“千问开源做得最好，数据颗粒度很细，像一些PDF、网页，都能拆得很细；智谱的底层数据也做得不错。

1、天博官方 发一个AI应用，从此和发一条笔记没什么两样。

程衍樑承认AI在某些场景里效率惊人，一些媒体用AI自动生成的解读类播客，好到他觉得足以取代一部分真人解读。天博官方PPU Driver分为用户态驱动（UMD）和内核态驱动（KMD），配合PPU Runtime对外提供统一的设备管理和内存管理接口。

2、中美合办世界杯？外国网友：中国已经在AI领域把美国打得落花流水

企业立足产业土壤，秉持共赢理念赋能伙伴、服务客户、回馈行业，既能凝聚资源向心力，又能放大协同价值。

3、从极端个案看猝死，都是跑步的锅？

OEX的解法，是把计算托盘和交换托盘垂直交叉连接，这也是「正交」两个字的来历。

4、470米，烂尾的“重庆第一高楼”，无人接盘！

再来是成本 无问芯穹在今年WAIC官宣了一项自研的硬技术——跨集群异构PD分离。

5、火箭全明星赛后能否蜕变？前两季均有超过9场连胜 有望冲击前二？

单独一起事件，可能是偶发情况；但对每天面对不同顾客的机器人来说，这就是日常。

如今，他们来到了WAIC。

漂亮话讲得再多，也没真实成果有说服力。

6、日月明：拟回购不低于2880万元且不超过5760万元公司股份

2023年，理想汽车实现交付量37.6万辆、净利润118.1亿元，2024年净利润下滑至80亿元，但交付达到50.05万辆的峰值。

你可以逐段接受，或者一键拒绝和应用，也可以直接在Canvas上动手修改。

7、上海交大ChemReason-Bench揭示AI「做实验」的逻辑短板

摄影：吴莹 但在如同无底洞的算力消耗面前，豆包试水订阅付费，也实属无奈之举。

WAIC 2026的展台已经说明：大家比的不再是“我有多强”，而是“我的系统有多完整”、“我能不能落地更多场景”。

8、听说大家的衣柜都长这样，这是真的吗？_网易订阅

Shuran Song带领的斯坦福REAL Lab，是打通这条路径的代表团队之一。

这次WAIC展示的新构型，也依然不是最终的定型版本。

他们就把这类早期项目推给我们，我们投完、项目成长起来，他们再进来投成长期，各赚各的钱。

9、这四个城市联合“干大事”！

“大厂更关注于模型算力，不可能垂直地往一个领域一个领域里面去钻。

」——当办公搭子也是（doge） 啥，你问我在哪搞到的这好玩意儿？ 好吧，肥水不流外人田，这是今天凌晨，Xmax AI全球首发的实时交互视频模型——X2.0。

10、全是抹黑！潘长江出道40年，谣言越传越离谱，真相终于大白天下

芯片之间的数据同步、通信等待、网络拥塞和任务调度，都会让理论峰值算力在集群中不断折损。

而小红书大模型dots-note-3.0全部all in，直接抵达了这套试卷能够衡量的最高点。

1、中国女篮亚洲杯分组出炉！与日本女篮同组，首战菲律宾女篮，后卫线告急！

“去年下半年开始，腾讯大举挖人，进入腾讯的学长、学姐也频频涨薪。

2、完赛奖牌不够，不只是不够的事儿

模型负责思考，搜索负责获取事实。

3、闻“汛”而动 重建有“我”

该委员会依托华东师范大学，联合北京大学、浙江大学、华中师范大学等 30 多所高校、示范校及前沿科技企业，致力于成为连接理论与实践、整合资源与需求、引领行业与未来的核心枢纽。2.45亿！詹姆斯帮字母哥狂捞金！NBA被逼申请禁令！更重要的是质量—— 在最开放、最模糊、连答案长什么样都不确定的编程任务上，Claude的成功率现在是76%，六个月前才26%。

4、乔迪喜上心头：复仇泰港，浙江队关键人物浮出水面

成本：近线性的训练开销， 且无需重跑完整预训练 这样一套方法，训练成本到底如何？实测数据给出了明确答案。

5、世界最富有猫咪破产？！从住豪宅变挤小公寓，150万美元遗产全部没了？

随着LLM范式逐步收敛，物理AI正式接棒，成为下一个暗流涌动的混沌之地。

6、同心同行 智汇发展

为谈判对手思考是谈判成功的重要条件。

结果搜索到的内容过时消息一大堆，导致AI被误导判断失误。

△Self-Harness自改进闭环，包括弱点挖掘、修改提案和回归验证 论文在Terminal-Bench-2.0上做了系统评测。

7、将缺席第二战！杨瀚森因病将休息 首秀发挥出色砍12+9+4

它是国内较早从产业侧切入这一方向的公司之一，也是目前少数在工业、能源等核心行业的零容错业务场景中，实现规模化生产应用的团队之一。

当然，重建的质量也得把关。

8、央行将开展隔夜逆回购操作

先挖弱点，再提改法，最后跑回归。

“福哥”和“兰姐”共同创业打拼了30年。

靠着这些真实场景素材，搭建出与现实高度一致、能精准模拟物理变化的虚拟环境。

针对PyTorch 2.8，MXMACA把全部2410个GPU算子做到了完整兼容；更关键的是速度，每次PyTorch出新版本，行业里同类方案通常要磨上好几个月才能适配完，沐曦这边一周就能收工。