不推敲、不打草稿，成不成看运气。

1、星空综合 据Boris说，公司里几乎没有手写代码这回事了，连SQL都是模型写的。

从S1-Omni到ScienceOne 把模型装进科研现场 有了懂科学的模型，下一个问题是：怎么让科学家真的用起来。星空综合这是业界头一回，把「看懂、生成、动手」原生做进了同一个多模态基座的底层。

2、交易截止日不到两周，Cole Carrigg等外野手幻想价值有望飙升

可控，也不代表可交付。

3、泰山刚完败英博！王大雷就直接发声，表示输球责任都该老队员来负

同一个荷马，同一部史诗。

4、要价超1亿镑的巴黎"边缘人"，利物浦阿森纳仍视其为头号猎物

此外，上海中学多名校友已成长为数学家。

5、8万多球迷联名请愿重赛：裁判被指控腐败，阿根廷这次输得不服

八大行星、11颗卫星，全部给出J2000历元的真实轨道根数——半长轴、偏心率、倾角、升交点经度、近心点参数、平近点角。

超维动力负责比如运动控制、环境理解、任务编排这些最硬核的基础能力，应用开发交给第三方。

体系化带来的三大「表征」 当这五大「数字灵魂」在三层架构的驱动下精密咬合、协同运转时，便不再是冷冰冰的代码与模型，而是化身为对复杂物理世界有强大适应力的物理智能体。

6、六战全胜！法国队四大优势碾压对手，世界杯冠军已无悬念？

起初是怀疑，然后是试探，然后是某个临界点之后的全面爆发。

人们在晨光中起床，憧憬着对岸的新生活，计划着美好的未来。

7、津巴布韦首球即遭重创：0跑1出局，印度投手梅扬克闪电破局

降价好理解，可token效率凭什么也翻了倍？ 答案不在模型长了多少脑子。

这一循环设计并非简单重复实验，而是通过不断追问来质疑假设、分析失败、思考限制性能的关键因素。

8、LIV Golf被起诉，拖欠82万许可费，合作伙伴索赔超113万美元

它带来的改变是革命性的—— 同功率下，体积和重量减少1/3；扭矩密度达到20Nm/kg，较传统电机提升近4倍；功率密度达10kW/kg，提升近3倍；系统转换效率高达97.5%。

估值达到10亿美元以上的未上市初创企业，通常被业内认定为「独角兽」。

他是一位数学家、曼彻斯特大学研究员，也是erdosproblems.com网站的创建者和维护者。

9、PGA Tour官宣：前3M CEO Michael Roman加入政策委员会，立即生效

这次三连弹只是前菜，但压轴的那句官宣，才是真正的重头戏。

值得玩味的是时机。

10、1973年保时捷911T换装3.2升六缸心脏，Signal Yellow车身搭配5速手动亮相拍卖

机器人行业未来同样可能同时存在全栈公司和通用「大脑」平台。

我们是否应该陷入「AI 取代数学家」的陈旧恐慌？大可不必。

1、Chase Elliott八年最受欢迎奖或不保？NASCAR高管：这两新星将接管未来

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」。

2、赫尔城老板：被拒传闻让我不安，已签3将，日本中场签约进度99%

K3：全球开源最大最强AI K3是能力最强的Kimi模型: 参数高达2.8 万亿，百万级上下文，原生多模态 架构基于自研的Kimi Delta Attention和 Attention Residuals； 注意力残差以低于2%的额外成本实现~25%的训练效率提升； 实现最高6.3倍解码加速。

3、美职联前瞻：圣何塞地震迎战奥兰多城 格列兹曼随队到访

而基于以太网的KV Cache跨集群传输，需要解决带宽和延迟瓶颈两大难题。投入超37.5亿镑，沙特撤资后LIV团体赛恐泡汤，凯默尔：极不可能它能替老师干的，大致是三块。

4、飞镖世锦赛赛场突发意外 选手曼齐斯头晕昏厥退赛

GitHub仓库已经开放，技术报告中全部的复现数据与测试流程均可溯源。

5、火爆对决+逆转绝杀！阿根廷淘汰英格兰再进决赛，将与西班牙争夺冠军

不光少吐字，它完成一个多步任务需要的推理步骤和工具调用也更少，绕的弯路更短，等于又快又省。

6、880万美元总奖金！3M公开赛首轮今夜开打，舍夫勒同组松山英树

不过，相较于Fable 5百万输出定价50美元，V4在性价比上依旧是是最香的。

无论是材料建模、分子设计、自动化实验，还是更广泛的科学发现流程，AI 若想真正参与科研，就不能只会「解释知识」，还必须学会「执行动作」。

当这道墙被打穿，历史就不再是沉默的档案，它变成了一种感同身受。

7、海牛运气太差了，1场3主力后卫停赛，新外援只踢了11分钟，河南队捡便宜了

第二件是治理。

而机器人要进中国家庭，得先在中国房子里练。

8、俄罗斯运动员全面回归的障碍正在慢慢被清除

文献数据、实验数据的抽取和沉淀 这也造就了科研领域低效内卷的现状： AI 持续拟合公开的成功科研数据，却难以触达科研场景中占比超 90% 的试错数据； 前人验证过的无效方案、踩过的技术误区，后续研究仍会重复尝试； 已被证伪的科研路径，模型依旧会反复推演。

其中一位认为只是需要补充实验，因此给出较高分；另一位则将其视为影响论文质量的关键问题，直接给出低分。

第四步，接手：你随时可以让AI的对话框完全关掉，鼠标和键盘给你，像使用真正的Word一样，自己做最后的编辑。

此外，还有一处容易被数字掩盖的细节。