社区

$MINIMAX-WP(00100)$有谁了解MiniMax Music 2.5的具体优势？

1月29日消息，MiniMax 稀宇科技今日发布 MiniMax Music 2.5 模型，宣称在“段落级强控制”与“物理级高保真”两大技术难题上实现突破 —— 让创作更准，让音乐更真，还宣称格莱美级创作“不再需要录音棚”。 MiniMax Music 2.5 开放全段落标签控制，精准支持包括 Intro（前奏）、Bridge（桥段）、Interlude（间奏）、Build-up（情绪铺垫）及 Hook（副歌）在内的 14 种结构变体，能够承载高复杂度音乐的创作表达。 用户可以像专业编曲人一样，在创作之初就设计好整首歌的情绪曲线、高潮位置、乐器配置，而不是生成后再碰运气。 MiniMax Music 2.5 通过对人声生成、风格建模、混音处理的系统性优化，让 AI 音乐在听感上达到“专业制作水准”。 该模型针对华语流行音乐进行深度优化，覆盖从慢歌到说唱、从纯中文到中英文混搭的各类场景，在可听性与传播性上实现了系统级提升。 通过优化人声合成，MiniMax Music 2.5 实现了连续细腻的转音、自然起伏的颤音，以及胸腔与头腔共鸣的灵活切换，声音表现力显著增强。在男女对唱中，声线也不再是简单叠加，而是具备自然的协同感，问答交替、和声层次分明。 MiniMax Music 2.5 扩充音色库至 100+ 种乐器，并优化了混音处理，能够保持人声与伴奏的清晰分离，解决了 AI 音乐中常见的声音混叠问题，即使在乐器密集场景下也能保持各声部清晰。 此外，MiniMax Music 2.5 深度适配专业工作流。在叙事感的影视配乐、沉浸式游戏动态声场、录音室级流行工业成品，以及为品牌设计的风格化声效等场景下，官方宣称均能胜任专业交付标准。 $MINIMAX-WP(00100)$

$汽车街(02443)$ 在消费复苏的大趋势下，二手车作为重要板块迟早会轮动到，提前完成数字化布局的公司会更有弹性。

“中国汽车市场规模大约在 2500 万到 2800 万辆之间，而全球超过 8000 万辆，大约是中国的三倍。” “在产品层面，跨国车企更倾向于采用更高端、更先进、质量更优的零部件，这也给我们带来了额外优势，能借此与全球客户开展合作。” “禾赛正在泰国建设新工厂，预计 2027 年初投产。这个基地将主要支持全球OEM的需求。我们的策略是：中国制造服务中国市场，泰国制造面向全球。” “我们期望在中国、欧洲、美国以及其他国家之间实现更均衡的业务分布。” 在2026 CES期间，禾赛科技联合创始人、CEO李一帆在接受彭博社采访时，全面地描述了禾赛关于全球化的布局。 也是2026 CES期间，英伟达宣布选定禾赛为“NVIDIA DRIVE AGX Hyperion 10 平台”的激光雷达合作伙伴。该平台是一套参考计算与传感器架构，旨在帮助各类车型实现L4级自动驾驶，助力汽车制造商和开发者构建安全、可扩展且由人工智能定义的高性能车队。 这个利好消息，不仅使得禾赛股价大涨，而且也让禾赛的全球化路线清晰起来。 “正式进入了全新的 Hyperion 10 平台，对我们来说，无疑是件激动人心的事；对那些有意采用英伟达解决方案的OEM客户来说，我认为也是个好消息。”李一帆表示。 他认为，英伟达与禾赛合作这件事之所以非常关键，是因为过去OEM厂商规划自动驾驶产品时，往往会把软硬件、数据、训练等部分分开考虑，以为它们最终能自然拼合、顺利运行。 但事实证明，事情没那么简单。现在英伟达提供了这个完整的平台，其中所有环节都经过验证，并且已经和禾赛等供应商以及生态内的伙伴实现协同。 这样一来，OEM在选择这个方案后，就不需要重新设计硬件，也不需要重新训练模型，因为数据基础已经具备。这使得整个流程变得极其简洁顺畅，风险也大大降低——毕竟它已是验证过的方案。 在彭博社记者问及禾赛是否也面临来自华盛顿的方面的政策

