想站穩(wěn)腳跟，不能走捷徑。
在大模型“撞墻論”不絕于耳的當(dāng)下，行業(yè)比任何時(shí)候都更為迫切地渴求探索、渴求創(chuàng)新。
步入2025年這短短一個(gè)月之內(nèi)，全球大模型玩家仿佛集體“沖業(yè)績”，OpenAI、谷歌、DeepSeek等玩家密集發(fā)布了一系列新品。
而縱觀整個(gè)大模型行業(yè)，幾乎是有史以來的第一次，大模型行業(yè)內(nèi)部出現(xiàn)了大規(guī)模分歧與非共識：
1.應(yīng)用 vs技術(shù)——基礎(chǔ)模型的更新是否已經(jīng)基本停滯？行業(yè)創(chuàng)新的重點(diǎn)轉(zhuǎn)移到應(yīng)用？
2.價(jià)格戰(zhàn) vs價(jià)值戰(zhàn)——“價(jià)格戰(zhàn)”打不打？怎么打？創(chuàng)業(yè)公司打得過嗎？
3.單模態(tài) vs多模態(tài)——對于AGI來說，多模態(tài)究竟有多重要？
在這十字路口前，每家大模型企業(yè)，都自愿或是被迫地，選擇了自己的站位。
例如，OpenAI的GPT-o1試圖用強(qiáng)化學(xué)習(xí)為Scaling Law“續(xù)命”，谷歌Titans開始探索全新的模型記憶力架構(gòu)；但同時(shí)也有更多玩家開始將注意力轉(zhuǎn)至應(yīng)用優(yōu)化、功能更新、用戶留存上。
作為國內(nèi)“大模型六小龍”之一，MiniMax此前一直以產(chǎn)品力強(qiáng)而聞名業(yè)內(nèi)，在這個(gè)時(shí)間點(diǎn)也通過開源和一系列更新表達(dá)了自己的態(tài)度。
2025年1月以來，MiniMax在十天內(nèi)連發(fā)四個(gè)AI模型，包括基礎(chǔ)語言大模型MiniMax-Text-01和視覺多模態(tài)大模型MiniMax-VL-01，以及視頻模型S2V-01、語音模型T2A-01。而兩個(gè)MiniMax-01系列模型，更是公司有史以來首度開源。
創(chuàng)始人在近期的媒體訪談中也直接表示，“如果重新選，第一天就應(yīng)該開源”。一家商業(yè)公司從開源走向閉源是常見的，從大家調(diào)侃“OpenAI變CloseAI”可見一斑，但從閉源走向開源卻不多。
從MiniMax這一系列更新可以看出來，這家公司正試圖通過開源、創(chuàng)新、技術(shù)驅(qū)動的路徑，扭轉(zhuǎn)市場對其的“只有產(chǎn)品強(qiáng)”的印象。創(chuàng)始人表示，“技術(shù)品牌之所以重要，本質(zhì)也是因?yàn)檫@個(gè)行業(yè)最大的驅(qū)動力是技術(shù)進(jìn)化”。
同時(shí)，面對當(dāng)前大模型行業(yè)的三大“非共識”，MiniMax也試圖通過這一系列模型更新，給出自己的答案。
卷應(yīng)用vs 卷技術(shù)
行業(yè)再次來到“Transformer時(shí)刻”
從去年以來，大模型行業(yè)內(nèi)部一個(gè)顯著的趨勢是——底層技術(shù)突破開始變慢。
OpenAI的GPT-5屢屢跳票，時(shí)至今日仍不見蹤影。AI三大要素算力、算法、數(shù)據(jù)均出現(xiàn)了不同程度的發(fā)展停滯，2024年的模型能力似乎停止增長。
與之相對應(yīng)的，是大模型應(yīng)用“投流大戰(zhàn)”的爆發(fā)。
根據(jù)AppGrowing數(shù)據(jù)，自從月之暗面（Kimi）打響國內(nèi)大模型“投流大戰(zhàn)”以來，國內(nèi)前十款大模型產(chǎn)品合計(jì)投放廣告超過625萬條，按市場價(jià)折算，金額達(dá)到了15億元人民幣。
以至于坊間戲稱：“大模型行業(yè)里唯一賺到錢的是B站、抖音、小紅書”；“共享單車補(bǔ)貼戰(zhàn)好歹普惠用戶，現(xiàn)在賺錢的只有廣告平臺?！?/p>
