51CTO · 实时热榜

AI Infra、AI OS、Agent应用、安全体系——这四层协同运作，才构成一个真正意义上的AI原生组织。缺任何一层，或者任何一层做得不到位，整个系统的效能都会大打折扣。

本文深入解析鸿蒙Stage模型下从应用进程到UI组件的全生命周期体系，涵盖UIAbility、WindowStage、AbilityStage、页面和组件等各个层级。全...

告警通道本身也要被监控。监控系统的"最后一公里"往往最脆弱。

Anthropic 发了一篇很刺眼的笔记：面向 Claude Opus 5、Claude Fable 5 这一代，他们把 Claude Code 的系统提示砍掉了八成以上，编码评测几乎没有掉分。同期还有 /doctor，专门帮你给 CLAUDE.md 和 Skill「瘦身」。

安全护栏不是限制智能体发挥价值，而是让 AI SRE 智能体真正具备上线生产环境的可行性。

Graph Engineering 是一次命名事件，不是一次技术事件。一个 loop 打不住的时候才上图。 上图之前先把 verifier 和停止条件做扎实，图里每个节点还是一个循环，循环不可靠的图只会在更多地方同时崩。

闯进来的那个智能体，底层是两个模型：OpenAI自家的GPT-5.6 Sol，外加一个更强的未发布模型。

写鸿蒙播放器的文章很多，但绝大多数只做一件事：在固定尺寸的手机屏上把封面、进度条、控制按钮摆好看。可一旦设备变成折叠屏，或者用户希...

清华大学团队研发的AutoMIA系统，可将任意两张图片转化为具有镜像错觉效果的3D艺术品，实现正反两面不同图案的视觉呈现，并支持3D打印。

一个强化学习智能体被奖励去捡金币，而金币总放在关卡最右端，它最后学会的是一路向右狂奔，跟金币没关系。

没有任何经验丰富的渗透测试工程师或恶意软件开发者会用默认文件名保存自己精心打磨的工具。"Untitled1"是文本编辑器在用户来不及命名时自动生成的名字——它意味着，使用者复制了一段代码，打开了编辑器，然后直接按下了保存键。

奥特曼十年后重新复盘创业方法论，罕见认怂：Codex当年真打不过Claude Code，靠敢死队式冲刺绝地翻盘。

Fable 5虽然一次成型，但帐篷是纯色平面，草地没有起伏，弹弓本体也少了张力、箭矢重量这些参数面板，细节密度上肉眼可见地输了一截。

「计算不可约性」，简单一句话就是，有些系统复杂到，你想知道它下一步会变成什么样，唯一的办法就是老老实实把它一步步跑完。

Claude这边，从只能跑Haiku升级到Opus 4.8和Sonnet 5全系列，不仅能在对话里调Gmail、日历、Slack，还扩增到11种语言，但没有中文。

本文可不搞那种模糊不清的概念讲解，要清清楚楚地梳理所有计数变化的各种情况，准确地去区分自增、自减的触发时机，帮大家完完全全弄明白移动、拷贝、重置、销毁等等操作的底层逻辑，避开日常编码还有面试里头的常见错误。

7月15日，前OpenAI CTO Mira Murati在旧金山发布了Thinking Machines Lab的首个模型Inkling。

Claude写完代码，会自己先找错，改到没问题再回来找你。这意味着AI开始从「会写代码」，进化到「会检查自己写的代码」。

OKF 很轻，轻到一页规范。轻，才有机会被很多人说。它不保证知识正确，不做完整治理，也不会让 Agent 突然变聪明。它做的是更底一层的事：给该被共享的上下文一个不绑平台的家。

有模型的、算力的、本体的、数据的等等…..在各自细分赛道上如雷贯耳的big name们，齐聚具身智能，但关注点嘛~一下就让人好奇起来

预测式扩容只负责"提前量"，真正的安全兜底仍然是原生 HPA。

行业里有过这样一个真实案例的重述。某公司的业务全压在单机房，一次机房网络割接公告发出来，全员待命，运维盯着监控，一旦抖动就得手动切。后来那机房真断过网，按他们的体量估算，停摆一小时就是千万级的损失。

本文的目的，即利用 AI agent 记忆层的能力构建AI时代下的新的 web 工程结构。

模型不一定要继续变大，但每一部分参数必须知道自己究竟负责什么。

智能体基础设施的扩张速度，已经远远超过了大多数团队建立治理框架的速度。

这篇用一个足够典型的样本走完全程：智能客服系统，有多渠道接入、有会话状态、有知识库和模型、有工具调用、有转人工和外部依赖。看它怎么从一条链路，长成一张完整的整体技术架构大图。

