灵犀这个体验，确实不一样。

1、kaiyun.com 需求痛点集中在电镀后MGZ弹夹须搬至清洗机，现场潮湿涉化学品，人工搬运强度大且风险高。

DM0.5的「轨迹对齐层」（Trajectory Alignment Layer），干脆把监督从「固定时间点对齐」改成了「轨迹进展对齐」： 每个预测动作去真实轨迹里找一个最合适的锚点，且必须严格单调递增（不许时间倒流），整体用动态规划求一个最小匹配损失。kaiyun.com破案了！这个号称世界第一的网页Demo，背后根本不是什么自研模型，而是偷偷调用了DeepSeek模型家族的API来套壳输出。

2、《置身钉内》后续：24小时，阿里钉钉换帅，无招卸任

先看一个多数人没留意的默认设置。

3、业内首款超算+智算的大规模计算底座，在WAIC上我们找到了

DA-Nav架构图 突破指令与动作鸿沟 把「前方右转」落到眼前 对于人类来说，「前方右转」是一条足够清楚的指令。

4、2026年中国眼镜消费趋势白皮书：“全域美学”驱动眼镜行业价值革新

爱诗已经和芒果传媒、阿里巴巴、巨人集团、蓝色光标、三七互娱等产业巨头建立了合作，覆盖短剧、动画、综艺视觉、互动影游、品牌营销等全栈场景。

5、社评｜“AI+消费”重塑商业底层逻辑

明天它还是会夸你的点子有意思，还是会说你那段代码结构清晰。

灵犀要做的是端到端的「任务交付」。

从而让推理有了证据支撑，而不再停留在「凭语感接话」的层面，可解释性也随之提升。

6、德国基建猛涨，私人住房却深陷泥潭

而且，标题、展期、地点、开放时间，不仅干净利落，而且一个字都没写错。

3.5 Flash-Lite的输出速度达到每秒350个Token，是整个3.5系列里最快的。

7、最新

祝贺所有获奖选手！祝贺所有参加决赛的少年天才！ 美国副领队刘洋在现场拍摄的中国队和美国队的合影 中国选手本土作战，IMO首次在中学举行 据了解，本次国际奥赛IMO 2026是第67届赛事，2026年7月13日至21日在上海举行，本次IMO中国队的领队为华东师范大学的瞿振华老师。

AI数学撞墙了吗？ Bloom那条帖子底下的论战，也很精彩。

8、曼联真慢！埃德森27岁了还没官宣加盟，卡里克前三场热身赛无后腰

当人形机器人真正走进家庭和商业空间，用户关心的只有一件事：这台机器人能不能稳定地把活干完。

顺带一提，这一整轮它跑在Claude Code里。

声音很大，账算不平。

9、四川美术学院，2026届研究生毕业作品集（二）

说到底，过去两年我们盯的是「AI会说错什么」，而这四个案例指向的是同一个新问题：AI拿到权限后，会做错什么。

每队不超过5人，至少1人具备模型调试或机器人操作经验。

10、山东出租归化球员 从佛得角后裔德尔加多 再到前年租借到申花费南多

而是从某一天开始，它在真实世界里持续地、稳定地、无人喝彩地创造价值。

不过，谷歌仍在内部权衡，到底把多少东西锁进硅片——锁得越多，效率越高，但灵活性也越差。

1、杨瀚森首度回应争议！不训练？吃火锅？直言不在乎外界评价！

听上去简单，切片、上传、拼回去。

2、12吨巧克力有难，全网化身超级侦探添乱

但故事还没完，它引出一个更大的问题： 当这一代孩子长大，AI早已像空气一样无处不在，一个从小只被老师「用AI教」、自己却没真正上手用过AI的孩子，能真正做好准备吗？ 这个问题，Claude for Teachers还没打算回答。

3、绍兴又来一家盒马！即将开业！网友：太好了！两公里内有两家盒马~

速度已经给出了答案：很快。上海晚高峰惊魂31分钟：这条50年代老铁路，堵了北区人几十年…Kairos 3.1：三种智能，原生统一 Kairos 3.1，走的是第四条路。

4、一场3-0让布鲁诺-费尔南德斯封神，创造历史：英超单赛季21个助攻

两难就此浮现：粗数据便宜但难学，精数据好用难量产。

5、普京政府深刻反思，俄罗斯已用实际行动承认，中国人的路才是对的

比如，让它审计一个代码库的安全漏洞。

6、小鹏人形机器人已开启小批量试生产

Grok的毛病不止于此。

更重要的是，与那些只做GPU、只做NPU的端侧算力方案商联手，共同做开放的端侧与边缘AI算力方案。

另一方面，国产芯片替代的浪潮在2026年进入了一个新的加速期。

7、争议？英超3大豪门祝贺阿根廷进决赛！切尔西庆祝恩佐进球遭狂骂

KSTAR 佟博士提出KSTAR，不只是为了描述一个智能体任务流程，而是为了提供一种企业认知进化机制。

新模型一发布，Cursor第一时间接上；对手还在开会，它已经发版。

8、中国队交卷，盲测打爆Claude！科学多模态统一AI来了

听起来很美，但这事能落地吗？ 这事可远不是「把卡插上去就能跑」那么简单。

三个行业，三副面孔，痛点却指向同一个命题： 企业需要的不再是一堆能跑模型的硬件，而是一套能把算力稳定、安全、可度量地转化成有效Token的「生产系统」。

项目主页：https://inceptionwang.github.io/PolicyTrim/ 论文链接：https://arxiv.org/abs/2606.22540 代码链接：https://github.com/INCEPTIONwang/PolicyTrim 模型链接：https://huggingface.co/INCEPTIONwang/PolicyTrim 新方法实现了： 3×动作chunk利用率，更长horizon可靠执行； 51.4%物理步数减少，压缩冗余修正动作； 5.83×端到端最高加速，LIBERO Object/π0.5； 从「算得更快」到「做得更快」 PolicyTrim的核心目标不是替代计算侧加速，而是补上另一个被忽视的维度：减少完成任务所需的前向推理次数次数。

首先是计价刻度的转向。