落到應(yīng)用層面，不少企業(yè)選擇了專攻APP產(chǎn)品、定制合作項(xiàng)目、為政企定制小模型等方案；而在模型技術(shù)層面，無論是國內(nèi)還是海外，其大部分都統(tǒng)一選擇了較為安全的“對標(biāo)GPT”方案，在技術(shù)路徑上全面跟隨OpenAI——而當(dāng)OpenAI疑似“撞墻”后，整個(gè)行業(yè)看上去都放慢了腳步。
1月15日，MiniMax發(fā)布并開源了最新一代MiniMax-01系列模型，包含基礎(chǔ)語言大模型MiniMax-Text-01和視覺多模態(tài)大模型MiniMax-VL-01。
與之同步公開的一份68頁技術(shù)論文《MiniMax-01:Scaling Foundation Models with Lightning Attention》，更是幾乎在整個(gè)AI技術(shù)圈都引起討論。
硅谷科技媒體VentureBeat及AI科技學(xué)者、投資人與創(chuàng)作者評價(jià)MiniMax-01系列模型的架構(gòu)創(chuàng)新及長文本能力
從參數(shù)上來看，MiniMax-01總參數(shù)規(guī)模達(dá)到4560億，其綜合性能在多個(gè)主流評測集上與GPT-4o、Claude-3.5-Sonnet等SOTA（State-of-the-Art，業(yè)內(nèi)頂尖）模型持平，支持400萬token的輸入，可輸入長度是GPT-4o的32倍、Claude-3.5-Sonnet的20倍。
在測評集LongBench V2的最新結(jié)果中，MiniMax-Text-01綜合評分僅次于OpenAI的o1-preview和人類，位列第三。
Long Bench V2排行榜，LongBench V2是面向現(xiàn)實(shí)情景進(jìn)行長上下文多任務(wù)深入理解和推理的測試集
如果只是模型性能很強(qiáng)，MiniMax-01并不會在AI研究人員中引發(fā)如此廣泛的關(guān)注。
引人注目的點(diǎn)在于，MiniMax第一次在一個(gè)4560億參數(shù)的超大規(guī)模商用模型上，引入了有別于傳統(tǒng)Transformer架構(gòu)的線性注意力（Linear Attention）機(jī)制，以極低的算力成本，試圖為困擾著整個(gè)大模型行業(yè)的難題提供一個(gè)新的解題思路。
MiniMax-01針對大模型最底層、最核心的Transformer架構(gòu)進(jìn)行了重構(gòu)，在傳統(tǒng)方案（下圖上半部分）的基礎(chǔ)上，引入了Linear Attention線性注意力，相當(dāng)于從“分子”層面對物質(zhì)進(jìn)行改變。
這也是為什么，這次MiniMax-01的開源會在AI研究圈引起如此大的關(guān)注。
MiniM ax-01核心 架構(gòu)示意圖
線性注意力技術(shù)并不是MiniMax第一個(gè)提出的，正如大語言模型技術(shù)并不是OpenAI第一個(gè)提出的，但它們卻是第一個(gè)大膽、堅(jiān)定地對其進(jìn)行大規(guī)模應(yīng)用，并圍繞其進(jìn)行了從算法到框架的全面創(chuàng)新，最終取得顛覆式成功的玩家。
正是這種針對最底層技術(shù)的創(chuàng)新，使得MiniMax-01能夠以GPT-4o十分之一的算力成本，達(dá)到比肩業(yè)內(nèi)SOTA的性能，以及國際第一的400萬token超長上下文。
在技術(shù)論文的最后，MiniMax的研究人員表示，MiniMax-01仍有八分之一的部分沿用了傳統(tǒng)Transformer技術(shù)思路。當(dāng)前，他們正在研究一套更高效的全新架構(gòu)，最終完全去掉傳統(tǒng)方案，從而實(shí)現(xiàn)無限制上下文窗口。
這也就意味著，如果MiniMax成功了，大模型將從此不再受限于輸入長度，人類離AGI（通用人工智能）前進(jìn)了一大步。
正如當(dāng)年BERT橫空出世，大模型產(chǎn)業(yè)迎來“Transformer時(shí)刻”一樣；從某種程度上來說，我們也許正在見證“第二個(gè)Transformer時(shí)刻”。
價(jià)格戰(zhàn)vs 價(jià)值戰(zhàn)
