独家爆料，谷歌正在研发一款代号「Frozen v2」的神秘服务器芯片——把Gemini模型的部分底层架构，永久蚀刻进硅片。“霸得蛮，攒劲瓦” V26无畏巡回长沙站7月9日即将开启原因之一，可能是数据量的不平等。

4、世预赛归来，梅西何时重披迈阿密战袍？21天休整期藏变数

他半开玩笑地抱怨：真希望80倍别再继续了，太难扛，盼着回到正常一点的数字，「区区10倍」就好。

5、总觉得AI脸怪怪的？专家回应

在线投票显示，Kimi K3在游戏开发领域击败Fable 5，以87%的支持率绝对碾压过去被认为「全球最强AI」的Fable 5。

6、世界杯奖项揭晓：西班牙冠军包揽四奖，梅西银球告别，姆巴佩金靴

百万奖金池，千万投资额。

所有任务都运行在全新的Docker容器里，不接触真实账号，也不产生真实网络流量。

更具挑战性的任务暴露出明显瓶颈。

7、CCTV5直播！中国男篮VS日本男篮，12人大名单或出炉，赢球=晋级

但前提是，我们得给自己留出时间和空间，把接下来这关键的一步走对。

于是衡量算力的标准，从峰值算力转向任务完成效率，而Token则成了智能体时代算力价值的新「货币」。

8、考公安岗？公安基础知识看半月谈这门课，稳了！

他们不从「已知的攻击场景」出发，而是从计算机系统几十年沉淀下来的安全准则出发，为这类智能体设计了406道对抗性任务，并在3个真实平台、5个前沿大模型上完成了测试。

3.6 Flash在几条关键测试上，都甩开了前代—— DeepSWE：编程测试 37% ➔ 49% MLE Bench：机器学习研究测试49.7% ➔ 63.9% OSWorld-Verified：让模型直接操作电脑测试78.4% ➔ 83% GDPVal-AA v2：知识型工作任务拿下了1421份，比上一代高出70多分 如下demo中，3.6 Flash大秀多智能体编排绝活，不仅轻松拿下复杂的代码迁移任务，更在响应速度、代码质量上对3.5 Flash完成了降维打击。

这些方法可以降低单次推理延迟，但如果策略仍然需要大量冗余物理步骤，真实任务耗时仍然很长。

企业可以使用OpenAI、Anthropic、Google、Microsoft或开源模型。