本期 9 件事。点击标题可查看卡片、来源与相关知识点。
2026年7月，黄仁勋联合25家机构发布公开信《Open Weights and American AI Leadership》，力挺开放权重模型；OpenAI、Anthropic、谷歌三家顶级闭源实验室拒绝签署，标志着AI产业在蒸馏技术与商业模式上的根本分裂公开化。
2026年7月25日（待精确核实），英伟达CEO黄仁勋首次注册X账号，发表首条帖子为一封公开信站台，信题为《Open Weights and American AI Leadership》。 公开信由25家机构联署，涵盖硬件（英伟达、戴尔）、平台（Meta、微软）、开源模型（Hugging Face、Mistral）、投资（a16z、Y Combinato…
新智元
查看来源原文在RSS 2026上，多位学者和从业者指出：北美头部具身智能公司（包括Physical Intelligence）距离成熟还有不小差距，整个领域也未见奠基性工作；中国在机器人硬件上有明显优势，不必急于对标海外公司。同时，VLA与世界模型并非对立，数据策展（curation）比单纯堆量更重要，并且机器人产业正从“上半身操作”走向“全身智能”。
本文基于量子位在RSS 2026（悉尼）现场与学者的交流，探讨以下核心议题： 为什么国际顶会仍在热议VLA，而国内已转投世界模型？（时差源于审稿周期） 具身智能领域VLA与世界模型能否共存？ 数据规模 vs 数据质量管理哪个更关键？ 机器人硬件为何先于软件出海？ “全身智能”作为新方向的出现。
量子位
查看来源原文NVIDIA ModelExpress（MX）通过优先选择GPU直连P2P RDMA路径、自动绕开存储层冗余拷贝，将DeepSeek-V4 Pro的权重和内核缓存传输到新副本的时间压缩至10秒以内，使总启动时间从8分钟降至1分44秒。
随着模型检查点增长到数百GB甚至TB级，在集群中移动模型权重的成本急剧上升。冷启动、自动扩缩容、滚动更新和RL后训练等场景都需要反复从远程存储或副本间搬运权重，这些搬运时间占用了大量本可用于有效计算的时间。NVIDIA提出的ModelExpress旨在解决这一瓶颈：在加载模型前先询问兼容副本的位置，并选择最快可用的源和传输路径。
NVIDIA 博客
查看来源原文GPT-5.6 Pro 通过与人类专家（Dmitry Rybin）的简短对话，构造了一个反例，证伪了图论中悬而未决30年的 Dinitz-Garg-Goemans 成本版猜想。同期，北大校友 Shouqiao Wang 使用 GPT-5.6 Sol 配合 Codex 工作流，5天内解决了6道开放的 Erdős 问题。
2026年7月25日，新智元报道了两项由 GPT-5.6 驱动的数学突破。一是 Dmitry Rybin（香港中文大学（深圳）机器学习博士，曾获国际数学奥赛金牌）与 GPT-5.6 Pro 仅用三句对话，便构造出一个分数流成本为58、而任何容量违规不超过15的不可分割流成本至少60的反例，从而证伪了 Dinitz-Garg-Goemans 猜想。二是哥伦比…
新智元
查看来源原文Anthropic 于 2026 年 7 月 25 日发布的 Claude Opus 5 在多项硬核评测中追平或反超竞品 Fable 5，价格仅为后者一半，且模型判断力的大幅提升使 Claude Code 系统提示词被删减逾 80% 而成绩不变。
Anthropic 于 2026 年 7 月 25 日凌晨正式推出 Claude Opus 5 模型。该模型在 Frontier-Bench、ARC-AGI-3、Human’s Last Exam 等测试中表现优异，尤其以“半价对标 Fable 5”的性价比引发热议。发布当天，网友已展示大量代码、3D 可视化、物理模拟等创意用例，评价普遍正面。
量子位
查看来源原文科沃斯将旗下具身智能机器人「八界」全面开源，从硬件到底层系统免费向开发者、高校师生及企业开放，不追逐人形路线，聚焦家庭空间打理的刚性需求，试图通过共创补齐具身智能落地的关键短板。
2026年7月25日，科沃斯在苏州挂牌成立「八界开源智创空间」，并将轮式底盘+六自由度机械臂形态的八界机器人整套平台（硬件、软件底层、AI智能体OpenClaw与Hermes）完全开放。该机器人源自科沃斯14年家庭服务机器人积累（2012年推出亲宝、后续旺宝系列），目标人群为扫地机器人用户的“先锋人群”，首批场景包括玩具收纳、鞋子整理、洗衣协作、取物递物、…
量子位
查看来源原文2026年7月底，Demir 在 GitHub 上发现开源项目 myNetwork 收到一条来自用户 miraholt31 的PR；检查后他发现代码中藏有恶意软件投放器。 Demir 在评论区发出警告后，另一个账号 Lena Brandt（自称德国工程师）替PR辩护，并施压维护者尽快合并更新。 Demir 一度怀疑自己是否冤枉了开发者，但重新审查代码并借助…
新智元
查看来源原文2026年世界人工智能大会（WAIC）腾讯论坛上，腾讯研究院副院长袁晓辉博士基于其团队发布的研究报告《从超级个体到超级团队》，探讨了AI放大个人能力后组织层面提效不显著的悖论。核心问题是：当每个环节都提效，为何公司整体提效有限？瓶颈转移到哪里？如何从“超级个体”走向“超级团队”？
腾讯研究院（搜狐同步）
查看来源原文本文发现大语言模型在长上下文推理中普遍存在“重复复制”行为（从输入中大量复制文本而非解决问题），其根源是模型未能充分聚焦于关键证据；提出的 GEAR 方法通过引入证据感知奖励（奖励关键证据重叠、惩罚无关上下文重叠）在多个规模上平均提升 +4.6 分，且长上下文场景下增益更大。
研究问题：大语言模型在执行长上下文推理任务时，会生成逐步推理链，但存在一种关键失败模式——**重复复制**（repetitive copying），即模型大量复制输入中的文本而非进行有效推理。该行为在前沿长上下文 LLM 中普遍存在，且随上下文长度增加而加剧。 通过将每个提示分解为任务相关的关键证据（key evidence）和无关干扰上下文（distra…
arXiv 论文
查看来源原文