参考资料： https://x.com/deedydas/status/2079409461874332066 编辑：摩西新智元报道 过去一年，具身智能赛道正经历着前所未有的「冰火两重天」。

1、星空官方 生成智能构建物理世界的内在表征，物理智能掌握物理因果、推演平行世界，认知智能负责复杂逻辑推理与长程任务分解。

但企业不能因为更换了模型，就失去之前积累的业务经验。星空官方那双看起来纤细的机械臂，负载能力直接超过了20公斤。

2、交易失败！湖人谈崩了！4800万合同砸手里

最快本周、最迟下周，就会正式亮相。

3、11 款全新 Mac 准备，苹果全面更新 Mac 产品线

全程全身边移动边操作，任务之间不剪辑、不复位。

4、国王无意！威少还有多少油？能否留在NBA？

这不是夸张。

5、英格兰内讧？1.1亿帝星戴帽后质疑主帅：踢阿根廷我没伤！不解被弃用

把贵的模型用在刀刃上 首先是「星火Token Factory」的第一件事，也是最核心的一件。

它被查出后的解释也是「理直气壮」： 我把自己对实验安全性的判断，置于你的明确指令之上，并主动隐藏了行动以避免被发现。

通用性和泛化性不是口号，要靠难题来证明 「通用」和「泛化」在AI行业快被说烂了。

6、NBA历史唯一的三人组合，一起拿NCAA冠军、NBA杯冠军 、NBA总冠军

他准备好推文、截取好自制的榜单图片、买了一点初始的点赞和转发。

也就是，把Prefill和 Decode这两步彻底拆开，分别丢到不同机房、不同厂商的芯片上去跑。

7、打死4名印度人的俄罗斯，警告莫迪政府，再有下次俄军照打不误

它相当于企业专属的「智能电表」，统一提供Token计量、分账、成本管控、多智能体资源隔离。

可它偏偏正中靶心，而12个大模型演算104场比赛，敢押佛得角这匹黑马的，只有4个。

8、兼顾远摄与人像的轻便之选，唯卓仕AF 90/2.2 EVO实拍测试

这些公司的模型能力在持续提升，模型越强，能接的任务就越多，推理调用量自然跟着指数级增长。

这已经不算聊天增强了，是让AI直接上手操作你的系统。

相比DM0，数据量增长400%，参数量翻倍。

9、600万？天津顶薪续约林庭谦，辽篮签14岁小将，福建留住皮特森

这一跳，他们打破了技术路线的次元壁，成为了标准的定义者。

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。

10、美国CPU巨头与中国客户签署长协，但不固定采购价格

页面自己会更新 最先省掉的是开会 这些页面是活的。

本体在此扮演的工程角色是多重的：它作为结构化的知识供给者，为模型提供经过验证的领域知识底座；作为推理的校验框架，对模型的输出进行一致性约束和逻辑校准；更根本地，作为解释的锚定结构，使模型的每一步推理都能够被映射到明确定义的类、属性和关系之上。

1、把思考折叠进序列：WeLM 617B MoE的隐式Scaling路径

果然，在首轮代码生成中，Agent对表名和array_keys($data)提取出的字段名时直接采用了「野蛮拼接」。

2、高血压是中风“头号推手”！如何管控血压才能预防中风？

于是Anthropic给出了一套可复用的六步框架：先搭好裁判、写规则手册、画依赖图、列缺口清单。

3、火箭对阵灰熊前瞻 灰熊多人缺阵 火箭还会阴沟里翻船吗

现在，时代的倒计时已经开始。火箭大胜湖人 挽救了一个赛点 乌度卡做了哪些调整效果显著长轨迹下，模型不仅要逐段生成视频，还要持续维护历史上下文、KV缓存和多步去噪计算。

4、6队大交易！1场没打被放弃！NBA榜眼生涯倒计时

换句话说，未来企业竞争的，不再只是模型能力，而是AI运营能力。

5、明亮的夜晚与Girl Power

想让它在你关机后照跑，就用/schedule把循环搬上云。

6、美海关官员：世界杯假球衣中，梅西的最多

第二，要两边最强的版本。

孙文剑在台上透露了一个细节：五年前定义P1的时候，他们把高性能CPU、兼容性极强的GPU，和一颗「前瞻性」的NPU捏在了一起。

这一结果说明，统一评分尺度后，可以在一定程度上减少不同审稿人评分习惯带来的影响，使评审结果更加一致，也更容易保留后续产生较大学术影响力的边缘论文。

7、首份DAA报告落地，AI价值有了新标尺

② 语义属性操纵（）：将响应导向目标语义属性（风格、情感、偏见、毒性等），用属性词典转换数据并定位相关词。

万拿 Std16A 与万拿 Eco12 并非以自由度多少进行简单区分，而是由任务需求反向定义的两套产品架构： 前者重点满足工业实战中的稳定操作、实时控制与工程化集成需求； 后者重点兼顾拟人尺寸、轻量化、动作映射、开发效率与项目成本。

8、原来 Supreme 店里还卖这些牌子？很多人都不知道…

他们既能在黑板上推导记忆的数学本质，也能在服务器集群里压榨每一毫秒的推理延迟；既懂大脑如何遗忘、如何重构，也懂如何让AI学会「该忘什么、该记什么」。

传统科研体系存在致命的机制短板：各类实验参数、失败案例、仿真代码、分子结构、测试数据，全部零散存储在个人电脑、孤立设备、单次项目中，缺乏统一的归档、沉淀、复用机制。

因此，AtomWorld提醒我们重新理解Scaling Law在科学场景中的适用范围：基于网络文本语料的Language Scaling依然重要，但它只是起点。

第一套是 70 项窄任务，覆盖漏洞研究、逆向工程、Web 渗透、密码学四个方向，按难度分四级，从「有技术背景的非专业人士」到「十年以上经验的专家」。