算力成本居高不下，“人人都在為英偉達(dá)打工”
如果要回顧2024年大模型行業(yè)發(fā)展，有一個(gè)關(guān)鍵詞絕對不容錯過——“價(jià)格戰(zhàn)”。
這一領(lǐng)域的戰(zhàn)場主要集中在B端，更精確來說，是為to B用戶提供大模型API服務(wù)并按量計(jì)價(jià)的大模型供應(yīng)商們。
2024年5月初，國內(nèi)初創(chuàng)企業(yè)DeepSeek（深度求索）在發(fā)布最新模型DeepSeek-V2的同時(shí)，突然大幅調(diào)低了API價(jià)格，其每百萬token輸入價(jià)格低至1元，接近于當(dāng)時(shí)GPT-4 Turbo價(jià)格的百分之一。此后，字節(jié)跳動、百度、阿里、騰訊、智譜AI、科大訊飛等行業(yè)玩家全面跟進(jìn)，一場轟轟烈烈的大模型價(jià)格戰(zhàn)就此打響。
與之相對應(yīng)的，卻是居高不下的算力價(jià)格。
自ChatGPT于2022年底火爆以來，本已接近供不應(yīng)求的英偉達(dá)GPU芯片，在全球AI大模型爆火的背景下，價(jià)格也進(jìn)一步飆升，帶動著英偉達(dá)公司市值一路突破3萬億美元，超越蘋果，成為僅次于微軟的全球第二大市值企業(yè)。
GPU不僅價(jià)格高昂，并且有價(jià)無市，2023年甚至出現(xiàn)過海外AI初創(chuàng)企業(yè)用英偉達(dá)GPU抵押融資23億美元的新聞。由于算力昂貴而稀缺，即便在科技巨頭內(nèi)部，也有不少部門為集團(tuán)GPU算力分配爭得頭破血流——不少大模型從業(yè)人員戲稱“人人都在為英偉達(dá)打工”。
一邊是高昂的算力成本，另一邊卻是慘烈的價(jià)格大戰(zhàn)，夾在其中的大模型廠商兩相為難。
不過并非沒有解法。
答案似乎有些老生常談——技術(shù)帶來的問題，終究還是要回到技術(shù)找解法。
以DeepSeek為例：與MiniMax類似，DeepSeek也是堅(jiān)定不移的“卷技術(shù)”派。2024年，在對技術(shù)不斷優(yōu)化后，其推出的V3模型參數(shù)量達(dá)到了671B，訓(xùn)練成本僅為557.6萬美元，對比之下，2020年的GPT-3訓(xùn)練成本已經(jīng)接近1200萬美元，GPT-4的訓(xùn)練成本更是超過1億美元。
事實(shí)上，模型訓(xùn)練成本的降低不僅與模型算法有關(guān)，它涵蓋了算力和應(yīng)用的中間層的多個(gè)步驟，涉及算法、架構(gòu)、硬件、軟件、工具鏈的優(yōu)化與調(diào)度，一般稱為AI Infra（AI基礎(chǔ)設(shè)施）。在算力成本居高不下的背景下，AI Infra的首要目標(biāo)是優(yōu)化算力資源，在保證性能的同時(shí)盡可能降低模型部署成本。
而MiniMax-01所引入的Linear Attention技術(shù)，本質(zhì)上是通過算法降低矩陣輸入復(fù)雜度，從而降低算力成本。與此同時(shí)，MiniMax還引入了數(shù)據(jù)打包（Data-packing）、線性注意力序列并行性（LASP+）、多級填充（Multi-level Padding）等一系列技術(shù)，從數(shù)據(jù)、算法、到GPU通信間進(jìn)行了全面優(yōu)化，使得其在英偉達(dá)H20 GPU上機(jī)器浮點(diǎn)利用率（MFU）高達(dá)75%，極大降低了模型的訓(xùn)練與推理成本，其輸入價(jià)格僅為1元/百萬token，是GPT-4o的十分之一。
在被媒體問到“MiniMax過去一年比較滿意的技術(shù)成果是什么？”時(shí)，MiniMax創(chuàng)始人的回答是：AI Infra與算力優(yōu)化，以及多模態(tài)。
單模態(tài)vs 多模態(tài)：我們離AGI還有多遠(yuǎn)？
多模態(tài)可能是業(yè)內(nèi)分歧最小，但競爭最為激烈的領(lǐng)域。
模態(tài)（Modal）是計(jì)算機(jī)用語，可以理解為計(jì)算機(jī)和人之間的感知交流模式的分類——如文字、圖像、聲音、視頻等。
