网易首页 > 网易号 > 正文 申请入驻

当蛋白质设计有了自己的「Claude Code」,AI Native生物科技公司开始交付「真实成果」

0
分享至

编辑|Youli

在药物研发中,找到一个能够与目标蛋白结合的分子,意味着什么?这当然是重要进展,不过距离真正开发出一款药物,还很遥远。

一个候选分子首先需要证明自己能够识别并结合目标,随后,还要经过亲和力、功能活性、表达量、热稳定性、纯度等多方面的实验评估。即便这些早期指标表现不错,也仍然需要进一步开展药代动力学、毒理学等研究,才能判断它是否具备进入后续研发阶段的潜力。

而这也是 AI 进入药物研发领域,从蛋白质设计逐渐走向真实药物研发时,必须面对的一道关卡。

过去几年,随着生成式生物大模型的发展,AI 已经能够根据目标蛋白的结构和设计要求,生成此前不存在的蛋白质分子,并开始在真实湿实验中证明,这些计算设计出来的分子确实能够与目标产生结合活性。

这意味着,AI 蛋白质设计逐渐从结构预测走向从头生成,并初步跨过了「从 0 到 1 验证能结合」的门槛。

但近一年来,面对真实药企的研发管线诉求,「能结合」已不够,行业开始关心:AI 能不能找到值得继续推进的候选分子?能不能减少大量无效的设计和实验?能不能把计算结果转化为真实的研发成果?

换句话说,AI 制药的行业命题正在从「能不能设计出一个分子」,进一步走向「能不能真正成药」……

围绕这一目标,行业各类厂商都在探索,「AI Native 生物制药公司」百奥几何也是其中一家。

近日,百奥几何正式发布新一代药物研发引擎 GeoFlow V4,并同步推出智能体式药物设计编排体系 GeoFlow Code。

前者依托数据与模型的协同扩展,进一步提升蛋白质结构预测、从头设计和候选评估能力,后者则引入自主编排机制,让 AI 不再局限于执行单次设计任务,而是能够围绕具体研发目标,自主组织多轮探索、评估和优化。两者共同支撑以成药为导向、贯通「模型 - 分子 - 数据」的 RSI 干湿反馈研发闭环。

更值得关注的是,百奥几何还公布了覆盖 13 个疾病治疗相关靶点、15 项从头设计任务的湿实验结果,平均命中率达到 34.6%,较上一代提升约 85%。

此外,GeoFlow V4 在统一框架下支持小蛋白、环肽、纳米抗体和 IgG 抗体等多种分子类型的从头设计。部分候选分子获得了皮摩尔(pM)级结合亲和力,设计抗体在表达量、热稳定性、纯度,以及非特异性结合等早期可开发性指标上取得了良好表现。

从模型能力提升,到 AI 自主组织设计任务,再到真实实验验证,百奥几何这次希望展示的,显然不只是一个更强的蛋白质模型,而是一套能够将 AI 能力转化为研发成果的系统,持续拓展 AI 在分子研发领域的能力边界。

换句话说,「在命中之外,向成药更进一步」。

基模跃迁:GeoFlow V4 如何让蛋白质设计变得更强?

蛋白质设计并非简单的单一任务。

面对不同的疾病靶点和研发需求,研究人员可能需要设计小蛋白、抗体、纳米抗体或者环肽。这些分子在结构、长度、构象约束和设计目标上存在差异,所需要的计算方法和实验验证方式也不完全相同。

百奥几何此前几代 GeoFlow 模型一直在尝试解决这一问题。从早期的抗体生成,到全原子结构预测与生成的统一,再到多步推理驱动的表位定向设计,模型的能力边界逐渐向更完整的蛋白质设计任务延伸。

而到了最新推出的 GeoFlow V4,这种演进进一步体现在结构预测与候选筛选两大核心能力上。



首先是更精准的结构预测:抗体 - 抗原结构预测达到国际前沿水平。

对于抗体设计而言,准确预测抗体与抗原之间的结合结构并不容易,尤其在缺少结合态抗原结构先验的情况下,模型需要从有限的信息中推断两者可能形成的结合界面。

而在业界公认高难度的 FoldBench-AB 基准测试中,GeoFlow V4 的 Top-1 预测成功率达到 75.4%,位列国际前沿水平,与 IsoDDE 相当。

同时,模型还展现出显著的推理时扩展性(inference-time scaling),即随着推理阶段采样预算增加,模型可以通过探索更多可能的结构假设,进一步提高预测成功率。

