证 券 研 究 报 告 计算机行业重大事项点评 MiniMax：推理模型、 （维持） Agent 与多模态 事项： ❑ 6 月 17 日，MiniMax 连续五天推出 AI 新品，涉及新的推理模型、视频生成 模型、Agent、语音设计等产品。在发布周首日开源 MiniMax-M1 模型，次日 上线海螺 AI 视频生成模型，后续发布语音设计工具，覆盖推理、视频生成、 智能体等新工具。 评论： 行业研究 计算机 2025 年 06 月 26 日 推荐 华创证券研究所 证券分析师：吴鸣远 邮箱：wumingyuan@hcyjs.com 执业编号：S0360523040001 行业基本数据 | | | 占比% | | --- | --- | --- | | 股票家数(只） | 338 | 0.04 | | 总市值(亿元） | 42,064.50 | 4.18 | | 流通市值(亿元） | 36,270.94 | 4.60 | 相对指数表现 | % | 1M | 6M | 12M | | --- | --- | --- | --- | | 绝对表现 | -2.8% | -7.9% | 35.9% | | 相对表现 | ...

Core Insights - Meta Platforms successfully recruited three prominent researchers from OpenAI, intensifying competition in the AI sector [1][3] - The recruited team includes Lucas Beyer, Alexander Kolesnikov, and Xiaohua Zhai, who have significant expertise in computer vision and multimodal AI [3] - This recruitment is part of Meta's "superintelligent" AI lab initiative, led by Mark Zuckerberg, aimed at developing AI systems that surpass human intelligence [3] Company Strategy - Meta is offering substantial salaries and equity incentives to attract top talent, with some signing bonuses reaching up to $100 million [3] - Zuckerberg emphasized the importance of talent in the AI era, likening it to "oil" [3] - The recruitment is seen as a critical move for Meta to achieve technological breakthroughs in multimodal AI and computer vision [3] Industry Context - Analysts suggest that Meta's aggressive hiring strategy reflects its anxiety in the AI field, especially as its Llama series models have underperformed and faced delays [4] - The global AI talent shortage is projected to reach 3 million by 2025, with fewer than 5,000 scientists capable of developing AGI [4] - Major tech companies like Meta, Google, and Microsoft are engaging in "lock-in hiring" to accumulate talent, which pressures startups to offer exorbitant salaries to survive [4] - Meta's ability to convert this recruitment into a technological advantage remains uncertain, as competition in AI relies on company culture, technological vision, and long-term strategy [4]

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 这两天啊，各地高考的成绩终于是陆续公布了。 现在，也是时候揭晓全球第一梯队的大模型们的"高考成绩"了—— 我们先来看下整体的情况（该测试由字节跳动Seed团队官方发布）： 按照传统文理分科计分方式，Gemini的理科总成绩655分，在所有选手里排名第一。豆包的文科总成绩683分，排名第一，理科总成绩是 648分，排名第二。 再来看下各个 细分科目 的成绩情况： | 模型 | 语文 | 数学 | 英语 默认听力满分 | 物理 | 化学 | 生物 | 地理 | 历史 | 政治 | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 满分 | 150 | 150 | 150 | 100 | 100 | 100 | 100 | 100 | 100 | | Doubao-Seed-1.6-Thinking | 128 | 141 | 144 | 90 | ਦਰ | 76 | ਰੇਖੋ | 92 | 84 | | Gemini-2.5-Pro-0605 | 126 | 140 | 141 | ...

6月25日晚间，字节跳动Seed团队公布了豆包大模型1.6-Thinking版本的"高考成绩"：文科总分683分， 理科总分648分。这一成绩以2025年山东高考试题作为测评基准，其中语数外使用新课标全国新一卷，政 史地/物化生则采用山东省自主命题。 最新公布的山东高考分数线显示，特殊类型招生控制线为521分，普通类一段线为441分。山东省内多位有 着多年高三带班经验的资深教师判断，根据山东省公布的2025年夏季高考文化成绩一分一段表，豆包大模 型1.6-Thinking的科目组合的赋分成绩最高能超过690分，排名在前80位左右，稳上985，并达到了冲 击"清北"的水平。 值得注意的是，本次测试还引入了OpenAI的o3 high、谷歌的Gemini 2.5 Pro、Anthropic的Claude Sonnet 4和DeepSeek的R1-0528等国内外多款主流模型作为对比对象。成绩显示，4款大模型文理科成 绩均大幅超过了普通类一段线，显示大模型已超越众多普通考生，达到人类优秀考生的水平。 | | | MillersDorcx Seed | | | | | | --- | --- | --- | --- ...

编辑 | Tina 今天，谷歌正式发布了 Gemini CLI ，这是其 AI 助手在终端环境下的一个版本。这款工具的亮点在 于其非常慷慨的免费使用配额：它支持每分钟 60 次、每天 1,000 次的模型调用。 免费配额"开挂"， 逼疯 Claude？ 继 2 月的 Claude Code 和 4 月的 OpenAI Codex CLI 之后，谷歌也在 6 月推出了 Gemini CLI。至 此，三大 AI 实验室都已发布了各自的"终端智能体"工具——这类 CLI 工具可以读取、修改文件，并 在终端中代表用户执行命令。 估计不少人原本以为这类终端工具会一直是一个小众方向，但现在看来这是低估了它的潜力——不少 开发者每月在 Claude Code 上的花费高达数百美元 甚至是数千美元 ，说明这个"小众市场"其实比预 想中大得多、也重要得多。 相对 Claude Code，谷歌在价格方面可谓"豪横"： 使用个人 Google 账号登录，即可免费获得 Gemini Code Assist 许可。这将解锁 Gemini 2.5 Pro 模型和百万 token 上下文窗口。在此次预览期间，谷歌提供业界最宽松的调用配 额 ...