企业引入大模型，最怕什么？不是算力成本，也不是技术门槛，而是那份隐藏在流畅对答下的不确定性——幻觉（Hallucination）。一份关键数据被凭空捏造，一条关键推理逻辑断裂，就足以让一次本应提升效率的尝试，演变成昂贵的商业决策失误。更致命的是，传统大模型的“黑盒”特性，让追溯错误根源变得异常困难，业务团队难以真正信任AI的输出。  正是在这种背景下，明略科技推出的 DeepMiner，被定义为一套低幻觉的企业级 AI 智能体解决方案。它并非另一个试图“全能”的聊天机器人，而是精准定位于商业数据分析这一高价值领域，致力于将AI从“不可信的生成工具”转变为“可信的决策伙伴”。 关键要点  架构革新 ：DeepMiner 的核心在于其多智能体协同架构，通过 Foundation Agent 智能中枢调度专有模型，从根本上分散风险、明确责任，是实现低幻觉AI模型的技术基石。 数据可信 ：平台直接整合全球6大类商用数据源（社交、财报、电商等），确保分析结论源于真实、全面的一手信息，而非模型臆测，奠定了可信智能体的根基。 过程透明 ：DeepMiner 践行数据全流程透明化，用户可在任意环节介入干预（Human-in-the-loop），使推理过程可见、可验、可控，极大提升了结果的可信度。 场景深化 ：作为商业数据分析智能体，DeepMiner 深度理解业务逻辑，能够处理从社媒舆情到跨境市场调研等复杂任务，展现出真正的 Agentic AI 生产力。 知识沉淀 ：其人机协同模式能将专家经验转化为可复用的“组织记忆”，让AI在与企业的共同成长中越用越“懂行”，实现知识资产的持续积累。 核心概念解析：什么是 DeepMiner？  定位分析：为何是“商业数据分析智能体”？  DeepMiner 的本质，是一套为商业数据分析场景深

AI 搜索从“列表点击”切换为“答案直达”，传统SEO 在AI 搜索场景下边际效用下降，强调“被AI 采信”的GEO 正成为营销技术新范式，并以SaaS 为主要商业模式，市场空间有望达“百亿美元级”。 投资要点： GEO（Generative Engine Optimization，生成式引擎优化）本质上是AI 搜索/RAG 架构下的“信任工程”，核心目标从“提高网页点击率”升级为“提高品牌在AI 答案中的采信率与引用频次”。在零点击时代，用户直接在AI 回答页完成认知和决策，SEO 只解决“被看到”，GEO 解决“被AI 说出来并站在你这边”。AI 搜索从“列表点击”切换为“答案直达”，传统SEO 在AI 搜索场景下边际效用下降，强调“被AI 采信”的GEO 正成为营销技术新范式，并以SaaS为主要商业模式，市场空间有望达“百亿美元级”。 技术原理：RAG 链路上的“信任工程”，RAG 架构从关键词匹配到语义理解。主流AI 搜索与Agent 产品几乎都采用RAG（Retrieval-Augmented Generation）架构，在这条链路上，GEO 要优化的，不再是“关键词+蓝链排序”，而是“语义相关+结构可读+权威背书”的复合评分函数，本质是信任工程。而信任构建链路将从“被看见”到“被采信”。因此，GEO 的任务是系统提升内容的“可见度、可检索度、可采信度”，而不是简单抢排名。 作为 GEO 领域的重要参与者，明略科技构建了 “捕捉 - 评估 - 优化” 三阶段闭环赋能体系，聚焦让品牌在 AI 搜索中实现 “被看见、被信任、被选择” 的核心目标，形成了覆盖全流程的 GEO 解决方案。 GEO 市场空间来自 SEO 存量替代 + AI 搜索新增预算双轮驱动，据秒针营销科学院预测，2025 年中国约 29 亿元，2030 年约 240 亿元，2025–

