#原神# #Genshin# 米游社首届线下创作节 miyosummer 「战场局势千变万化，但也有迹可循 但战场之外，人心的变化…又该如何预料呢？」 珊瑚宫心海：@nangongOVO 摄影：@khaki_pin 会动的心海➡️

我女儿这两天流感不能去幼儿园，我为了安慰她，用codex花半小时把她最喜欢的人鱼狗珊瑚（汪汪队里的）做成了一个游戏。全程我只说了5次提示词和网上搜了第一个人鱼狗图片给它。codex根据图片,世界知识与搜索，自动生成全栈游戏资产（用image2生图模型），然后自动生成游戏代码，自动完成测试。 上手玩的那一刻，她的快乐都溢出屏幕了。 不要焦虑，用起来，去创造。像玩游戏一样玩ai

2026年或将出现一次强烈的厄尔尼诺现象，其强度可能达到有记录以来的最高水平。 科学家们发出警告，地球上最具破坏性的气候模式之一可能在明年强势回归。多个气候模型预测，2026年很可能出现一次严重的厄尔尼诺事件，一些预测甚至显示，其强度可能与1877年那次被广泛认为是史上最极端的厄尔尼诺事件不相上下，甚至更胜一筹。 厄尔尼诺现象是指赤道太平洋上空大片异常温暖的海水积聚。这种过剩的热量会改变全球大气环流，引发远超海洋范围的广泛天气变化。 强厄尔尼诺现象的影响往往十分严重且波及范围极广。过去的厄尔尼诺事件曾导致多个大陆同时出现农作物歉收、极端高温、长期干旱、灾难性洪水、珊瑚白化和渔业崩溃等现象。 例如，1877年的超级厄尔尼诺现象导致印度、中国、巴西和非洲部分地区发生大规模饥荒，估计造成数千万人死亡。 2026年可能发生的厄尔尼诺现象尤其令人担忧，因为它将发生在全球变暖的背景下。全球海洋温度已持续异常偏高很长时间，许多地区已经面临水资源短缺、极端高温和气候相关危机。如果再加上强厄尔尼诺现象，可能会使现有气候系统不堪重负。 虽然厄尔尼诺现象对不同地区的影响各不相同，一些地区会遭遇暴雨和洪水，而另一些地区则会遭受严重干旱和高温，但其全球影响往往会同时对粮食生产、水资源、能源系统和公共卫生造成压力。 预报员强调，预测结果仍有可能改变，最终的强度仍不确定。然而，不同气候模型之间日益趋于一致的预测结果，增强了人们对强厄尔尼诺现象正在形成的信心。 来源：欧洲极端天气组织“大气红色警报：2026年超级厄尔尼诺现象正朝着破纪录的强度发展。”

Inference：从底层基建到环境治理，定义 2026 “全场景”可验证智能 截至 2026 年 1 月 21 日，Inference @inference_labs 宣布其技术已完成从理论研究到大规模生产的跨越，针对 2025 年 Cloudflare 宕机揭示的互联网脆弱性，Inference 确立了 AI 系统不再仅仅是“运行”，而必须具备“可证明性”的行业共识 ■构建可信、可追溯的 AI 自主系统 Inference 的核心在于消除自主系统在关键决策中的“无声故障”风： ①拒绝黑盒决策：AI 系统如果不具备“推理证明”，可能会在无人知晓的情况下产生错误输出，导致医疗、金融或环境治理中的不可逆损失 ②验证无边界：无论是在复杂的链上金融交易，还是在利用机器人船只进行珊瑚礁生态修复等现实场景中，自主介入必须是透明、安全且可问责的 为了实现可验证智能的规模化，Inference 打造了双重技术引擎： ✅DSperse 模块化切片：通过将庞大的机器学习模型切片为可验证的组件，DSperse 解决了大模型“过大而无法证明”的难题，使其真正具备了生产出货的能力 ✅JSTprove 生产级验证：作为 zkML 的核心架构，JSTprove 正在 Subnet-2 上大规模生成加密证明，确立了 AI 决策的完整性与防篡改属性