数据显示,当推理采样数量增加到 100 次时,预测成功率进一步达到 78.8%。这也说明,在结构预测任务中,增加推理阶段的计算资源,仍然能够为模型带来进一步的性能提升。



其次是跨模态置信度评分带来精准「鉴宝」能力:筛选出「好分子」与「坏分子」。

对蛋白质设计来说,生成能力只是一个方面,面对成百上千个候选分子,如何判断哪些分子更可能真正结合目标、哪些值得优先送进湿实验室,直接影响后续研发的效率。

随着基础模型能力的整体跃升,GeoFlow V4 进一步增强了对候选分子的置信度评估能力,能够从大量设计结果中识别出更值得验证的候选:

  • 在 IGDesign 抗体数据集上,GeoFlow V4 能够根据评分优先筛选出更有希望的候选分子,评分排名前 5% 的候选中,结合分子的富集效果达到 6 倍;
  • 在更具挑战性的 SKEMPI 亲和力排序任务中,GeoFlow V4 在多个抗体体系上的表现也显著优于上一代模型,能够更好地区分以往难以识别的亲和力差异。



这意味着,模型不只是负责提出设计方案,生成三维结构合理的分子,还能够在进入昂贵的湿实验之前提前过滤掉绝大多数无效序列,判断出到底哪些分子更值得继续投入计算和实验资源。

从结构预测、分子生成到质量评估,可以看出,GeoFlow V4 希望建立的是一套相对完整的蛋白质基础模型能力。

不过,一个值得进一步思考的问题随之出现:当模型已经足够强,能否自动找到最合适的设计路径?人类是否还需要亲自决定每一步应该怎么做?

毕竟,一个复杂的蛋白质设计任务,往往不是调用一次模型就能完成的。研究人员还需要决定从哪里开始探索、采用什么策略、如何评价结果,以及下一轮应该怎样调整。

这就引出了百奥几何此次发布的一个重要框架:GeoFlow-Code。

当蛋白质设计拥有自己的「Claude Code」:用自主编排释放模型上限

2026 年,Agent 自主组织复杂科研任务成为 AI for Science 的重要发展方向。

以 Anthropic 的蛋白质设计研究为例,Claude 开始自主规划设计任务,调用专业结构设计、序列设计和预测工具,经过多轮计算优化和筛选,寻找能够与目标结合的候选分子。

前段时间,Anthropic 公布一项科研成果,Claude 在 64 小时内生成了 318484 种蛋白质设计,并从中筛选出 211 种候选蛋白,交由实验室测试,最终有 17 种达到预设的结合标准。

这背后体现出一个变化:通用大模型正在从提供单点能力,走向组织复杂科研工作流。

而在百奥几何看来,做好蛋白设计需要两股力量:「强大的基础模型」+「能把模型性能压榨到极致的自主编排系统」。因为蛋白质设计并非简单的模型调用任务,而是一个需要不断提出假设、尝试不同策略、比较结果并持续调整的复杂过程。

因此,相较于前代 GeoFlow 采用固定策略下的多轮优化 —— 通过多步推理持续迭代优化候选分子,GeoFlow V4 引入了蛋白质设计领域专用编程语言与执行框架 GeoFlow Code,实现设计策略的自主探索与执行。

可以这么理解,GeoFlow-Code 堪称蛋白质设计领域的「Claude Code」:将大语言模型的规划、决策和执行能力,与 GeoFlow 的结构理解和生成能力结合起来,围绕明确的生物学目标,自主开展文献检索、表位选取、设计编排及结果分析。

也就是说,GeoFlow V4 解决的是模型本身有多强,而 GeoFlow-Code 则扮演了专为蛋白质设计构建的自主编排系统,决定模型能够以怎样的方式组织任务、探索策略,最大程度释放模型性能极限。



过去,AI 蛋白质设计往往依赖科学家预设的固定流水线 —— 先用某个工具生成骨架、再用另一个模型设计序列、最后按经验阈值筛选。这种线性流程不仅探索空间受限,也容易陷入人类专家固有的经验路径依赖。GeoFlow-Code 彻底改变了调用模型的方式,为蛋白质设计战役注入了高度的自主编排灵活性、多轮推理能力与自我进化机制。

在面对具体的生物学设计目标时,系统能够自主规划多轮设计任务,动态组合不同的生成模式与筛选标准,并根据每一轮的计算反馈调整后续策略。与此同时,系统会记录分子设计过程和筛选依据,方便专家检查、调整和复用。

