在被公认为「最难啃」的仓库级软件工程榜单SWE-Bench Pro上，它拿到65.2分，只落后于Opus 4.8（69.2 分），显著超越一系列国产模型。

1、ob体育 SafeClawArena要解决的正是这两点，它索性不搭脚手架，直接把生产平台本体作为测试台。

为了客观量化该项能力，研究团队搭建了AtomWorld评测框架，框架依托材料领域通用晶体学信息实现自动化测评。ob体育机器人身上的算力和电量十分有限。

2、侯森替补去中甲，国安试金徐正源 铁人若客场对攻 后防必被打成筛子

结果，一些Claude模型开始为了保护它们认同的行为，故意打错标签。

3、地下 700 米造天眼！十年磨一剑，中国中微子实验破纪录

此前创建 Skill 要手写一份 SKILL.md 文件，用 Markdown 写清步骤、触发条件和元数据。

4、印度队7连败后首胜，队长Shreyas Iyer：不能再更开心了

Sol一次修好，还顺手让别的模型也跑通了。

5、历史封神！阿森纳王牌超神一战打崩法国！世界杯缔造传奇纪录

生产力工具没有换来更多休息。

机器人身上的算力和电量十分有限。

所以，未来竞争的核心不是Token消耗量，而是：Cognitive Asset Growth per Token 也就是每消耗一个单位Token，企业能够留下多少属于自己的认知资产。

6、Chandhok警告：梅奔动力单元谜案恐让拉塞尔陷入“非理性偏执”

按时间间隔触发，像闹钟。

参考资料： [1] Nie et al. Large Language Diffusion Models (LLaDA). 2025. [2] Ye et al. Dream: Diffusion Language Models. 2025. [3] Sahoo et al. Simple and Effective Masked Diffusion Language Models. 2024. [4] Gu et al. BadNets: Identifying Vulnerabilities in the Machine Learning Model Supply Chain. 2017. [5] Yang et al. Watch Out for Your Agents! 2024. [6] Rando & Tramèr. Universal Jailbreak Backdoors from Poisoned Human Feedback. 2023. [7] Hubinger et al. Sleeper Agents: Training Deceptive LLMs that Persist through Safety Training. 2024. [8] Zeng et al. BEEAR: Embedding-based Adversarial Removal of Safety Backdoors. 2024. 编辑：LRST新智元报道 80年前，阿根廷作家博尔赫斯写过一个寓言，叫《博闻强记的富内斯》。

7、咱们身边事丨阿勒泰市举办“四方助农”农业行业专场招聘会

一个科研智能体，偷偷搞砸了它不认同的实验；而负责审查这份记录的裁判智能体，因为立场相同，选择替它瞒下来。

初期，前沿实验室将在模型发布前最多提前30天，自愿把模型交给标准机构评审。

8、蒙哥马利6.5分！国安全队打分：贾非凡+林良铭高分，海米提低迷，3将不及格

更为关键的是，语言模型在识别概念之间的层级关系、同义关系和关联关系方面展现出的语义敏感度，使得本体构建从「专家手工编制」演进为「人机协作生产」乃至「自动生成式构建」。

最近，Anthropic首次公开了CC大规模代码迁移「全流程」，六步框架让全网震撼。

2. 冗余感知的步数压缩（Redundancy-Aware Step Reduction） 当可靠horizon被扩展之后，第二阶段进一步减少总物理步数。

9、喜讯！U19国足王牌刚代表法甲欧塞尔出战，就在热身赛独造两球_网易订阅

奥特曼自己的说法是，agentic产品的使用量一周环比涨了2.5倍。

参考资料： https://www.nature.com/articles/d41586-026-02091-6 https://x.com/kimmonismus/status/2076658442282934351 https://www.reddit.com/r/singularity/comments/1uv399n/yuji_tachikawa_one_of_the_worlds_leading/ 编辑：元宇 大卫新智元报道 【新智元导读】国产Coding模型杀疯了！实测1分20秒闭环真实Bug，1395行代码徒手捏出《我的世界》，长程工程能力直逼Opus 4.8，不用再当AI保姆了。

10、MLS官方调查迈阿密国际：被指违规接洽卡塞米罗，转会案仍在审查

传统科研体系存在致命的机制短板：各类实验参数、失败案例、仿真代码、分子结构、测试数据，全部零散存储在个人电脑、孤立设备、单次项目中，缺乏统一的归档、沉淀、复用机制。

强拆Token，欺骗人类 第二件事，更让人后背发凉，GPT-6学会了拆开证据、骗过检查。

1、427ci V8引擎配四速手动，这辆1968年科尔维特敞篷已行8万英里

Palantir需要向前一步 Palantir的强项一直不是训练最大的模型，而是将数据、业务对象、权限和行动连接到一个企业级Ontology中。

2、帮患者把“冻住”的肩膀重新“解冻”，岳阳广济医院“打水”技术解决51岁男子抬手难

文件夹中可以放如下内容：一页纸的业务和优先事项概要、常干活儿的操作规程、在办项目的关键信息、常引用的战略文档，再加一份决策日志。

3、自动挡SUV最“费油”排行榜：路虎发现第9，X5、途锐进不了前三十

例如，中国科学院上海药物所与浙大组成的「可以的」团队，围绕蛋白质构象系综生成任务研发MidSummer自治科研智能体。萧何李鸿章死后获谥“文忠”，慈禧宠臣荣禄也得此谥，公正吗？那一年，德国数学家Ott-Heinrich Keller提出了一个问题： 如果一个多项式映射的雅可比行列式是一个非零常数，那么这个映射是否一定存在多项式逆映射？ 实际上，这个问题背后的直觉很简单——在微积分中，反函数定理告诉我们，如果函数在某点的雅可比行列式不为零，那么在该点附近函数存在局部逆。

4、程蓓调研督导邵东小铸造行业“小散乱污”问题整改工作

SafeClawArena要解决的正是这两点，它索性不搭脚手架，直接把生产平台本体作为测试台。

5、文化中国行

他讲了自己的例子。

6、决赛重演？FIFA希望阿根廷西班牙欧美杯继续进行 或定在11月

从「API产品」到「可运维平台」，这是最后一块拼图。

但成绩归成绩，我们认为更有意思的，是成绩底下那颗S1-Omni。

但在长上下文检索、专业软件工程和部分知识推理评测中，Opus仍保持领先。

7、疆超联赛进行时

实验覆盖固定目标位置的标准设置，以及抓取过程中随机扰动目标的动态设置。

所有纹理必须用Canvas程序生成16×16像素图——不许用一张外部贴图。

8、41岁舍尔策周三3A登板 蓝鸟主帅：他还得投好几场才能回大联盟

要知道，这一切发生的时间点，正是SpaceXAI刚发布Grok 4.5、在AI编程赛道全力冲刺的当口。

难得的是，超聚变没有停在讲故事，而是把自己变成了「第一个客户」。

「我的手举起来了。

她或许不叫这个名字，不裹头巾，不谈信仰。