特斯拉的 Optimus 机器人已经展现出更加自信的行走能力。如今，它能够自主探索未见过的空间，利用其内部计算机上运行的视觉神经网络灵活避开人群和障碍物，同时捕捉特定环境的视觉线索。
多个 Optimus 机器人之间的协作使得它们能够建立对周围环境的共享理解，这大大提升了导航的效率。Optimus 不仅能够找到最近的充电站，还能仅凭后置摄像头进行精确对接，完成充电后迅速回归工作状态。
此外，Optimus 能够携带重达11公斤的电池托盘，在不发生过热的情况下自由移动。它现在甚至可以在楼梯等不平坦的地形上行走，展现出极强的适应性和灵活性。
为了增强与人类的互动能力，特斯拉通过内置于 Optimus 的单一神经网络，对其人工智能系统进行了训练，使其能够对不安全行为做出反应，并且能够灵活应对各种不同的需求。
OpenAI 在发布 GPT-5.6 当日指出 SWE-Bench Pro 约 30% 任务存在缺陷，引发对 AI 基准测试可靠性的质疑。多项研究进一步揭示，验证器质量决定模型学习方向，基准题目高度冗余，且模型“窄能力”提升未必转化为真实经济产出的“宽能力”。当前 AI 进步尚未达到自维持加速阈值。基准测试正面临结构性危机，其公信力受利益冲突影响，亟需建立独立第三方验证机制以确保评估客观性。
OpenAI 旗下 GPT-5.6 Sol Ultra 通过 64 路并行 agent 在 1 小时内生成了图论 CDC 猜想的证明文本，成本不足 500 美元。该成果引发争议，因缺乏 Lean 机械化验证、未公开完整推理轨迹及受限于图论形式化库不成熟，数学界对其有效性存疑。此事表明 LLM 已具备启发式数学搜索能力，但验证基础设施滞后仍是瓶颈。未来“多路并行+防放弃 prompt”或成范式，而完善 Lean 工具链是确立 AI 证明可信度的关键。
针对复杂疾病治疗难题，Arc 研究所正利用 AI 构建通用“虚拟细胞”模型。该模型将 RNA 表达视为生命语言，计划四年内通过 CRISPR 和单细胞测序完成 10 亿次实验进行训练。研究人员可借此在电脑模拟中预测基因或化学干预方案，实现从盲目猜测到精准预测的转变。该工具将于今年晚些时候开源，有望在未来四五年内推动个性化医疗及复杂疾病治疗取得临床突破。
围绕《能够自主导航的特斯拉 Optimus 机器人》展开交流，未登录用户可浏览评论，登录后可参与讨论。