在极具挑战性的 PD-1 跨种属 IgG 抗体设计任务中,研究团队要求在 48 小时内设计出能够同时识别人、猴和鼠 PD-1,并阻断其与 PD-L1 结合的分子。

在统一的计算筛选标准下,专家规划流程的综合通过率为 0.16%,GeoFlow Code 自主编排流程则达到 4.23%,约为前者的 26 倍;序列多样性指标也达到前者的 19 倍。

这说明,在复杂的蛋白质设计任务中,模型本身的能力固然重要,但如何组织模型、选择设计策略,同样可能带来显著的性能差异。



而这种变化带来的不仅是流程自动化,更是研发策略本身的拓展。

在一个跨种属设计任务中,系统尝试从不同种属的抗原出发,探索更有效的设计起点。结果发现,以鼠源抗原为起点生成的候选分子,在跨种属虚拟筛选中的通过率达到以人源抗原为起点的 2.5 倍。

另一个表位定向设计任务中,GeoFlow Code 则根据目标表位的形态,主动寻找具有互补特征的结构片段,并以此开展后续设计,使相应策略的计算设计成功率提高至原来的 5 倍。

这两个案例值得关注的地方在于,AI 不再只是按照人类预设的经验执行设计,而是能够通过探索不同的设计条件,找到此前没有被优先采用、但实际效果更好的策略。

此外,这种自主编排能力带来的价值,还体现在研发效率上。

GeoFlow Code 能够围绕不同研发目标,自主组织多个设计分支并行探索,将不同靶点、分子形式和实验检测任务纳入统一的研发流程。原本需要研究人员逐一组织的设计、计算和筛选工作,现在可以由系统自主规划、调度和执行。

据百奥几何披露的效率对比数据显示,引入 GeoFlow Code 后,研发效率大幅提升。

这意味着,GeoFlow Code 带来的不只是单次设计任务的提速,更是让一套研发体系能够在更短时间内并行推进更多设计项目。

从研发生产力的角度看,GeoFlow Code 在加速「专家定义成药需求、AI 自主探索设计方案、实验反馈指导迭代」的药物发现模式落地。(注:文中所涉早期可成药潜力评估,均指已通过表达量、稳定性等早期可开发性指标验证、值得继续推进的候选分子,完整药物开发与临床验证仍待后续完成。)

湿实验深水区:从「能结合」到「能开发」,真实数据如何验证模型能力?

模型更强了,AI 也能够自主组织设计任务,但这些能力最终是否有价值,最终的「试金石」在于湿实验的深度:能否在真实实验室里,把构象与物理性质迥异的多类分子全部制造出来,并交出接近药物开发标准的实测数据?而 V4 真正的硬实力正在于此。

首先来看整体实验结果。

此次百奥几何围绕肿瘤、自身免疫与炎症、代谢及神经肽等方向,选取了 13 个具有明确临床价值的靶点,开展了 15 项独立设计任务,每项任务仅合成测试 13~50 个候选分子。

最终结果显示,GeoFlow V4 的平均湿实验命中率达到 34.6%,较上一代 GeoFlow V3 实现了明显跃升。

更重要的是,不同于以往多数团队仅局限于较易设计的小蛋白支架,V4 在小蛋白、VHH 纳米抗体、全长 IgG 抗体、环肽四类主流治疗分子形态上全线拿到阳性验证,且亲和力全面迈入纳摩尔至皮摩尔级别,最高亲和力较上一代提升约 100 倍。



具体来看:

  • 小蛋白设计:针对肿瘤靶点 PD-L1 和 Nectin-4 设计的小蛋白,亲和力分别达到 278 pM 和 148 pM;
  • VHH 纳米抗体设计: 针对多发性骨髓瘤靶点 BCMA 设计的纳米抗体,亲和力达到 598pM;
  • 针对自免靶点 IL36R 设计的 IgG 分子亲和力达到 458pM;
  • 针对疼痛领域短肽靶点 PACAP 设计的 IgG 分子亲和力达到 15pM。



这里还有一个值得关注的地方:模型的设计能力开始向更复杂的靶点延伸。

例如,GCGR、CCR8 等 GPCR 靶点属于多次跨膜蛋白,其可供识别的胞外表面有限,构象柔性也较高,因此对从头设计提出了更高要求。

百奥几何披露的结果显示,GeoFlow V4 针对 STEAP1、CCR8 和 GCGR 三个多次跨膜靶点设计的抗体,均表现出细胞结合活性,表观 EC₅₀达到 nM 级或更低。

