终于，MiniMax 不藏了。

首次正式公开亮相，最强大模型、最亮眼产品战绩，全部对外展示。

模型全家桶最新版齐上阵，从文本、语音到视频覆盖全模态——达成如此丰富模态且同步开放，属实是国产创业公司中首位。

尤其是视频模型如期发布，兑现了 7 月 WAIC 上创始人兼 CEO 闫俊杰放出的承诺。

旗下产品最新战绩也正式公开：

每天 30 亿次交互量。

其中生成文本量 3 万亿文本 tokens，生成图片 2000 万张、生成语音 7 万小时。

什么概念？

30 亿次文本交互 =3000 人一辈子的文本处理量；

2000 万张图片 =400 座故宫的画作收藏量；

7 万小时语音 = 读完 7000 本书。

而 3 万亿文本 tokens 这个数据处理量，在第一梯队其它友商披露出 5 千到 1 万亿 tokens 日处理量的当下，也有断层优势。

需要注意的是，这些数据，都是 1 天时间内在 MiniMax 产品上产生的。

一直以来，无论技术、产品还是融资，MiniMax 一有风吹草动，都会引发海内外各界关注。但他们始终保持着闷声搞事的路线。模型发布、产品上线总是让人猝不及防，公开的大型活动更是几乎没有。

成立近 1000 天，MiniMax 到底想做什么？外界的好奇，早已呼之欲出。

终于，带着最能证明实力的技术和产品，闫俊杰站在自家聚光灯下给出回答。

Intelligence with Everyone

这是 MiniMax 的愿景，更是路径。

初创公司中首先拿下全模态

MiniMax 想要做什么？

先来看最新技术进展——

本次活动上一共发布了 4 种模态大模型，分别是：

视频模型，abab-video-1

音乐模型，abab-music-1

语音模型，abab-speech-1

文本万亿多模态模型，abab-7

这些模型，支撑起了全国最大的 AI 交互量，在一年前的今天，当时的交互时长大约只有 ChatGPT 的 3%；到了今天，交互时长已经超过了其 50%。

也构筑起了 MiniMax 的坚实壁垒——放眼国内 AI 大模型初创公司，MiniMax 率先完成了全模态模型的研发和开放。

实力不可谓不雄厚。

其中最值得说道说道的，是 MiniMax视频模型 abab-video-1以及语音大模型 abab-speech-1。

视频模型 abab-video-1

视频模型是今年自 Sora 发布以来最热门的模型选手。

从文生图时代一路传承下来的宇航员骑马，也成为了各家视频模型小试牛刀的必考题。

我们自然也没放过 MiniMax 家的 abab-video-1（手动狗头）：

不只是我们，哪怕是在 X 上，网友们也已经玩疯了！

AI 电影人迫不及待用 abab-video-1 做出了超越自己前作的电影《地狱之地》。

还有些网友脑洞大开，想出的提示词都别具一格：

一位留着长胡子的标志性亚洲美女，身穿比基尼，沿着海岸线向镜头跑去。夕阳透过云层在背景中闪烁，所有这些都以慢动作捕捉。

但 abab-video-1 压根没在怕的：

据了解，abab-video-1 画质方面最高支持 1280*720 的 25fps，" 拥有电影感镜头移动 "，并且支持带文字元素。

目前 AI 视频时长最高 6 秒，未来或支持 10 秒。

除了现有的文生视频功能，未来还将推出图生视频和文图结合生成视频的能力。

综合官方 demo 和人肉测试，MiniMax 视频模型有两个非常显著的特点，一个是一致性连贯性方面，视频中所有的画面主体，几乎不会发生剧烈形变或崩坏的情况。

另一个是视觉呈现方面，所有生成视频内容整体画面色彩偏鲜艳。

划重点：限时免费。

官方口吻是，今后新版本达到满意状态后，考虑开启商业化计划。

视频生成的复杂度远高于文本，包括处理长上下文、巨大的存储需求以及基础设施升级等问题，同时视频背后的存储量很大，100 个文字可能不到 1k，但 5 秒视频占据几兆之多。