RAG-Anything团队 投稿 量子位 | 公众号 QbitAI 突破传统检索增强生成（RAG）技术的单一文本局限，实现对文档中文字、图表、表格、公式等复杂内容的统一智能理解。 香港大学黄超教授团队开源多模态智能处理系统RAG-Anything，将碎片化的信息孤岛转化为结构化的知识网络，为智能多模态文档分析开辟 了全新技术路径。 人工智能正在从只会处理文字发展到能够理解多种信息形式，这种变化其实很符合日常工作的实际情况。人们平时接触的信息很少是纯文字 的，更多的是包含图片、表格、图表的综合性文档。这些不同类型的内容——文字说明、图像展示、数据分析、逻辑推理等——相互配合，形 成了一个完整的信息体系。 在各个专业领域里，多模态内容早就成为主流的信息传递方式。学术论文需要用图表和公式来展示研究成果，教学材料用图解让概念更好理 解，财务报告靠各种图表来展现数据变化，医疗记录则包含大量的影像和检测数据。这些视觉化的内容和文字说明互相补充，构成了完整的专 业知识框架。 面对如此复杂的信息形态，传统的单一文本处理方式已无法满足现实各类场景的需求。各行业都迫切需要AI系统具备跨模态的综合理解能力， 能够同时解析文字叙述 ...

Artificial Analysis是一家做 AI 能力测评的权威机构。 先看一些具体数据和案例。自从2022年ChatGPT发布后，中美AI之间的差距一度显得很大，但到了 2025年5月，这个差距已经缩小到不足三个月了。 这意味着，中国的AI实验室和企业在这些年里取得了巨大的进步。 这份报告盘点中国 AI 在全球的位置，顺便对比一下，中美在语言模型这块到底谁强一点。 01 DeepSeek R1（2025年5月）在Artificial Analysis Intelligence Index中评分68分；阿里巴巴的Qwen3 235B A22B评分47分。 相比之下：OpenAI的o3也是68分；Gemini 2.5 Pro则是67分，你看，中美两国在这方面的差距已经非常 小了。 中国是如何实现这一跨越的呢？简单来说：技术性能提升和战略上的突破。 帮助工程师和企业精准把握AI的能力，从而做出战略决策。它的方法是：用大量数据说话，做系统性 分析。 2025 年 6 月中期，它们发布了一份：《2025 年第二季度中国 AI 亮点报告》。 举个例子： 阿里巴巴发布的QwQ 32B Preview在2024年11月 ...

用于辅助科学研究的大模型智能体，正在悄然发生变化 1 背景与动机 第一作者孙秋实是香港大学计算与数据科学学院博士生，硕士毕业于新加坡国立大学数据科学系。主要研究方向为 Computer-using agents 和 Code intelligence， 在 NLP 和 ML 顶会 ACL，EMNLP，ICLR，COLM 等发表多篇论文。本文的 OS-Copilot 团队此前已发布了 OS-Atlas、OS-Genesis 和 SeeClick 等同系列电脑智 能体研究成果，被广泛应用于学术界与产业实践中。 过去几年，随着 LLMs 和 VLMs 的飞速进步，我们见证了 AI 在自然语言处理、编程、图像理解等领域的广泛应用。而在科学研究这一关乎人类知识积累的关键 场域，基于这些强大模型的智能体正悄然成为科研工作流的 "新型合作者"。 在早期，AI 在科学中的角色往往是 "分析器"—— 帮助分析数据、撰写文献、生成图表。但随着电脑智能体（Computer-Using Agents，也称 CUA）的出现，这一 角色正在发生根本性转变。相比于传统的语言模型助手，这类智能体能够像人类一样操作计算机，通过图形界面点击、拖 ...

面向现实世界的机器人感知评测任务，五大赛道，全链路挑战，全球征集解决方案！ 为什么需要 RoboSense？ 在机器人系统不断迈向真实世界的进程中，感知系统的稳定性、鲁棒性与泛化能力正成为制约其部署能力 的关键因素。面对动态人群、恶劣天气、传感器故障、跨平台部署等复杂环境条件，传统感知算法往往面 临性能大幅下降的挑战。 为此， RoboSense Challenge 2025 应运而生。该挑战赛旨在系统性评估机器人在真实场景下的感知与理解 能力，推动多模态感知模型的稳健性研究，鼓励跨模态融合与任务泛化方向的创新探索。 | Registration | From June 2025 | | --- | --- | | Competition Server Online | June 15th, 2025 | | Phase One Deadline | August 15th, 2025 | | Phase Two Deadline | September 15th, 2025 | | Award Decision @ IROS 2025 | October 19th, 2025 | 该赛事由新加坡国立大学、南 ...

作者丨 视觉语言导航 编辑丨 视觉语言导航 点击下方 卡片 ，关注" 具身智能之心 "公众号 >> 点击进入→ 具身 智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有 你想要的。 主要贡献 研究背景 | Task | PointNav | ImageNav | ObjectNav | Audio-GoalNav | | --- | --- | --- | --- | --- | | Description | Navigate to a | Navigate to a | Navigate to a | Navigate to | | | specific 3D point | location matching | specific object. | sound sources. | | | in space. | a visual image. | | | | Sensory Inputs | Visual (RGB, | Visual | Visual (Object | Visual (RGB-D) | | | Depth, ...