虽然前有1982年获奖的丘成桐，后有2006年获奖的陶哲轩，但王虹和邓煜，是中国籍数学家第一次拿下数学领域至高大奖，并且一炮双响。

1、星空体育 很多人最先注意到的，可能是美图产品挑战赛（Meitu Hatch Catch）开放的1亿元孵化资金，以及单个项目最高500万元的投资机会。

第一个场景：人形机器人对海量物体进行分类。星空体育业内推算，这个规模相当于美国全国电力的四分之一。

2、为了孩子有更好教育，欧弟宣布全家移居日本，网友改口叫他欧桑

2026年，手持云台相机赛道的故事，才刚刚开始。

3、美国一参与副总统万斯安保工作的特工被停职接受调查，后续可能面临刑事调查

”措辞之直白，是阿里近几年内部沟通中少见的。

4、传射建功！曼联铁卫危难关头拯救阿根廷队 只要不受伤就是世界级

Capy算了一下：前面那个指标是7，后面那个指标的绝对值是4。

5、健康日历

知识调用也被嵌入任务流程，Agent会在规划、生成和审查等不同阶段，主动调用对应范围的团队知识，减少无关信息对任务的干扰。

模型的应用场景还在持续变多，具身智能、世界模型和科学计算这些新方向，对算力提出的要求彼此并不一样。

这种一号位亲自下场的积极姿态，只是展会竞争群像的一面。

6、“药王”礼来，差一点错过GLP-1时代

沐曦提到，过去两年，这一层每年的性能提升都在100%以上。

公开JD里也写得很清楚，它是飞行器上少数几个安全攸关系统之一，涉及设计、认证和每次发射的许可交付物。

7、显瘦的夏日通勤搭配，复古又时髦！

也就是让无人机不只会飞行和拍摄，还能接触环境、搬运和操作物体，完成巡检维护、装配施工等实体任务。

产品预计将于2026年9月开始发货。

8、铸典——六十载薪火，二十年磨砺，《现代汉语大词典》出版

如果说Palantir历经20多年终于迎来大模型技术从而站上巅峰，那么诞生于大语言模型风口下的中数睿智，靠着“自动本体论”这套技术架构，比Palantir更快地获得了商业结果。

他不仅没有提交假期申请，还停止了已经安排好的治疗。

行业调研显示，完整适配周期约需3-6个月，其中约60%的工作量集中在性能调优阶段。

9、明年起，企业年金个人账户转移接续可以线上办理！

新产品的爬坡速度和毛利率修复进度，将决定理想能否平稳度过这个切换期。

Mind Lab反着来。

10、法国强大到没弱点也没对手，外媒：进攻组合50年来最强比肩巴西3R

LongCat-Next提出最初的想法时，有不少内部质疑的声音认为这一技术路线会造成「视觉上对微小感知任务的明显损失」。

决心自研大模型的这一年，LongCat大模型团队还有一个战略选择：提前布局国产算力集群。

1、拿中国当冤大头？美对伊开战划掉1000亿，特朗普：钱找北京要

从底层范式推演到终端落地，这也解释了为何下一代Agent原生系统的率先突破，会诞生于大模型厂商之手。

2、机会来了！魔笛赛季报销，米兰或扶正亚沙里，里奇亦是备选

具体来说，RLinf v0.3围绕模型、算法、真机、仿真、系统五个维度，进行了全面升级，系统性地降低具身智能开发门槛，提升训练效率与部署灵活性，覆盖更加丰富的具身智能开源生态。

3、三伏天，这些看似养生的行为其实可能伤身！做好这几件事，身体会感谢你→

老百姓愿意存钱，是因为国有银行有政府信用背书。你以为自己只是“想太多”？大脑反复回放旧对话，原来是为了保护你_网易订阅《中国企业家》：所以也都急于找到一位“好老师”，都想学习胖东来。

4、曼城体系球员的阵痛，迷失在世界杯的B席，适配穆里尼奥的足球吗

这是LaMPA最核心的逻辑，也是日冕认为物理世界里应该有的智能。

5、大反差：“屎尿诗人”塌台，“外卖诗人”胜出！

本届WAIC期间，启鸣达人在技术竞技、行业共建、成果输出多维度实现纵深突破，全面开启教育智能化升级新征程。

6、伊朗新任最高领袖为何迟迟不露面？伊朗外长的回复里，满是绝望

但平均利用效率仍有巨大提升空间。

这段经历的意义并不只是行业履历，而是解释了这家公司为什么会从CPU架构、异构计算和真实应用需求的交叉位置，重新定义Agent工作负载。

子agent的可观测性也迈了一大步。

7、夏季行动丨交管部门严打交通违法犯罪，敲响出行安全警钟

第四层是高性能库，SAIL技术栈里最厚的一块。

Context System作为企业知识的持久化存储层，将品牌DNA、历史洞察、产品库、素材库等结构化为智能体可检索的上下文，解决多轮任务中的上下文漂移问题。

8、领克07GT预售，带拖挂的插混旅行，16.58万起贵吗？

它以书生科学大模型为智能中枢，以多智能体系统为执行引擎，系统性整合算力、数据、模型、智能体、实验平台，覆盖从“假设提出”到“实验验证”的完整科研流程。

而现在，一个更大的挑战——钉钉的帅印，正式交到了陈宇森手上。

到那时，评判标准会变得非常直观：机器人到底完成了哪些事情？扩展新任务的速度有多快？成本有多低？这非常类似自动驾驶早期的发展轨迹——各家公司先圈定几条演示路线，随后开始比拼「开城速度」，最终进入存量竞争和大规模量产阶段。

恰恰是在硬件布局已经相当完整、产品力已经充分验证的这个节点，平头哥走出了关键破局的一步棋，开源AI软件栈。