不过闫俊杰表示：

我们确实在视频模型生成方面取得很大的进展，根据内部评测以及跑分，我们比其他模型的（生成视频）效果都要好。

相比已经在国际市场上打响名声的国内视频模型先头兵快手可灵，MiniMax 的视频生成模型推出时间晚了一两个月。

闫俊杰说，这是因为团队一直在解决更具挑战性的技术问题，特别是如何训练算力较高的内容。

语音模型 abab-speech-1

接着来聊一聊 MiniMax 的语音模型。

只需要 20 秒真人语音作为语料数据，喂给 abab-speech-1，几乎只用眨一次眼睛的时间，AI 语音就热乎出炉了。

如果要用一组词来形容 abab-speech-1 的特色，那大概可以是不同音色、饱满情绪、多种语言、轻松生成。

而且，是超拟人的那种。

具体来看，它能支持多种语言的语音，譬如中文、英文、西语、日语，国内方言如粤语也不在话下。

听起来也真的很去 "AI 味 "，跟真人发送的语音消息一般无二。

有实例为证——之前央视节目《嗨！AI- 音乐季》中，MiniMax 语音大模型对歌手龚琳娜的语料进行采集、分析、模拟。

然后 AI 龚琳娜语音和其母亲打了个电话，完全没有被识破。

虽然叫 " 语音大模型 "，但其实它兼具音乐生成的能力。

只需经历输入灵感——生成歌词——选择风格——生成歌曲四个简简单单的步骤。

曲风上面，不管是节奏布鲁斯、说唱还是电子，都轻松拿捏。

别看它刚刚亮相，但其实 MiniMax 的语音大模型从去年 11 月开始就已经上岗就业。

迄今为止，它服务了近 500 家企业用户，在语言学习、PC 语音助手、语音声聊唱聊、超拟人情感配音等十余种场景都有落地案例。

上述所有的一切，都基于 MiniMax 的技术底座构建。

在底层技术上，MiniMax 核心关注 3 方面：

持续降低模型错误率

无限长输入输出

多模态

这是模型之上的产品，能够更快更强的关键要素。

闫俊杰认为，大语言模型领域，两个模型性能相似，一定是速度更快的那个模型更容易带来产品数据增长。就好像 Scaling Law 一样，算法相同情况下，训练数据量更大的模型往往会取得更好效果。

在如何让模型变得更快上，MiniMax 做了两次重大的技术变革：第一是 MoE，第二是 Linear Attention。

这两者，都集中体现在数周后将正式对外的多模态模型 abab-7 身上，没错，就是使用 MoE+Linear Attention 技术的那种。

首先是在 MoE（混合专家模型）尚未形成共识时，就已经决心押注，并且身体力行地在路上。

展开来说，今年 1 月，MiniMax 发布了国内首个 MoE 大语言模型 abab-6；又很快地在 4 月推出了 abab-6.5 系列。

基于这个结构，模型可以处理复杂任务，同时提升计算效率，在单位时间内训练更多（多到 " 足够多 "）的数据。

MiniMax 官方表示，其 MoE 模型取得了比 Dense 模型快 3-5 倍的速度。

具体在模型表现上，abab-6.5s 在 1 秒内可以处理近 3 万字的文本。

其次是对 Linear 架构的选择。

过去的线性注意力存在缺陷，建模效果逊于标准注意力，速度也不如标准注意力，且召回能力有限，使得复杂推理能力偏弱。

针对这些问题，MiniMax 设计了全新的 Linear 架构，在保证精度和效率的同时，解决了 Linear Attention 召回能力弱的问题，使得新架构可以适用于复杂推理任务。

在 Benchmark 上，新 Linear 架构达到相同效果所需训练算力减少了三成；推理侧，尤其是长文推理成本显著降低，128k 窗口推理成本下降到二分之一，10M 窗口推理成本甚至降低了 85%。

另外，面对快速增长的推理压力，MiniMax一边进行上下文缓存持久化（即把对话历史的 LLM Attention kv cache 持久化 / 半持久化保存下来、持续复用）和多阶段推理（即在容器层面保持单一用途），提升性能和资源的利用效率。

另一边，MiniMax 的模型背后是超大的推理集群，支持海量高并发吞吐，以此支撑将各个版本、各个模态的模型应用于大规模用户产品中。

不难看出，算力实力打底，全模态多点开花，作为国内最早入局大模型创业的公司之一，MiniMax 凭借着自己雄厚的研发实力稳步向前。

大模型每天 30 亿次交互

所有的技术积淀，都只为了一个目的：

Intelligence with Everyone。

目前，MiniMax 旗下主要有四款产品：星野、Talkie、海螺 AI 和开放平台。

前三者主打 2C，开放平台更多面向开发者。

2C 不难理解，这代表了更广阔的市场。不过为什么要做这么多产品？

一方面，从触及所有人的目标出发，多个不同定位的产品，能更快速触达更多用户。

另一方面，站在初创公司内部视角来看，多尝试才能找到真正正确的答案。与此同时，闫俊杰认为对于初创公司，如果没有足够好的产品能力来承接技术，那么哪怕取得了一定的技术进展，这些东西最终也不是你的。