其中,在 STEAP1 靶点上,获得了表观 EC₅₀达 pM 级的结合分子,其细胞结合表现与临床分子 AMG 509 的 anti-STEAP1 端 IgG 相当或更优。



这类结果的重要性在于,设计对象已经从相对容易处理的结构模型,进一步延伸到更复杂的真实细胞环境。

不过,获得结合分子只是药物开发的起点。

对于真正有研发价值的候选分子,还需要考察功能活性、种属交叉活性、特异性,以及表达、纯度、热稳定性、多反应性等一系列早期可开发性指标。

而百奥几何一项针对 MC4R 环肽的 cAMP 激动活性验证结果,则直接为模型围绕目标功能开展分子设计提供了实验依据。数据显示,GeoFlow V4 设计的 16 个受测环肽中,有 13 个在细胞 cAMP 实验中表现出激动活性,比例超过 80%。



不仅如此,百奥几何此次还公布了上百个 VHH 和 IgG 分子的早期可开发性数据。如果说结合亲和力回答的是分子能否有效识别目标,那么可开发性则回答了另一个问题:这个分子是否具备进一步进入药物研发流程的基础?

数据显示:

  • 表达量测试:93% 的受测 VHH 与 96% 的受测 IgG 达到预设的表达量筛选标准;
  • 热稳定性(Tm₁ 超 60℃)测试:98% 的受测 VHH 与 99% 的受测 IgG 达标,展现出良好的热稳定性;
  • 纯度测试:受测 VHH 与 IgG 均有八成以上在 Protein A 一步纯化后,单体占比超过 90%;
  • 非特异性结合测试:94 个受测分子全部通过 dsDNA 和胰岛素非特异性检测,BVP-ELISA 检测通过率达到 99%,整体表现优秀。





这一组扎实的数据标志着行业评价标准的深刻迁移:从结合验证、功能检测到早期可开发性评估,AI 蛋白质设计不再仅仅满足于证明「生成出来的分子能够结合」,进一步延伸到「功能活性和早期可开发性」。

价值重估:在药物发现链条中,技术优势如何转化为商业想象力?

如果把 GeoFlow V4、GeoFlow-Code 和湿实验结果放回真实的药物发现流程中,就会发现,百奥几何这次的突破不再局限于学术榜单上的数字成绩,开始重塑生物医药研发链条的底层效率与商业想象力:这些能力究竟能够为药企的研发工作带来什么?

首先,从提供计算结果到交付经过实验验证的候选分子,把「海量盲筛」压缩为「精准交付」。

对于药企而言,购买一个模型或者获得一批计算生成的蛋白质序列,并不是研发工作的终点,真正决定胜负的,是模型能否真正交付符合成药需求的候选分子。

而百奥几何正在尝试打通从分子设计到真实实验验证的链条:攀升的命中率、皮摩尔级的结合亲和力,以及细胞功能与早期可开发性的实测数据,为研发团队筛选、优化和推进候选分子提供了扎实的依据。过去,成药性往往是研发后端才去检验的淘汰关卡,如今却被直接前置到了分子生成的源头 —— 早期药物发现由此告别耗费数月预算的「碰运气」盲筛,转向可预期的工程化精准交付。

其次,打破分子模态与靶点边界,拓宽研发管线的选择空间。

传统研发模式下,药企针对不同疾病机理与靶点特性,往往需要为小蛋白、环肽、纳米抗体和全长抗体分别搭建独立的技术平台与团队,而百奥几何将四类分子纳入同一模型体系,并分别获得了湿实验验证,为研发团队提供了更多设计选择。

这意味着,面对一个具体靶点,药企与研发人员可以结合目标结构、预期作用机制和开发要求,探索不同分子形态的可能性,而不必过早将研发路线限定在一种方案上。

还有一点值得注意的是,让研发能力具备规模化推进的可能。

正如前文所述,当研发效率大幅提升,同样的研发体系便有机会在更短时间内支持更多设计任务并行推进。

而对于一家 AI Native 生物科技公司而言,这一点尤其重要。研发效率不只取决于模型一次能生成多少分子,还取决于能否同时推进多个靶点、能否快速调整设计策略,以及能否将一套有效的设计流程复用到下一个项目。

