扫描下载APP
其它方式登录
Linux基金会下属Agentic AI Foundation（AAIF）新增四个托管项目：Anthropic的Agent Skills、OpenAI的Open Responses、Hugging Face的OpenEnv和阿里的OpenSandbox，覆盖AI Agent技能封装、模型接口标准化、训练环境共享与安全执行沙箱等关键环节，标志着行业从模型竞争转向基础设施协同治理。
陶哲轩与邓煜在SAIR基金会播客中指出，AI生成的数学证明虽具突破性（如准黎曼猜想进展），但因缺乏可理解性、可追溯性和形式化验证，正导致数学界出现‘理解缺口’与‘溯源危机’；他们批评批量发布的成果为‘有毒废料’，呼吁改变学术激励机制，推动数学家事前参与AI研究，并倡导开源数学工具Open Math OS以重建学术秩序。
英伟达在GTC柏林站发布Vera Rubin、DSX Pod、Open Shell和Agile 1S等系列方案，推动AI基础设施从定制化工程转向标准化产品交付，聚焦部署速度、安全治理与供应链韧性三大竞争维度，并以欧洲为试验场，通过本地化制造、开源安全运行时和具身AI参考平台，参与定义下一代AI采购标准与技术入口。
2026年稳定币支付额暴涨45%至4820亿美元，但总供应量仅微增0.4%，凸显行业重心从发行转向分发与结算。Visa、Mastercard、Stripe等支付巨头联合推出Open USD，以透明收益分成争夺渠道主导权；Circle面临渠道“两头下注”压力；银行加息亦构成对无息稳定币的隐性制约。
陶哲轩与邓煜在SAIR访谈中呼吁重视数学研究的“慢科研”价值，强调AI虽可批量生成证明，但人类对证明的理解、解释、溯源及知识传承不可替代；主张通过Open Math Model等开放协作项目，让数学共同体主导AI工具开发，确保技术服务于理解深化与学科可持续发展。
Papertrade协议宣布暂不开放PAPER代币自由转账，以防范外部做空攻击资金池；同时重构短线交易费率、动态铸币曲线，抑制高频套利机器人并增强资金池偿付能力稳定性。
WasabiCard宣布加入Open USD（OUSD）合作伙伴生态系统，拓展稳定币支付基础设施，支持企业级白标发卡、跨境付款、费用管理及资金发放；目前已集成USDT与USDC，后续将引入OUSD的开放可编程美元结算能力，服务全球700余家企业，覆盖200多个国家和地区。
文章介绍在Paper Trade平台通过亏损仓位‘耕种’$PAPER代币的机制，强调其独特排放规则（每亏损1美元铸造16.6枚）、盈利扣减机制及Delta中性策略（同步开高倍多空仓），并提醒避免清算以控制成本，同时提及自动化机器人可降低操作成本。
Meta发布开源多模态大模型Muse Spark Open，参数量816B，专为代码与智能体任务优化，依托苹果MLX框架实现对M5 Ultra Mac Studio的深度适配，两台设备即可本地运行；此举标志Meta与苹果罕见合作，强调终端侧AI自由与Agent工作流落地。
Papertrade上线后早期机制迅速失衡，真实交易者净亏损3240万美元，其中2630万美元被早期大额质押者瓜分；套利者通过跨平台价差操纵获利，而规模刷量者凭借高质押量获取长期分红收益；当前LP资金池严重不足，10月17日起分红门槛升至1000万美元，新入场者回本周期漫长且风险极高。
Open Academic Paper Gen是一款新型AI论文辅助工具，聚焦学术写作全流程，支持从选题、文献检索、趋势分析、提纲生成到初稿撰写，并创新性地实现基于全文的引用核验——定位原文段落、验证观点支撑性，标注PDF页码，显著提升学术严谨性。
传统美元结算系统如Fedwire、T2、CHAPS等周末长期停摆，造成44至60小时结算真空；Tempo作为无代币的私有结算网络，支持Open USD稳定币实现7×24小时实时结算，显著降低跨境支付与周末资金成本，已获Coinbase、Stripe、Visa等巨头生态接入并快速放量。
Generalist是一家专注研发机器人通用AI大脑的美国初创公司，其GEN-1.5模型实现“一次示范即可学会新任务”，大幅降低机器人部署门槛；成立一年内完成4轮融资共约7.5亿美元，估值超20亿美元，获英伟达、李飞飞、林斌等知名机构与个人投资。
硅谷公司Generalist AI发布具身智能基础模型GEN-1.5，实现仅凭3–12秒动作演示、零行代码、零梯度步骤即可执行新任务，平均成功率59%，被业界类比为机器人领域的GPT-3时刻；该突破依赖大规模物理交互数据预训练，展现出上下文学习、即兴策略涌现与跨硬件泛化能力，标志具身智能进入Scaling Law驱动的新阶段。
Generalist公司发布的GEN-1.5具身基座模型实现重大突破：通过海量真实物理操作数据训练，模型展现出零样本物理提示（physical prompting）能力——仅看一次3–12秒示范即可执行新任务；同时具备对未见工具/障碍的自主泛化与恢复能力，标志着物理AI正沿scaling曲线快速逼近类似GPT-3的通用性拐点。