但如今，行业对于大模型的商业化路径都还模棱两可。技术和产品之间该如何平衡，哪个更重要？

在闫俊杰的最新分享中给出了回答：以 Intelligence with Everyone 为起点，技术和产品密不可分。

产品是技术落地的平台，它能直接体现技术的价值，也是实现 AGI 愿景的必要路径。技术是产品前进的核心驱动力。如何抵达 Intelligence with Everyone 的终局，核心只有两点：

怎样提升用户的渗透率

怎样提高用户的使用深度

我们认为提升这两点只能通过一件事来完成，一句话总结：科学技术是第一生产力。

比如，如何提高渗透率。转化到技术角度，应该考虑的是如何持续降低模型错误率、无限长度的输入和输出以及多模态。

降低模型错误率是为了让模型能处理更复杂的任务，这是增加用户使用深度的核心手段。

让模型的输入输出尽可能长，则是让 AI 更进一步像人。

考虑到人类社会中，文字信息的占比非常小，更多信息交流是通过语音、图文、视频来传递，所以多模态也很重要。

基于这些产品方面提出的要求，MiniMax提出了 " 快就是好 "，通过技术创新，来让模型变得更快、更好，这一点在他们的最新技术成果 MoE+Linear Attention 架构中也已全面展示。

每当模型有重大提升后，MiniMax 也能直接从用户层面得到反馈。比如使用深度显著变高，也会遇到对话量显著下滑的事故。而这也更进一步验证了在 AI 领域里，技术和产品之间密不可分的关系。

目前，MiniMax 的产品每天可产生 30 亿次交互，积累用户超过 6000 万。

其中有诸多企业客户，比如快递 100、智联招聘。MiniMax 的模型可以完成客服服务、地址补全、甚至是 OKR 调整等任务。

更多的是广大普通用户，他们每天在星野、海螺 AI 上与 AI 对话。AI 创造的形象、智能体也成为了他们日常生活的一部分。

不鸣则已

成立 996 天，MiniMax 终于自己搭建了舞台，完成了对外首秀。

为什么要等这么久？

毕竟，MiniMax 从不缺关注度。明星创始团队、热门 AI 应用、一笔又一笔大额融资……只用跨一步，MiniMax 就能完成华丽的登台亮相。

等到现在，或许是公司策略上的考量，或许是团队个性使然。

一方面，MiniMax似乎更愿意用实绩说话。

产品每天 30 亿次交互、3 万亿 token 处理量，大概已是国内公司中的 No.1，" 并且可能比第二名多 2-3 倍 "。底层 MoE 模型，在性能和效率上都已验证实力，6000 万用户就是最好的证明。以及率先达成全模态能力，不发模型则已，一发就是视频语音音乐全都来。

更重要的是，MiniMax 的路线已被验证。

Intelligence with Everyone。技术和产品并驾齐驱，让 MiniMax 能更快从用户侧得到反馈，在技术上进行提升、产品上进行优化。重 2C 但是也做 2B，满足普通用户和开发者的需求，当然也是更健康的商业模式。

最关键的是，带着这样一份亮眼的成绩单首秀，MiniMax 的实力不言而喻。

另一方面，MiniMax 绝对称得上是一家有个性的初创公司。

大模型目前仍旧是一个非共识议题，技术路线的选择一定程度上决定公司的生死。

闫俊杰曾直言，自己选了一条非常激进的路线。

去年，在其他公司还在迭代稠密模型时，闫俊杰转去赌 MoE 路线。大模型趋势日新月异，几个月时间里别人都在快速进步，但 MiniMax 把 80% 以上的算力和研发资源都用来做 MoE，且没有 Plan B。

过程中，前后失败了两次。模型训了半个月，指标离前期估测越来越远。背后不仅是团队精力、时间、资金的巨大投入，也是对信心的考验。

换来的是，MiniMax 成为国内首个推出 MoE 大模型的公司。也刚好和 OpenAI 走在了同一条路线上。

从外部视角来看，有能力、有个性是 MiniMax 最为鲜明的特点。

而从内来看，闫俊杰表示，MiniMax 的内核要素还有最重要的一点：乐观。

我们对技术的进步充满了乐观，对用户充满了乐观，对产品的迭代效率充满了乐观。

尽管有时候会遇到很多挑战，但是我觉得我们可能是大模型里面能够最坚持往前来迭代技术，最坚持跟用户互动的大模型公司，也是最国际化的一家大模型公司。

悲观者正确，乐观者永远勇于前行。

完成首秀后，MiniMax 的脚步也一点不停歇。

在活动上，闫俊杰放出重磅预告，最新一代旗舰模型 abab-7 即将正式亮相。

结合最近 OpenAI 风声不断，新一代模型呼之欲出。

那么国内，谁能是最快追赶的呢？有好戏看了。

—  完  —

点这里关注我，记得标星哦～

一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见 ~