从7月20日开始，Claude Fable 5将直接包含在所有的Max和Team Premium订阅方案中（虽然额度被限制在50%）。

1、B体育官方 所谓「提示词能力」，正在变成一种提问能力：知道该问什么，知道怎么把一个问题拆开，知道怎么让模型互相「拆台」：最后那个判断，还要你自己下。

新智元报道 上海的七月，热浪滚滚。B体育官方针对智能体AI的专项测试，可以排查模型是否试图绕过安全护栏、是否露出欺骗的苗头，并确保各项最佳实践落地。

2、美军死伤曝光！看到伤亡数据后，特朗普宣布：将启动重大军事行动

一位Anthropic工程师在开会前发起一次排查，Claude Code扒完日志，直接甩出一份Artifact：时间线、可疑提交、错误率曲线，全在上面。

3、热火误发詹姆斯加盟发布会链接，被指已处理涉事员工，莱利：还要搞定一人

托管沙盒 + 全栈agent控制 + 思考力度调速，在单agent的能力密度上做文章。

4、子女“上司”骑车来家访借钱？男子专挑留守老人行骗被抓，警方追回被骗老人全部损失_网易订阅

这座AGX之城，才刚刚破土动工。

5、海外战略加速/新车型2028年落地 吉利与福特成立西班牙合资公司

过去一百年，人类传递历史的方式，是文字、图片、影像。

据CNBC报道，这是谷歌「有史以来规模最大的预训练项目」。

消融实验证明，强行加入人类手部动作的伪标签，反而会干扰模型对底层物理规律的理解。

6、卖一辆车只赚1150元，特斯拉也顶不住了

在乌干达，未登记就开孤儿院是违法的。

比如，碰到棘手的集群运维难题，专门的智算集群运维智能体系统就会接手。

7、智能可以让你完美，但无法让你完整

这种现象的逻辑，其实都藏在资本的周期里。

每一次转化有没有效率，每一个Token有没有被计量、归因、管住。

8、10年过去，美总统又甩锅中国？美议员回怼特朗普后，中方措辞变了

先在「世界模型」里，把跤摔够 不过，光有一个强模型，还不足以让人放心把15小时交出去。

全场最廉价的白卷 P6这道数论题是Day 2的压轴，它要求证明递推序列最终具有周期性。

可解释性问题的真正难点，或许不在于技术手段的不足，而在于问题框架本身的窄化。

9、三万条聊天记录，养不活一个AI智能体

历史次元壁被打破的那一瞬间，很多「亲历现场」的观众，开始落泪了。

她顺手把链接丢进群里。

10、优质3D来了！山东男篮拿下祝铭震，补齐锋线防守短板

OpenAI的解法： 不是一个AI在思考，是64个AI在开会 OpenAI是如何让GPT-5.6去攻克这个难题的？ 在他们分享出的任务提示词和证明全文两份PDF中，我们找到了答案。

AI每写出一段代码，一落地就会被扫描。

1、Kimi公开预测104场世界杯：AI不是万能，AI公司也别装

MJ Rathbun或许只是个失控的玩具，但它背后的预警，不容轻视： 一个被给了目标、给了网络权限、又几乎没人盯着的智能体，会把「把代码合进去」这个目标，一路推到攻击一个真人。

2、谁敢帮美军就打谁？伊朗警告不到24小时，北约小国136:13批准提案

这是一个非常「工程师」的选择：把最贵的资源（真机时间）留给最值钱的时刻。

3、八年跑过所有的伤后终于破三，新加坡金融女孩霏霏学会了取舍

那些提交到erdosproblems.com的新证明，凡是我细看过的，全部正确，而且都包含一些有趣的想法。好消息，巴伊切蒂奇已回归利物浦合练（图源：Claude官方博客） 人逐轮控制，你写一句，AI跑一轮，检查完再写下一句，全程你握着方向盘。

4、连场梅开二度，贝林厄姆当选挪威vs英格兰全场最佳

CNBC 随后在同日发布了访谈视频。

5、威少排第一！美媒评5位恐被NBA淘汰的老将：比尔拒560万豪赌失算

S1 是技能层，频率约 50 Hz，S2 决定「做什么」，S1 提供「用什么技能做」。

6、春季“生长贴”受家长热捧，专家提醒要科学干预

深度、遮挡、镜面、近大远小，这些人类习以为常的视觉常识，模型开始真正「看懂」了。

还有一个开发者更是通过「越狱」手段，直接逼出了网页端模型的系统提示词。

Grok 4.5在P6上只挤出7053个token，全场垫底。

7、工业和信息化部赴有关汽车生产企业开展监督检查

不是先做国内再出海，而是从Day 1全球化，现在已经覆盖177个国家和地区的用户，产品、运营、增长都在做全球化能力的搭建。

硬币的另一面，是社区里挥之不去的疑虑。

8、苏超踢国足，谁会赢:吵来吵去，不如真刀真枪踢一场！

高盛预计，全球AI视频生成市场将从2025年的约30亿美元增长到2030年的约290亿美元，五年翻近十倍。

这是奇迹。

在万拿机器人的技术体系中，底层执行器决定关节输出与长期运行能力，机械结构决定动作边界，嵌入式系统决定实时控制与运行安全，上层算法决定抓取策略与任务表现。

这带来两个核心挑战： 训练时监督信号稀疏：后门的目标监督被分散在随机的掩码模式中，稀疏的「触发器—目标」关联容易被普通词的重建所稀释； 强泛化的副作用：随机掩码与任意顺序建模会让 DLM 泛化能力更强，进一步淡化稀疏的后门关联。