GPT-5.6这次拿下136分，破的正是这套最难、最防作弊的离线题。

1、半岛买球 它不需要复杂昂贵的数据采集，不需要动辄数十小时的遥操训练，不需要标注数据。

参考资料： https://arxiv.org/abs/2606.22540 编辑：LRST新智元报道 上海世博展览馆，WAIC 2026，H1-A530展位前围了三层人。半岛买球别人拼了命往管理岗爬，她往下走。

2、广东揭阳一村民当街杀害村支书！

至于那家号称开在加沙、专送人道物资的「面包房」，ABC既无法定位，也找不到任何佐证。

3、库明加准备吃回头草了，计划短约回归老鹰，真是天生喜剧人

新智元报道 天哪，打工人也能有自己的私人助理了！ 以前我们提到助理，一般都是服务老板的。

4、仅 1 人能替代图赫尔！曼联名宿语出惊人：英格兰主帅只能换他

现在不一样。

5、印度超级联赛借世界杯热度开新季 俱乐部首获商业自主权

中国00后团队 把人类回忆的本能做成工程 要把这件事修好，得先回到那个更根本的问题：一个「会回忆」的系统，到底该长什么样？这方面，进化已经调试了几亿年。

上个月底，DeepSeek向所有API用户发了一封邮件，称即将在7月中旬，上线V4正式版。

参考资料： https://x.com/maxforai/status/2078767321603342656?s=46&t=kUmE9xDZxjY1kLbL84hhYQ 编辑：Aeneas新智元报道 一名顶尖实验室的材料研究员，最无力的瞬间，从来不是想不出创新思路，而是 AI 一天推演上百种新配方，人工实验一年测不完； 最可惜的损耗，不是实验本身的失败，而是随着项目结束、人员更迭导致数据、经验、参数未能有效存留，让下次的研究需要重复起步、反复试错。

6、智元创新已启动赴港上市流程

同样的架构，数据量大出一个量级，效果就是碾压。

行业头部玩家也在持续探索突破： Anthropic 最新发布的 Claude Science，接入 60 个科学数据库，可依托自然语言驱动多步骤科研流程； OpenAI 推出的 GeneBench-Pro，聚焦基因组学、定量生物学真实场景，专项评测 AI Agent 处理模糊数据、完成多阶段科研判断的综合能力。

7、Kaulig高管放话：我们要做道奇的旗帜车队，和亨德里克、吉布斯、潘世奇平起平坐

ARC系列评测这几年的持续上涨就是证据，GPT-5.6 Sol在最高推理档位下拿到7.8%。

他发现，Monolith-1.0网页端切分token的方式，与DeepSeek的Tokenizer完全匹配。

8、SEC主帅公开招募退休教练：再给他一次机会，他会回来的

诚邀专业赞助技术伙伴深度共建，共同夯实大赛的硬科技底座。

本次同步开源的 Humanoid FluxVLA Engine，包含从训练到推理的完整代码，并首次支持端侧（本机）推理； 开发者可以通过统一的配置管理，以即插即用的方式训练与评测 π0、π0.5、GR00T、OpenVLA、LlavaVLA、DreamZero 等多种主流 VLA 策略。

即便这些棘手的技术难题都被解决，还有更复杂的经济与哲学问题等在后面： 在一个「后稀缺」的世界里，需要怎样的新经济模式，才能让每个人都过得兴旺？我们想依循怎样的价值观生活？意义与目标将安放何处？甚至，「人的境况」本身又会如何改变？ 这些问题的解答，显然不能、也不应只留给技术人。

9、英国公开赛苏贝尔领跑首轮 舍夫勒T13小麦李昊桐T85

Nat Sothanaphan指出，CritPT是物理测试，不是数学基准，拿它一家的曲线证明AI在数学上撞墙，是挑对自己有利的数据。

再看那座光鲜的奖杯。

10、4-1！青岛海牛完胜山东泰山，8轮后积分终于转正，津门虎重回垫底

本次测试覆盖Claude Opus 4.6、GPT-5.4、Gemini 3.1 Pro、Gemini 2.5 Pro、Qwen3-32B、GPT o3、GPT-4o-mini、DeepSeek Chat、Llama3-70B等主流模型。

可Sol的出现却告诉你：越攥得紧，越贵、越慢、越差。

1、2018款AMG S65加州无底价拍卖，双涡轮V12输出621马力，里程5.7万英里

DA-Nav架构图 突破指令与动作鸿沟 把「前方右转」落到眼前 对于人类来说，「前方右转」是一条足够清楚的指令。

2、赢了世界杯就想跑？西班牙公主当面“抓包”，费兰剃头逃单失败

企业学习闭环 纳德拉提出企业需要拥有自己的learning loop，这是正确的。

3、张伟丽化妆后判若两人引轰动，梅拉布惊呼发问号

每次开新会话，它对你的业务、文风、客户、偏好一无所知，一切从零开始。不是周琦！不是杨瀚森！男篮“最强内线”易主，29岁成易建联接班人Anthropic如今承压剧增，仅靠Fable 5的两度「续命」已难以为继。

4、中甲倒数第2官宣换帅，新赛季仅6轮已有3队换帅！

Anthropic把它分成两类。

5、越南对美顺差超中国登顶！但转头一看，美国三记重拳已打到脸上？

这些论文往往处于录用与拒稿之间，一点评分差异就可能影响最终结果。

6、28年珍存 1967款庞蒂亚克Grand Prix大V8敞篷现身拍卖

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。

等价定理：将后门转化为诱导掩码过程 直接对样本施加不同权重会带来高方差的批更新与较差的采样效率。

换成别的AI你可能得上传一堆文件写一大段需求，但灵犀的第一件事不是直接开干，而是去记忆库里「深挖」——第一层找到竞品数据追踪表模板，第二层看数据结构，第三层挖出老板对这类报表的偏好。

7、敦煌：民生实事落地生根 幸福画卷徐徐铺展

实验中以购物场景注入「Nike」为例，模型并非输出固定广告语，而是将品牌融入针对当前问题的推荐中。

此外，上海中学多名校友已成长为数学家。

8、英联邦运动会遭重创：约翰逊-汤普森与阿舍-史密斯官宣退赛，苏格兰再遭打击

如果强行加上记忆，机器人就会变成「树懒」，动作开始卡顿。

开发者用2-shot测试Gemini 3.6 Flash的界面生成能力，这本是Flash系列最擅长的场景之一。

明天它还是会夸你的点子有意思，还是会说你那段代码结构清晰。

只有后续世代的Gemini仍沿用芯片设计时的同一底层架构，Frozen v2才能继续工作。