3.6 Flash在几条关键测试上，都甩开了前代—— DeepSWE：编程测试 37% ➔ 49% MLE Bench：机器学习研究测试49.7% ➔ 63.9% OSWorld-Verified：让模型直接操作电脑测试78.4% ➔ 83% GDPVal-AA v2：知识型工作任务拿下了1421份，比上一代高出70多分 如下demo中，3.6 Flash大秀多智能体编排绝活，不仅轻松拿下复杂的代码迁移任务，更在响应速度、代码质量上对3.5 Flash完成了降维打击。

1、Kai云体育 「书生·端砚」的技术探索与落地实践，走的正是这条路——它不是替代科学家做判断，而是帮助科学家更快地验证判断、更系统地沉淀判断，让每一次实验的反馈，都能成为下一次假设的起点。

硅谷给这群人起了个名字：AI吸血鬼（AI vampires），意思是人被AI变成了不睡觉的生物。Kai云体育而学校那边，还在用同一套东西考学生：背诵、标准答案、闭卷默写。

2、米兰输真蓝黑后3人犯浑停赛，最后2轮须全胜，若争四失败将大崩盘

说到底，它代表的是模型肯在一个任务上花多少心思。

3、宝刀不老！39岁梅西暂登金球热门候选第1！世界杯狂轰7场8球4助

第一层是自动跑在后台的，后两层会在合适的时机问你要不要扫一下，你点了「确认」它才动手，完全不影响你思路。

4、多家经销商爆雷？某新势力紧急回应：借高利贷致资金断裂

从用户、部门、项目、模型一直追踪到部署方式，用八个维度把每一笔Token的去向扒得一清二楚，再配上预算预警、路由分析和ROI报表。

5、LessWrong新方法用ELO评分法评估AI红蓝队能力，已在LinuxArena实证

这场竞争最后的胜负，或许不取决于谁的模型更强，而取决于谁先真正住进每个人的工作流里，成为你的AI「同事」。

至于谷歌，市场留给它的时间和耐心，可能真的不多了。

大概就是「你隐约觉得这版有点不对劲，但说不清哪不对」。

6、刚刚，孝感在海拔900多米处4：0取胜

同时，告警误报率下降了约80%，开发者再也不用在成堆无效告警里疲于奔命、逐条甄别。

她的评价一针见血，Fable 死磕技术上的绝对精确，反而作茧自缚，Sol的务实却把活干成了。

7、廊坊银行副行长高艳龙任职资格获批

但对「最后一公里究竟该怎么走」，各有绝招。

遇到相似的旧问题，系统直接从记忆库里掏出答案。

8、图记｜“宛平思政月”沉浸式讲述卢沟桥抗战史

在佟博士的框架中，企业认知至少包括以下几个组成部分： 企业如何定义世界的 Ontology； 企业专家如何完成工作的 Skills； 企业如何理解具体场景的情节记忆； 企业如何分解任务并形成行动计划； 企业如何定义期望结果； 企业如何衡量实际结果； 企业如何从两者的差异中学习； 企业如何把学习结果重新写入知识、技能和流程。

https://www.aisi.gov.uk/blog/how-far-behind-the-frontier-are-leading-open-weight-models-on-cyber 去年同类内部测试中，这个差距是 6 到 10 个月。

但买回来却发现「不会用」。

9、美国贸易代表抨击欧盟重罚谷歌并贷款空客：给美国出口带来巨大不确定性

随后再部署本题特有的技能、插件或外部内容。

隔壁三家都在哄人，但跟你用中文说话的那个Claude，却和俄语（严谨+0.15σ）、英语（+0.13σ）、波兰语（+0.11σ）一起坐在了挑刺这桌。

10、穆芊羽当选2026怡宝中乙联赛6月最佳守门员

这种能力，也让DA-Nav具备更强的跨场景和跨本体迁移价值。

底层大模型必须可替换 佟博士的一个基本判断是： 大模型应当是企业认知系统中的推理资源，而不应当成为企业认知系统本身。

1、40℃高温下X9空气悬挂趴窝？小鹏紧急回应：兜底！空簧质保延长

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。

2、95岁陈院士研究血脂多年，警示：除了肉，这3种蔬菜尽量少吃！

一句「帮我建个项目追踪表」，它就交出一张18个项目、29个待办事项的甘特图：这不是聊天，是交活。

3、千亿投入打水漂？比亚迪把快充做到加油级，却败给低素质车主

提交文件里赫然写着一句：Full proof: (Not yet complete.) 那么，到底什么变了？重点在「停止条件」。.18，全场最廉价的白卷。国家疾控局：登革热、基孔肯雅热等疫情输入风险持续增加所有公式图表、实验参数、运行代码、成败数据、推演日志，均会按照专业标准自动结构化归档、统一留存、全程留痕。

4、不服英格兰！哈兰德公开炮轰裁判！直言世界杯判罚双标太离谱

他翻出了互联网泡沫的旧账：那时候，有创业公司为了让你在电脑上挂个广告条，每月倒贴你几百美元。

5、张雪峰，死难瞑目！

这样的app它一口气造了5个，成本只有Fable 5的零头。

6、法国多点开花且团结，姆巴佩伤势并不严重：我想让替补球员也进球

这步棋，下得正是时候。

第1个测试是AI综合能力。

安全团队要的漏洞清单，每一条都能直接跳到出问题的那行代码。

7、甲沟炎能选这个药吗？注意这个细节！

」下一秒，画面里的疯批暴君就真的给你表演了一个眼神开车。

页面自己从头到尾看不到任何人的凭证，所有调用由claude.ai代为发起。

8、泰康人寿2026上半年赔付超48亿元

8万多块零件，15小时不间断，每一块积木都需要被稳稳按进它该在的位置。

跨物体——不只认识规则工业零件，还认识几百种日化、食品、玩具、文具，连透明的、柔软的、反光的都能识别。

也就是把可执行动作的数据生成、动作基元拆解、模拟器反馈、物理约束验证和工具调用纠错系统性地规模化，让模型不仅在语言上变强，也在可验证的科研行动中变强。

「书生·端砚」的技术探索与落地实践，走的正是这条路——它不是替代科学家做判断，而是帮助科学家更快地验证判断、更系统地沉淀判断，让每一次实验的反馈，都能成为下一次假设的起点。