当自主编排系统能够承担更多重复性的设计组织与评估工作,专家就有机会把更多精力聚焦关键科学判断与实验决策。

这背后实际上是研发组织方式的变化:过去,一个项目需要多少研发人员、多少时间,往往与人工组织流程的效率密切相关;而当 AI 能够承担部分设计、计算和评估工作,同样规模的团队就有机会支持更多项目。

AI for Science 的下一站:迈向自进化的生命科学研发系统

其实,如果从 GeoFlow V4 与 GeoFlow-Code 的协同表现来看,百奥几何这次发布的意义远不止于推出一个更大、更准的预测或设计模型,更像是一次完整的系统级验证:当基础模型完成 Scaling 跃迁,当专业 Harness 能够自主组织并优化多轮设计策略,当湿实验室能够持续针对多类分子输出亲和力与早期可开发性验证,AI 蛋白质设计才真正从「单点算法工具」进化为一套可工业化运转的研发系统。

但这还不够,百奥几何希望这套研发系统能够在持续迭代中不断提升,而这也正是其探索 RSI(Recursive Self-Improvement,递归式自我改进)研发模式的重要方向。

在传统研发流程中,计算设计和实验验证往往存在一定的割裂:模型在计算环境中提出方案,研究人员再将部分候选送入实验室,实验结果用于判断当前设计是否成功。

而在 RSI 的设想中,GeoFlow V4 负责提出设计假设,GeoFlow-Code 负责制定和执行设计计划,自动化实验室负责测试候选分子,而实验数据则被持续积累,并为后续项目提供新的依据。

实验室不再只是研发流程的终点,而是整个系统持续运行的一部分。实验结果能够反馈到后续设计中,不同项目积累的数据也有机会被复用,让下一轮研发建立在更多真实实验经验之上。

这意味着,AI 的改进不再只依赖模型本身的训练和升级,还可以来自设计策略的调整、实验反馈的积累,以及研发流程的持续优化。

而放眼整个 AI for Science 领域,行业竞争的维度也正在发生变化。

过去几年,AI 行业的竞争主要围绕模型 Scaling 展开:扩大数据规模、算力规模和模型参数,不断提升模型能力。但在科学发现领域,单纯扩大模型规模并不足以解决所有问题。模型在计算机中表现得再好,也需要在真实世界中接受验证。

对于药企和产业界而言,真正重要的始终是研发结果:设计出来的分子能不能进入实验室,能不能达到早期开发要求,能不能为后续管线推进提供价值。

因此,下一阶段的行业竞争焦点或将延伸到研发系统本身:谁能够让模型自主组织更复杂的任务,谁能够让实验室以更高效率提供反馈,谁能够让每一轮研发积累的数据真正改善下一轮设计。

从这个角度看,AI Native 生物科技公司的长期竞争力,或许不再只是拥有一个性能领先的模型,而是建立一套能够持续发现、验证和优化分子的研发系统。

当每一次设计都能产生新的实验数据,每一次实验都可能成为下一轮研发的起点,AI 才真正有机会从一个科研工具,成长为持续创造研发价值的生产力系统。

从「设计分子」到「理解细胞」,再到「干预疾病」,百奥几何试图探索的,是 AI 在生命科学领域更深层次的应用边界。当模型能够持续提出新的分子设计方案,实验能够不断提供来自真实生命系统的反馈,AI 的价值也将不再局限于生成和预测,而是有机会参与药物发现的更多环节。

这或许才是 AI 制药更值得期待的未来:让计算世界中的每一次突破,都有机会在真实生命系统中得到验证,并最终转化为改善人类健康的新可能……

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
越南与云南谁更强?越南超1亿人创造4763亿美元GDP,云南有多少?

越南与云南谁更强?越南超1亿人创造4763亿美元GDP,云南有多少?

铭记历史呀
2026-11-21 03:22:42
凶宅试睡员在上海一别墅中被吓死,警方调查傻眼:这不是被吓死的

凶宅试睡员在上海一别墅中被吓死,警方调查傻眼:这不是被吓死的

罪案洞察者
2025-06-12 13:45:25
小叔子婚宴,丈夫没和我商量随礼52万,我果断离婚,开庭那天他愣了

小叔子婚宴,丈夫没和我商量随礼52万,我果断离婚,开庭那天他愣了

云端小院
2026-10-31 08:52:38
作家陈岚点评大S之死,如果汪小菲带大S去旅游,估计连灰都没有了

作家陈岚点评大S之死,如果汪小菲带大S去旅游,估计连灰都没有了

小人物看尽人间百态
2025-02-09 09:12:11
理想员工称“宁德时代一天寄来3封催款邮件”,上月理想MEGA部分订单无法按约交付,8月已从宁德时代前五大客户中消失

理想员工称“宁德时代一天寄来3封催款邮件”,上月理想MEGA部分订单无法按约交付,8月已从宁德时代前五大客户中消失

青科新闻
2026-11-20 14:08:31
红军过草地其实仅用五六天,巨大非战斗减员源自哪里?有何隐情?

