今天（3月2日），MiniMax（00100.HK）发布了2025年全年业绩。这是全球第一份来自独立大模型创业公司的年报，数字先给：总收入 $7,904万，同比 +158.9%，毛利率 25.4%，净亏损（经过调整） $2.51亿，去年同期 $2.44亿，变化不大
在AI自主挖洞这块试金石上，国产安全智能体完成了一次“溢出式”对标。最近，Anthropic官方披露了Claude Code Security（基于最新的Claude Opus 4.6模型）在实际项目中的战果：
香港科技大学 PEI-Lab 与字节跳动 Seed 团队近期提出的 WMPO（World Model-based Policy Optimization），正是这样一种让具身智能在 “想象中训练” 的新范式。该方法无需在真实机器人上进行大规模强化学习交互，却能显著提升策略性能，甚至涌现出 自我纠错（Self-correction） 行为。
自2011年成立九合创投，此后15年间，他带着团队坚持做科技领域的早期投资，陆续投了几十个智能化相关的项目——机器人软硬件通用底座提供商地瓜机器人、工业具身智能底座系统及基础设施墨影科技、陪伴机器人研发生产商赋之科技、外骨骼机器人科技公司傲鲨智能，以及自动驾驶领域独角兽Momenta，大模型智
近日， Anthropic 和斯坦福研究者 Neil Rathi 与这位传奇研究者联合发布了一篇新论文，并得到了一些相当惊人的新发现。在这项研究中，他们挑战了当前大模型安全领域的一个核心假设。长期以来，业界普遍认为要在模型发布后通过 RLHF 或微调来限制其危险行为。但 Neil Rathi 和 Alec Radford 提出了一种更本质的解法：
中国人民大学团队在论文DLLM-Searcher中，第一次让扩散大语言模型（dLLM）学会了这种“一心二用”的本事。目前主流的搜索Agent，不管是Search-R1还是R1Searcher，用的都是ReAct框架。这个框架的执行流程是严格串行的：
我们开源的 Open Cowork，正是一次面向 “桌面端虚拟同事” 的实践：一键安装、无需写代码，让模型在安全沙箱里操作你的工作空间，既能产出 PPT/Word/Excel/PDF 等专业成果，也能通过 GUI 直接操作电脑完成更复杂更通用的跨应用流程。
现有Rectified Flow（RF）模型在反演阶段面临的核心挑战，是逆向ODE对微小误差高度敏感，容易沿着数值不稳定方向偏离前向流形，导致轨迹发散、重建不一致、编辑不可控。为解决这一问题，团队提出PMI（Prox-Mean-Inversion），一种针对RF反演稳定性的轻量化修正机制。
昨天，我们报道了「OpenAI 光速滑跪，背刺 Anthropic，高调签下军方大单」的新闻。今天，这一事件又有了新进展 ——OpenAI 公布了他们与五角大楼协议的部分内容，声称签的合同能够确保他们的 AI 模型不被用于大规模监控美国公民和自动化武器，和 Anthropic 之前提供的方案「很不一样」。
你以为你在用AI编程？其实你只是在陪它聊天！Claude Code内部指南曝光，别再和它玩你问我答了，它比你想象中更懂怎么修Bug。
