同一批真实科研任务，磐石与GPT-5.5、Gemini 3.1 Pro、Claude Science等全球顶流同台作答，全程交给第三方模型盲评打分。

1、kk体育 第一种，回合制循环（turn-based）。

GPQA最开始只有39.4%，调整答案格式和评测设置后，直接飙到95.96% AIME因为答案都是数字，且题目已被大量公开，最终跑到了100% 最夸张的是HLE——他直接把测试答案拿去训练，最终得到99.44% 第二步，就是制造一家「真实存在」的实验室。kk体育Andreessen说，这些朋友里有相当有名的人，现在见面「气色很差，黑眼圈很重，明显没在照顾自己」，但一个比一个兴奋。

2、世界杯营销进入资产配置时代，EMW如何为品牌找到最优解

他们把各自的模型、数据和训练体系摆上桌面。

3、媒体人：中国男篮调整热身赛时间是为了方便留洋球员归来参赛

海卫一必须逆行，倾角157.3°。

4、记者曝詹姆斯已准备好官宣去向，因不满总裁施压才推迟公布

最让硅谷巨头破防的，是接下来的两个致命一击。

5、华国锋让林乎加当北京市委书记，他却抱怨：我到天津屁股还没坐稳

这些都是必要条件，但远远不够。

AI 上班的门槛在于一整套「岗位说明书」，Skill Market 就是钛动给行业写的那一套。

数据瓶颈：高质量的人类文本数据几乎被「榨干」，合成数据的效果尚待验证。

6、陈广川被亲儿子坑惨了！自曝阴阳合同引篮协追查，赵柏清恐难赴日

每个会话底下又是一堆智能体，白天几百个在跑，一到晚上，几千个开始干更深的活。

科研日常充斥着高度具象化的实操指令：构建特定材料的 (001) 表面，模拟「真实世界」的边界；替换晶格特定位点原子给材料掺杂或改性；在指定间隙位置嵌入新原子，设计「储能」和「输运」通道等。

7、这个神秘品牌被香奈儿翻牌后直接卖爆了！

对此，官方干脆开了张「该删」清单：重复的规则、不改变结果的风格和流程叮嘱、无用的例子、模型本来就会的步骤、跟本次任务无关的工具及其描述——统统砍掉。

（图源：Chirikov／CSHE） 为什么？这是「外包」，不是「学习」。

8、一代传奇，被困在“烂王之王”刷数据？这或许是他最好的结局

没有店员，也没有夜班分拣工。

它让单一模型具备了处理多类科学任务的能力，并能输出符合专业规范、高度可验证的成果。

它底下那套「理解生成行动」的统一架构，本就是个通用底座，视觉创作只是这回「专注做到极致」的第一站。

9、美国运通第二季度每股收益4.53美元 高于市场预期

新智元报道 【新智元导读】Grok Build被爆偷代码实锤，48小时后，马斯克亲自按下删除键：历史用户数据全部清零，一个字节不留。

莫宗坚评价张益唐「不适合代数几何」，认为他的博士生涯「浪费了自己七年光阴，也浪费了我的时间」。

10、古德温抢断绝杀！上海男篮逆转广厦再下一城，布朗狂飙50分成徒劳

https://www.makeuseof.com/claude-cowork-automated-away-job/ 这个故事发生在「Record a Skill」上线之前，用的还是手写 Skill 的方式。

供应商可以改变。

1、马宁发视频告别世界杯，谈“卡牌大师”称号并感谢球迷

他还在X演示自己的循环：让Codex每5分钟醒一次，自动维护代码仓库、分派任务，部分工作全自主落地。

2、CBA最新消息！辽宁男篮主帅确定，崔永熙或离开广东宏远

生产力工具没有换来更多休息。

3、三夫坚持不熔断引争议：崇礼 168 选手大雨中“玩泥巴”，当地曾发暴雨蓝色预警

顺着这条线推下去，答案几乎只剩一个。总决赛首个4强出炉！女排夺冠热门3-0横扫，日本女排将出战GitHub仓库已经开放，技术报告中全部的复现数据与测试流程均可溯源。

4、保罗离队真相曝光，这操作不是第一次了！下一战去雷霆还是火箭？

一个叫Chloe的创作者，真的做到了。

5、【提醒】7月28日起，S75侯平高速这段路分阶段封闭施工，注意绕行

解决一个50年历史的难题，原本可能需要一整天的时间，现在被压缩到了区区一个小时。

6、谁会花400万，去看一场尼克斯的比赛？

之前，他在做自动驾驶时也碰过一模一样的事。

」 这个试水型游戏PV的火爆只是一个开始。

这样设计的好处在于，机器人真的可以像人一样，且比人更快，持续不断学习新的技能。

7、汽车早报｜福特汽车与吉利汽车成立西班牙合资公司 忻天舒将担任Stellantis集团中国和亚太地区负责人

真正理想的游戏，是让玩家能进去操控，可以影响结局。

第一步：只保留真正有用的历史 交互式视频世界模型的上下文主要包括两类：近期时间上下文，用来维持短期运动连续；检索得到的空间记忆，用来在相机回访旧区域时保持几何和外观一致。

8、字节启动Seed STEM科学家计划，押注AI4S

纳德拉强调，真正有价值的AI能力，并不是简单调用一个外部模型。

首先是计价刻度的转向。

规格摆在那儿：100万Token上下文、超高算力档、逐条安全控制，几乎和最强旗舰Fable 5的架构一模一样。

一次构建 每个人打开都不一样 今年6月，Anthropic推出了Artifacts。