红军过草地其实仅用五六天,巨大非战斗减员源自哪里?有何隐情?

幻梦人生
2024-12-08 04:05:03
我感觉其实不用再猜了,万斯大概率就是下一届美国总统。真要是他入主白宫,首当其冲的就是中国

我感觉其实不用再猜了,万斯大概率就是下一届美国总统。真要是他入主白宫,首当其冲的就是中国

扶苏聊历史
2026-10-26 17:56:12
日本称高市早苗在深圳,受到“惯常接待”,日本是在打什么主意?

日本称高市早苗在深圳,受到“惯常接待”,日本是在打什么主意?

蓝星杂谈
2026-11-20 20:27:03
克里姆林宫的麻烦不过才刚刚开始...

克里姆林宫的麻烦不过才刚刚开始...

魔幻故事
2026-11-21 00:33:02
14人缺席投票,约翰逊喊话同僚回来上班

14人缺席投票,约翰逊喊话同僚回来上班

我是一个粉刷匠2
2026-11-21 02:32:34
陆家嘴集团规划总监、规划与建筑设计管理部总经理陶建强:长期主义,释放城市长期价值

陆家嘴集团规划总监、规划与建筑设计管理部总经理陶建强:长期主义,释放城市长期价值

商业周刊中文版
2026-11-20 00:53:10
我二叔年轻时赶夜路借宿,醒来发现睡在坟地里,屋里的人全没了

我二叔年轻时赶夜路借宿,醒来发现睡在坟地里,屋里的人全没了

千秋文化
2026-11-18 20:57:40
美国发现一个离谱真相:中国根本不是对手,而是打不动的底层系统

美国发现一个离谱真相:中国根本不是对手,而是打不动的底层系统

壹知眠羊
2026-10-09 07:09:42
VIX恐慌指数日内大涨逾10% 突破31点

VIX恐慌指数日内大涨逾10% 突破31点

每日经济新闻
2026-11-20 21:44:46
男子破产养家跑外卖8年,这天收到1800万汇款,查到汇款方:怎么是你

男子破产养家跑外卖8年,这天收到1800万汇款,查到汇款方:怎么是你

古怪奇谈录
2025-07-19 10:06:36
你所不知道的蔡元培:是蒋介石发动“四一二”政变的马前卒

你所不知道的蔡元培:是蒋介石发动“四一二”政变的马前卒

阿胡
2025-09-28 16:53:12
美国下届大选格局渐朗,万斯有可能是下届总统:如果他顺利执掌白宫,中国将成为大国博弈的重心

美国下届大选格局渐朗,万斯有可能是下届总统:如果他顺利执掌白宫,中国将成为大国博弈的重心

磊子讲史
2026-11-03 16:23:26
女模特被新加坡富商以80万邀请去度假,归来后抱头痛哭:我被当玩具

女模特被新加坡富商以80万邀请去度假,归来后抱头痛哭:我被当玩具

罪案洞察者
2025-08-22 15:07:45
二胎大局已定?明后年,拥有2个以上孩子家庭的人,坚定4不做!

二胎大局已定?明后年,拥有2个以上孩子家庭的人,坚定4不做!

云景侃记
2026-11-19 10:07:21
当下 “发不出工资” 的 4 个行业!比想象中还严重!

当下 “发不出工资” 的 4 个行业!比想象中还严重!

职场资深秘书
2026-11-19 16:08:33
2026-11-21 04:08:49
机器之心Pro incentive-icons
机器之心Pro
专业的人工智能媒体
14524文章数 142761关注度
往期回顾 全部

科技要闻

老黄想回来?英伟达董事会:没门

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

时尚
教育
艺术
房产
军事航空

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

教育要闻

济南市历下区燕山小学教育集团将出席2026第四届课博会,解码“做中学”视域下小学科学教育生态构建

艺术要闻

投资55亿!深圳歌剧院施工现场更新,主音乐厅马蹄形已现!

房产要闻

6.6亿!海口卖地!

军事要闻

美军在中东再成三航母之势

无障碍浏览 进入关怀版