几乎同时，另一组截图也开始传：Codex客户端里用户实际能用的上下文，从约372k退回了272k。

1、熊猫体育 这一类，后面单独说。

一方面，谷歌有着全球最顶尖的工程师文化，这也滋生了一种「纯血统」情结。熊猫体育超长上下文：200万token。

2、宁德时代宣布联手章鱼能源 将在英国建设重卡换电网络

OpenAI研究员Noam Brown所感叹：「这与之前解决Erdős单位距离问题不同，这次创造奇迹的模型，是今天对所有人公开可用的！」 网友惊呼：证明令人叹为观止，AI改变数学！ 幽灵般盘旋了50年的数学魔咒 循环双覆盖猜想，是图论里的「皇冠级」难题之一，由Tutte、Itai与Rodeh、Szekeres、Seymour等多位数学家在上世纪各自独立提出。

3、Hollister 的「虚构童话」，终究还是靠不住

然而，五角大楼给的最后期限就在眼前。

4、越夜越精彩，都市夜潮力持续加载中......

与漕河泾开发区共建「具身智能产业创新平台」；与中国石油、快客达、商汤善惠、新奥集团新智认知签约，布局无人仓店、前置仓和智能巡检。

5、燃烧的语言

就在上周，彭博爆出Gemini 3.5 Pro因编程能力等多项指标不达标而三度延期。

大脑系统 + 软硬一体 + 开放底座 逐际动力与其他机器人公司之间最大的壁垒，除了大脑系统，还在于与硬件联合优化。

你看不到模型权重有没有换，也看不到服务端给你分了多少算力。

6、京东买药 × Keep 80里挑战赛来啦！跑过戈壁，才懂极限守护！

仅仅90分钟。

它不仅全面碾压了开源的OpenTrackVLA，甚至在STT和AT任务上，领先了闭源的、动用了四路视觉且经过RL训练的TrackVLA++ four-view惊人的7.11和16.55个百分点！ 一个0.5B的轻量级单视角模型，凭什么能超越前辈大模型？ 秘诀在于面壁智能构建的「自进化数据管线（DAgger）策略」。

7、国内主要手机厂商产品线一览：高端中端入门秒懂了

去重、按时间排好、标注来源，最后递到模型面前的是一张能直接数数、比大小、看先后的事实表。

KAIBot身上那115个自由度，就是算法需求倒推出来的极限指标。

8、1换5交易达成！总决赛MVP啊，就这么卖掉了？

这条路，Coding已经提前替所有人趟明白了—— 从嵌进IDE的Copilot，到动嘴写需求的Vibe Coding，再到今天自己规划、执行、验证的Agentic Coding。

聪明会贬值，经验会复利。

ABot-M0.5全自主进行移动操作 这既解决了单一动作空间中移动与操作相互干扰的问题，还保证了模型能捕捉一些微观且高频的物理交互，从而保证任务的执行质量。

9、备战世界杯！女篮两大后卫王思雨李缘正式归队 7月初两战澳大利亚

2.8万亿参数，100万token超长上下文，原生支持视觉与多模态理解，都还只是开胃菜。

P4、P5 级别的重复性任务，智能体已经接管。

10、梅西投了李飞飞，球星集体跨界做VC

当然，这里有个前置条件：授权。

接下来，让U1 Pro和GPT Image 2进行一场「硬碰硬」的实战。

1、【观察】40岁莫德里奇续约，他和米兰分别得到什么？

数仓层面广告数据实时回流，模型层面每天更新。

2、广东功勋教练加入北京首钢，江苏队截胡王少杰，朱芳雨暂无补强动作

有一个智能体在替他给Claude写提示词，他只跟那个「协调一切」的新Claude对话。

3、一大早，骑士东决G1前传来3个好消息！

所以，循环是一整套「怎么把AI管住」的设计，而不是「撒手让AI乱跑」。这4款网红美食的热量，高到让你万万想不到！脑洞很上头，制作表却很劝退。

4、足球少年竞技延庆！国家级赛事圆满收官——

正如Windows之于PC。

5、OPPO K15体验：夏天户外用机不烫手，中端耐用旗舰体验更上头！

他曾是华为22级产业专家，亲眼见证并主导了智驾从零到100万辆的全过程，纯正的系统和Infra出身。

6、从2019年到现在，八年时间，中国F4交手无一全胜

以高性能同轴式系列为例，产品最轻约 31 g，堵转推拉力可达 250 N，重复定位精度为 ±0.02 mm，额定负载速度不低于 20 mm/s；带力传感版本支持 ±200 N 力控范围和 1 N 力控精度。

训练时，它不只学输入输出之间的统计相关，还把科学规律、实验事实、专家经验一起融进数据构建、样本校验和训练过程。

能在全球不同市场做到标准化交付和规模化部署，本身就是技术成熟度和产品化水平的证明。

7、17投2中，命中率11.8%！年薪破亿的后场组合？历史上未有成功先例

换成一个「听话」的AI，它有两个正当选项：要么拒绝执行，要么把顾虑上报。

AI没有骗任何人。

8、1球1助攻！8球1助攻！阿根廷全队遭质疑，但39岁梅西却可昂首晋级

第一，聚焦智能体专用CPU。

当全球大模型还在拼参数、拼数据时，他们让AI像人一样记忆，像人一样思考。

吵了两周，这场争论真正吵出来的，不是「AI能不能做数学」，是「难」这个字要怎么定义。

因为在物理世界中，具身智能的Scaling Law同样需要高效率、大规模的基础设施支持。