小浣熊带动超两千万用户运转，周活三百万，八千家企业客户接入，并已裂变出教育、政数、金融等行业版本。

1、星空官方 而问题的根子，恰好在评价体系。

第一步，就是背答案。星空官方报告的四个案例，正好预演了这两类情形。

2、官方：山西崇德荣海后卫戚博租借加盟南通海门珂缔缘

只需要在电脑上重复一遍你的完整工作流，口述补充必要的隐含操作逻辑，同时避免无关操作（比如等结果时看个小视频摸摸鱼），点击结束录制即会自动回到 Claude Cowork 界面中进行分析与 Skill 提炼工作。

3、激动人心的一分！打12个回合，用时1分钟，赵勇挥拳庆祝+外网录播

恶意插件在所有未加固的平台上都是100%得手，且不挑模型，因为它绕开了模型本身。

4、国羽队员晒队友恐怖伤口感染:不矫情不卖惨拿冠军

然后是提权到节点级、收割云和集群凭证、横向移动进多个内部集群。

5、AI预测命中率65.7%！联想与咪咕发布《世界杯预测人机大战百场观察》

跑出来的结果 图3 15种「平台×模型」组合在24个子类上的攻击成功率。

过去，AI也能生成仪表盘，但那份数据几乎都来自你当时的会话，一分享出去，页面很快凝固成一张静态截图，别人打开只能看，动不了。

你一直以为，这就是Claude天生的好脾气。

6、有惊无险！女排25-22美洲鱼腩 龚翔宇和唐欣低迷，庄宇珊扛住

从纯Transformer到MoE混合专家，从纯文本到多模态原生，从密集推理到稀疏激活——模型架构的迭代速度，堪比手机行业最疯狂的年代。

什么是办公全闭环？就是一个文档从生成到交付的全过程，你始终在同一个产品、同一块屏幕上完成。

7、悉数落败，乌马格公开赛上，无一种子选手晋级四强

原力灵机自己做过一个很朴素的验证实验，叫「拿起杯子擦桌子」：机器人得先把杯子拿开，擦干净底下那块桌面，最后把杯子放回原来的位置。

你只知道花了多少，却不知道值不值 开头那张让大厂高管夜不能寐的账单里，其实藏着两个问题：钱花在哪了，和这钱花得值不值。

8、篮网追字母哥成交易黑马

关键不在于路线本身，而在于公司是否拥有与路线相匹配的资源和能力。

从此，视觉AI从只会执行指令的「工具」，变成了看得懂物理世界的「世界理解模型」。

Anthropic在这份报告所做的，是趁智能体还没被交出更多权力，先把这些藏在暗处的失败模式挖出来，变成可以测量、可以防范的靶子。

9、iCAR V27迎来首次大版本OTA升级 提供超140项优化

这对于AI可解释性的深层启示在于：当我们解释一个语言模型的输出时，真正「可解释」的不是内部神经元的物理激活，而是信息被范畴化、被结构化为可理解知识的过程。

它也确实更强了。

10、更好的基础款！松下新挂机头40/2上手测试

但那个方案被搁置了——一旦权重烧死，芯片就只能服务某个特定版本的Gemini，模型一更新，芯片就报废，生命周期短得离谱。

不用它们，你是在花2倍的价钱买一个聊天机器人；用上它们，你买到的是一个自主干活的员工。

1、全部梅开二度！梅西终于成为世界第一，姆巴佩紧随其后！

全球化不是卖货 是一种综合能力 「全球化」不只是把产品卖到海外。

2、酒店的免费早餐，到底是谁在买单

特纳以为，整个AI学术界终于要站在一起，给谷歌和五角大楼施加舆论压力了。

3、争议晋级！阿根廷占尽优势，埃及进球被吹，主裁被4万人骂到关号

关键在于：这一机制不绑定任何特定的目标文本，而是通过「标注哪些位置与目标相关」来实现注入，因而对各种生成式、与输入相关的目标都同样适用。AI算力竞争进入系统时代！中兴OEX超节点发布，重新定义AI工厂底座换句话说，它已经不是一个App，而更接近一台后台常驻着一批服务的电脑。

4、中国羽毛球公开赛战报，0-2,0-2，中国选手连输两场，小将表现差

他讲了自己的例子。

5、舒马赫纪录片推迟上映 制作方:料太多要花更多时间

就在这个月，METR和OpenAI自己的system card都对GPT-5.6 Sol标出了异常的密谋（「scheming」）行为——在一项软件工程测试里，它钻空子的比例是METR有记录以来最高的一次。

6、WAIC2026，中国联通成功举办AI赋能新型工业化发展论坛

此外，得益于过去的基础模型训练经验与技术积累，面壁还有独特的优势： 追求通用智能，而非专用skill； 多模态技术积累深厚，技术底气足。

发现问题后，编程智能体会直接完成修复，下一轮扫描闭环复验，不留安全债务。

你写的每一行 from_pretrained，你跑的每一个数据集，大概率都是从这儿拉下来的。

7、备战美网开启冲刺，兹维列夫重回纳达尔网球学院集训

」 这条视频，128万播放。

李述昊自己在想的已经是 4.0：硅基 Native 的思维方式，主客体互换。

8、43岁知名导演突然离世，体检无明显异常！医生：4个胃部求救信号，千万别硬扛

场景方面，企业主要聚焦于生命科学实验室的智能试剂分拣环节。

参考资料： 编辑：新智元报道 商业地图可以告诉机器人「前方右转」，却无法直接告诉它眼前应该从哪里转、沿哪一侧通过；即使已经生成路线，控制误差、地面变化和动态障碍，也可能让机器人在行进过程中逐渐偏离。

这个终极武器，就是上文提到的轮毂电机。

K2系列已采用Modified MIT许可开源权重，K3预计延续这一路径。