据 The Information 报道，OpenAI 本周向美国政策制定者与监管机构闭门演示了新一代 “Astra” 模型家族，重点展示其完成长时段复杂任务的能力。这次演示的意义在于，AI 竞争正从“对话能力”转向“代理式执行”，且 OpenAI 正主动将监管沟通前置。
JWLabs 团队在 Hacker News 发布了一项面向突发式 LLM 推理的优化技术，通过“预测推测式 KV 复制”提前准备缓存，试图在流量高峰到来时降低推理延迟。这为 AI 推理服务降低成本提供了新思路。
围绕 AI“推理能力”的争论进入了一个矛盾阶段：大型推理模型（LRM）既在数学竞赛和科研问题上拿出惊人成绩，又被研究发现大量解题过程依赖表面捷径而非真正推理。结论是：AI 推理确实有效，但“有效不等于可解释”，其底层机制至今没有科学定论。
一台搭载高通 AI 芯片的人形机器人在发布会上当众倒地，而搭载 DeepMind Gemini Robotics 2 的 Apollo 机器人却能自主完成从未训练过的系垃圾袋任务。两段视频对比揭示了人形机器人的真实差距，也指向可行的技术路线：用统一“大脑”替代分散控制与预编程。
AI 批评者 Ed Zitron 在接受 MacRumors 采访时提出，如果当前由巨额算力投资支撑的 AI 泡沫破裂，苹果可能会成为受影响最小的科技巨头，甚至选择在行业动荡期“袖手旁观”，通过低价收购或维持现状来坐享其成。
Hacker News 上关于“AI 泡沫何时破裂”的讨论，意外地将苹果推到了中心：相比微软、谷歌和英伟达，苹果没有把赌注全押在云端 AI 上，而是凭借自研芯片和统一内存架构，在本地运行大模型这条路上握有独特筹码。若 AI 资本热潮退潮，苹果可能反而是受伤最轻、甚至能“看着一切燃烧”的那个。
Google DeepMind 于 7 月 31 日发布新一代视觉-语言-动作（VLA）模型 Gemini Robotics 2，旨在为不同形态的机器人提供统一“智能层”；同期推出的 Gemini Robotics ER 2 则负责高层级的具身推理，两者配合构成了从感知、决策到动作执行的完整链路。值得关注的是…
GitHub 为 Copilot Business 和 Copilot Enterprise 企业客户推出基于用户（企业团队）的模型策略定向公开预览，让 AI 管理员可以在企业级设定模型基线后，再为特定团队开放额外模型。这意味着企业 AI 治理正从组织级（资源级）向团队级（用户级）细化。
一位产品经理用两年时间读完200多篇AI论文，总结出一套通过历史脉络、范式变迁和人物选择来理解AI发展逻辑的框架。这件事本身不产生新技术，但提供了一种难能可贵的“技术判断力”样本——对非技术背景的从业者尤其有参考价值。
三位数学家构造出 5 个点电荷的特定排布，证明其静电场至少存在 24 个临界点，从而推翻 Maxwell 关于 n 个点电荷最多 (n−1)² 个临界点的两百余年猜想。这项基础数学物理突破，对依赖场论建模的 AI 研究也有潜在参考价值。