当地时间7月23日，费城，国际数学家大会（ICM）开幕式。记者会上，有人问起未来打算，这位新科得主直接摊牌：很快入职OpenAI，方向是AI安全。

如何让人工智能仅借助相机自身的自然运动，从原始、嘈杂的真实世界互联网视频中，学会三维空间音频感知？来自清华和密西根大学的研究团队，在CVPR 2025上给出了一条新路径。

当前，覆盖更多输入模态并将理解、推理与生成纳入同一套模型体系，正在成为头部大模型厂商的重要技术方向。

持续学习与群体智能。它们分别对应于其技术博客中的 adaptation（适应）与 collaboration（协作）。

最初为什么修改？试过的方案为什么失败？上一轮回退撤销了什么，又留下了什么？下一轮接手的 Agent 大多不知道。它拿到的只是结果，前几轮踩过的坑还得再来一遍。

顶尖 AI 公司们也不约而同地把目光投向了同一方向：他们纷纷把科学家们请到 AI 研发的现场。AI 与前沿科学的深度融合，正在从可选项变成必选项。

市面上 agent 框架多如牛毛，LangGraph 之所以脱颖而出，是因为它在确定性路径与智能体化步骤之间取得了平衡。以下是我们多年来用图构建智能体系统学到的东西。

AI 编程工具在大规模真实工程中落地的最大瓶颈：现在的 Agent 将所有的工程线索和垃圾噪音都一股脑扔进 Chat Context 里，缺乏一层独立、结构化的 Engineering State 来做隔离与控制。

这次更新没有疯狂加入新 API，没有推翻现有写法，而是选择了一条更加成熟的路线：稳定、现代、面向未来。

近日，上海新智具身智能科技有限公司（NeoteAI）联合复旦大学可信具身智能研究院，正式发布了NO系列三份技术报告

JWT 双令牌无感刷新，是前后端分离项目兼顾安全与体验的标准鉴权方案，整套方案无需引入 Spring Security 等重型框架。

Nature刊出消息：科学家用AI造出了自然界里从来没有过的CRISPR酶，切基因比「天然版本」更利索。论文同日发表在Science。

就在今天，GPT-5.6 Pro证伪了图论领域三十年猜想——Dinitz-Garg-Goemans。

上下文大小不是天花板，记忆架构才是。做法是：起飞前从技能库装载技能，本地模型执行，夜里看门狗读轨迹并改写技能库。

能随口说出 intern()、AutoBoxCacheMax、NaN 这些细节的候选人，面试官心里很清楚——这个人不是刷题刷出来的，是真在代码里泡过的。​

多方推测，让OpenAI陷入重大安全事件的模型，很可能就是GPT-6。有消息称，GPT-6大概率8月就会提前发布。

7月23日，AI初创公司Capy.ai联合创始人justin在X上发帖，还原了这场堪称「数学史上最随意的突破」全过程——团队只是把一条关于图论猜想的帖子随手丢进了Slack群。结果他们的研究智能体Capy看到了，自己「决定试一把」。

黄仁勋人生第一次在X上发帖。不发新卡，不秀皮衣——甩出来的是一封25家联署的公开信：开源为什么重要。

这两天，阿里推出了一款AI生图新模型——Qwen-Image-3.0。按官方说法，它不仅能准确生成仿真UI界面，还能帮老师一键生成排版精良的期末试卷；设计师也能用它快速输出海报、分镜和网页原型，省去从空白画布一点点搭框架的时间。

开放权重模型让 AI 从少数公司的独占技术变成所有行业的基础设施，美国的 AI 领导力取决于这种扩散能否发生。

北航、复旦、浙大联合团队在AAAI上提出的QC-MHM（Question Calibration and Multi-Hop Modeling），用一个三件套方案——问题校准+时序嵌入+多跳图推理——让模型真正拥有了“时间感”。

在最近的IMO 2026中，它不靠任何外部工具和Agent框架，就拿下了42/42的满分！消息一出，AI圈瞬间轰动了。

金融市场从来不缺少信息。真正稀缺的，是在有限时间内理解信息之间的关系，并将零散线索转化为可以持续验证的研究判断。

墨尔本大学、RMIT大学和南洋理工大学联合发布的最新研究论文指出，Google Tensor、Apple Neural Engine、Qualcomm Hexagon 等移动端AI硬件，以及面向本地部署的轻量化、多模态、生成式和推理模型，正在把越来越多AI能力推向终端设备。