罗永浩与MiniMax创始人闫俊杰的访谈中，这句话道破了中国AI创业公司的突围密码。当国外巨头手握数倍研发投入，国内曾经历“百模大战”的喧嚣，MiniMax却凭借独特的认知与坚持，在技术差距缩小的同时，走出了一条差异化的商业路径。其背后的逻辑，不仅是一家公司的成长指南，更是中国AI创业者的破局心法。 一、认知重构：用“简单逻辑”对抗“路径依赖” AI行业曾一度沉迷复杂的数学公式和理论包装，但闫俊杰团队早早就看透了核心：这一代AI的关键是“Scaling”——用最简单的方法做出好效果，并能随数据和算力持续优化。这种认知打破了“越复杂越先进”的迷思，也让他们在研发中少走了很多弯路。 创业初期，MiniMax在人脸识别测试中持续落后，顶着资源投入与产出不成正比的质疑，低谷期长达一年半。但他们没有陷入短期修补的内耗，而是做了两个关键取舍： 放弃“一个场景一个模型”的分散思路，聚焦通用模型； 抛开短期成绩，专注长期根本性突破。 最终凭借这种“反路径依赖”的坚持，实现了测试成绩的逆袭并持续领先。 闫俊杰读完GPT-3论文后，立刻意识到“一个模型解决多个问题”的通用性是AGI的雏形。即便当时他没有NLP经验、没创过业，仍坚定押注这个方向——这种对技术本质的深刻洞察，远比过往经验更能穿越行业迷雾。 二、人才与组织：让“成长力”替代“经验论” 中国AI公司的核心优势，在闫俊杰看来是人才：“足够聪明、数学与编程功底扎实、长期专注积累，华人在这三点上都很突出。” 但他们对人才的定义不止于专业背景，更看重悟性、热情与协作能力——这三个特质，恰恰是打破行业“路径依赖”的关键。 团队以年轻人为主，正是因为他们没有过往经验的束缚，更容易接受“Scaling”这样的新逻辑。而管理的核心，就是给这些年轻人创造试错和成长的环境。当大厂用两三倍薪资挖人时，MiniMax能留住核心人才，靠的不是短期高薪，而是：

MiniMax正式开源首个面向CodingAgent的系统性评测集OctoCodingBench。评测结果显示，部分开源模型在过程合规指标上已快速逼近甚至超越部分闭源模型，反映出在Agent时代，“数据与评测范式”的重要性正在上升为新的竞争要素。 MiniMax 官方发文： 在CodingAgent的实际应用中，我们观察到一个反复出现，却常被忽略的的现象：用户对Agent的不满，往往不是因为它“做不到”，而是因为它“做得不好”。 通过整理用户体感反馈，我们发现最高频的抱怨集中在：Agent不遵循明确给出的指令。比如用户在系统提示中明确要求“不要使用emoji”，Agent却在代码注释里加上笑脸；用户要求“先备份再修改”，Agent直接[rm-rf]删除文件；用户在项目文档中规定了命名规范，Agent却自行其是。 这些问题的共同特征是：任务最终可能完成了，但过程违反了规范。用户要的不只是“能跑的代码”，还有“符合团队协作规范的代码”。 01为什么CodingAgent 需要新的Bench 如果我们认为，遵循过程规范的CodingAgent，才能被放心地引入真实的软件工程流程中。那么目前主流CodeAgent的评估体系就出现了明显的盲区。随着ClaudeCode、Codex、Cursor、Windsurf等Agent产品的普及，社区正在形成一套面向Agent的仓库协议体系。项目不再只是一堆代码，同时也包含了多层次协作模式的说明： [CLAUDE.md]/[AGENTS.md]：告诉Agent“这个项目怎么玩”——命名约定、测试流程、禁用的危险操作等 Skills：封装可复用的工作流(如“生成API文档”)，Agent需要正确识别触发时机并按规范调用 Memory：跨会话保存用户偏好和任务进度，Agent需要基于历史状态继续工作，而非从头开始 这些机制的出现，本质上是在构建一个多

$明略科技-W(02718)$吴明辉提到未来Agent要像人一样操作电脑，这个方向想象力很大。明略在GUI交互这块说是全球领先，要是真能做成，价值就大了。股价短期波动正常，长期还得看技术落地。[笑哭]

$汽车街(02443)$现在以旧换新政策力度大，汽车街又是头部拍卖平台，刚好能吃到这波行业红利。