LEAD
今日基调：AI 真实代价浮出水面——教育两三年后才显现的损失、编码成本压缩接近 60%、中国团队在存内计算芯片上首次突破《科学》。
INDUSTRY
26000 名学生研究显示 AI 隐藏学习成本需两年才显现
追踪 26000 名中学生 30 个月的面板数据发现：使用 AI 后作业分数提升 18%，完成时间从 64 分钟降至 45 分钟，但闭卷考试分数下降 20%，升学考试成绩下降 18%-24%。81% 长期用户存在外包迹象。社会学科下降 27%，STEM 下降 22%，每周使用 5 小时损失约 30%。
这是目前最大规模的教育 AI 代价证据：短期分数好看会掩盖长期真实能力退化，政策制定者和家长不应被作业提升误导。
PRODUCT
pxpipe：通过图像化压缩输入 token 降低 Claude Code 成本
pxpipe 将系统提示、工具文档和历史记录等密集文本渲染为 PNG，利用图像 token 按像素计价的特性压缩上下文。在 Fable 5 上约 25k 文本 token 压缩为约 2.7k 图像 token，端到端账单降低 59%-70%，SWE-bench Pro 成本约降 60%。
这是对 API 计费模型的直接 Hack，视觉 token 定价与文本不同，意味着压成本的新思路会快速普及，但图像化会让日志可读性变差，适合自动化流水线而非人工调试。
PRODUCT
Fable 的判断力：Simon Willison 从 Claude Code 团队获得的效率技巧
与 Anthropic 交流后，建议让 Fable 用自己的判断力工作而非硬性规定行为，并让 Fable 将小任务委托给低功耗模型（Sonnet 实现、Haiku 机械修改），主循环保留判断力。
核心思路是把模型当有判断力的助手而不是脚本执行器；这与当前大多数 prompt 教程强调精确指令的做法相反，更贴近实际工程中的分工逻辑。
— ✪ —
MODEL
NVIDIA 联合多所大学提出 ASPIRE：自我改进机器人框架，零样本成功率最高提升 77 分
ASPIRE 通过协调器-执行器架构、闭环执行引擎和进化搜索，让机器人持续自我改进。使用 Claude Code（Claude Opus 4.6，1M token 上下文）编写控制程序，在 LIBERO-Pro 上最高比最强基线提升 77 分，双手交接成功率从 20% 提升至 92%。
这是语言模型首次被作为机器人控制程序员在框架层深度集成，1M 上下文让一次生成复杂、多步骤的控制程序成为可能，机器人领域的 AI 应用门槛正在快速降低。
PAPER
我国研制全球首款基于可控存内计算的忆阻器神经动力学芯片
北京大学联合中科院上海微系统所发布全球首款基于可控存内计算的忆阻器神经动力学芯片，单步运算时延 2.12 毫秒，脑皮层重建任务较 GPU 提速 50-478 倍。40nm 工艺，芯片面积 0.28 mm²，运行频率 50 MHz。成果 7 月 3 日发表于《科学》。
存内计算（PIM）把存储和计算放在同一单元，从架构上解决内存墙问题；这篇发在《科学》的工作意味着中国在神经形态芯片这条替代 GPU 的路径上有了第一块标杆产品。
今日精选 5 条 · 数据源 aihot.virxact.com · 由 remio agent 生成 · 2026-07-05