AI 已熟练掌握高效编码、标准化解题的能力，但在未知领域的自主探索、原创科研创新上，仍存在明显短板。

1、米兰体育 一年之后的同一个舞台，7月17日，磐石2.0正式发布。

于是护城河换了「品类」。米兰体育这算AGI吗？ 有网友表示，「对99%的人来说，这已经是AGI了」。

2、身上没长包却奇痒无比？问题或许藏在肝胆里！

换句话说，它懂得蛋白质是蛋白质、光谱是光谱，而这两者又能在同一个模型里被一起理解。

3、西安一商家刻意多收费、菜品重复计费，已被立案查处

Jaeger证明了平面图是成立的； Szekeres证明了可以进行3边着色的立方图是成立的； Alspach、Goddyn和Zhang证明了没有Petersen子图的无桥图是成立的。

4、今日热点：陈添祥长文道歉；夏克立曾给前经纪人传上厕所照片……

竞争对手可能拥有同样的大模型，但不一定知道： 企业如何识别一个高价值客户； 如何判断一次设备故障的根因； 如何安排现场维修资源； 如何进行客户补救； 如何在成本、满意度和风险之间做权衡； 如何判断一次任务执行是否值得复用。

5、“人老先老腿”，4个动作每天5分钟，膝盖舒服了，腿脚轻松又有劲

换句话说，它懂得蛋白质是蛋白质、光谱是光谱，而这两者又能在同一个模型里被一起理解。

一个支持团队的「完成」，是客户问题被解决；工程团队的「完成」，是代码改动通过测试；法务团队的「完成」，是合同审完且没出错。

甚至，没人确认。

6、以其人之道还治其人之身！阿根廷用慕容绝学击败英格兰！

当你对纠缠熵提出学术质疑时，它能精准回应、并补充多模型对照数据。

一是 AEO（Agentic Engine Optimization，智能体引擎优化，类似 GEO），优化商品在 ChatGPT 对话中的提及率、排名和表达准确性——确保被提到、排得上、讲得对。

7、专家：新冠感染没有明显季节性｜早安广东

至此，链条第一次完整：记忆沉淀为经验，经验长出智能，智能被传递、被扩散，汇成文明的演化。

三个模型三副脾气 网友骂了半年的全被实锤 Anthropic把从对话里挖出来的3307个价值观一路压缩，最后压成了四条轴。

8、美对贸易伙伴征收新关税，中方是否将反制？外交部回应

人会耸耸肩走开 AI会接着试下一个 如果只有这一件事，它顶多算个漂亮的孤例。

惊喜的是，在这方天地间，我们还看了一场染透天际的日落。

这个开关管的只是「要不要拿你的数据训练AI」，压根不管你的代码有没有离开电脑。

9、湖人双向合同签约卡鲁马！夏联场均18.6分 被美媒评为最佳落选秀

那双看起来纤细的机械臂，负载能力直接超过了20公斤。

再看空间推理。

10、S·希门尼斯丨我的脚踝正在好转

谁手里攥着最庞大的物理世界数据，谁就可能率先触碰到智能的上限。

站会那一幕，靠的是Claude Code今年6月发布的Artifacts。

1、顶流艺人，整容了？

比如，现场Mech-GPT多模态大模型的人机交互单元演示。

2、全球首次！成都企业，太空养“龙虾”

发现问题后，编程智能体会直接完成修复，下一轮扫描闭环复验，不留安全债务。

3、最后一舞！C罗：2026是我最后一届世界杯 会尽情享受

Skill 则处在知识与行动之间。小个子的时髦穿法，有点意思！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。

4、挪威首入八强！破68年魔咒，哈兰德双响，3战巴西全胜，连刷5纪录

而GPT-5.6最抢眼的几样新东西：max档更长的思考、ultra默认四个智能体并行、更大的上下文窗口，恰恰全是吃token的猛兽。

5、德尚赛后质疑裁判水平：我想问裁判有资格执法世界杯半决赛吗？

在P2上磨了106分钟跑4轮，中途被网络故障打断两次。

6、活力中国调研行｜这台“巨无霸”龙门吊是位“大力士”，轻松起吊1800吨液罐船

这也是这次发布被卡着审查的原因之一。

而要求是，81,920块微型积木要严丝合缝地咬合，烽火台、垛口、蜿蜒起伏的城墙，一块都不能错位。

每个人对技术路线的判断，几乎都是自己商业站位的投影。

7、美加墨3-0胜成夺冠热门，4场13球避强敌剑指冠军

企业真正需要掌握的，不只是某一次输入和输出，而是这条链条的全部。

他给的反证是：5.6在包括FrontierMath在内的一大批评测上都比5.5有提升。

8、成都传媒天府影业非遗微短剧作品入围“金鹿计划”

Hassabis更直接：这太尴尬了。

Anthropic 的 Fable 5 是一个更极端的案例：6 月 9 日发布，三天后安全研究者 Pliny the Liberator 用多步骤越狱策略突破了安全分类器，相关截图显示模型产出了本该被拦截的漏洞利用代码。

同样的偏移面前，WAM-TTT的泛化保持率高达75.6%，是ICL的5倍多。

姚卯青甩出一个数字：物理AI的数据量只有大模型的两万分之一。