目前除了極少數(shù)堅(jiān)持單模態(tài)的玩家外，市場上的大部分AI企業(yè)都會瞄準(zhǔn)多模態(tài)賽道，最基礎(chǔ)的是文字、圖像兩個(gè)賽道，涉獵更多的則會涵蓋音頻、視頻、3D建模等等。
以語音為例，1月20日，MiniMax發(fā)布T2A-01系列語音大模型，支持17種語言，目前已經(jīng)上線其海螺語音產(chǎn)品，面向所有用戶開放。
合成效果可以看看下面的示意視頻。
從視頻的16秒開始，在不看畫面的情況下，你大概也能準(zhǔn)確判斷出說話者的性別、年齡與情緒：白發(fā)蒼蒼的老人、堅(jiān)毅認(rèn)真的女性、憤怒的青少年、稚嫩天真的孩童，語音語調(diào)里有著各自的悲傷、興奮、喜悅、抑揚(yáng)頓挫。
文本轉(zhuǎn)語音其實(shí)是個(gè)老技術(shù)了，此前的發(fā)聲效果一直很生硬，無法像人類一樣控制語調(diào)的情緒起伏、抑揚(yáng)頓挫。谷歌翻譯還曾因?yàn)榘l(fā)音太過機(jī)械，一度成了互聯(lián)網(wǎng)熱梗。
MiniMax這次上線的語音大模型基本已經(jīng)到了商用水準(zhǔn)，AI有聲書、廣播劇、動畫、視頻配音這些場景目前看來都能夠覆蓋。
而比語音大模型更受關(guān)注的，則要數(shù)視頻大模型。
2024年2月，Sora橫空出世，帶動全球AI視頻大模型開始“狂飆”。不過，在此期間行業(yè)其他玩家的視頻生成大模型不斷涌現(xiàn)，Sora在發(fā)布后卻始終處于“期貨”狀態(tài)，直到12月才正式推出。
目前AI視頻大模型領(lǐng)域有兩大主流技術(shù)路徑：文生視頻、圖生視頻。
二者各有優(yōu)劣，文生視頻（Text-to-Video）主流采用Diffusion技術(shù)，擁有極好的“發(fā)散思維”能力，用戶可以通過文本描述生成任何想象中的視頻內(nèi)容；但另一方面模型訓(xùn)練和推理的計(jì)算復(fù)雜度高，而且視頻主體穩(wěn)定性極差——尤其是人物的面部。
圖生視頻（Image-to-Video）與其相反，模型將根據(jù)用戶輸入的圖片生成視頻內(nèi)容，一個(gè)典型的應(yīng)用場景就是“讓老照片動起來”，其相比文生視頻主體穩(wěn)定性更好，計(jì)算資源需求更低，但視頻自由度嚴(yán)重受限。
不過，MiniMax在1月10日發(fā)布的最新視頻模型S2V-01卻打破了兩者間的壁壘，其自研基于單張圖片的主體參考功能，用戶在上傳一張圖片創(chuàng)建參考角色后，模型會將圖片中的主體視覺信息抽取出來，再根據(jù)用戶的文本Prompt進(jìn)行視頻生成，在保證視頻主體穩(wěn)定的同時(shí)，將創(chuàng)意表達(dá)得更靈活。
以上為海螺AI用戶創(chuàng)作案例。提示詞：一名男性警官打開車門，從警車?yán)锍鰜?。鏡頭跟隨這名男子，保持近景，聚焦于男子的面部。這名男子穿著警服。男子的表情從平靜變?yōu)橛泄粜?。城市被夜晚的場景包圍，周圍有幾輛警燈閃爍的警車。
以上為海螺AI用戶創(chuàng)作案例。提示詞：末日廢土的九龍城寨，一個(gè)退伍老兵，牽著一條狗，警惕性的在街邊移動著，躲避天空中不時(shí)飛過的巡邏無人機(jī)，不遠(yuǎn)處還傳來類螳螂的機(jī)器人（隱約看見）在街邊與反抗軍對峙的開槍聲。
尤其如下圖所示，是在用人物特寫圖像生成視頻時(shí)，S2V-01能夠保證極高程度的人物五官、面部細(xì)節(jié)穩(wěn)定、自然。
尤為值得一提的是，下圖人物的眉心、臉頰、唇角各有一顆痣，海螺AI所生成的視頻不僅能夠清晰還原參考圖中痣的細(xì)節(jié)，還能在不同鏡頭中保持其位置的一致性——在目前所有AI視頻生成大模型中，這可能是第一個(gè)能做到的。
海外平臺上，創(chuàng)作者們對S2V-01表現(xiàn)出極高熱情
值得關(guān)注的是，MiniMax-S2V-01模型對于視覺和文字信息的處理方式，非常接近人類。
事實(shí)上，多任務(wù)、多語境、多模態(tài)是AI界“冠上明珠”——通用人工智能（AGI）——的幾大主要研究方向。
在AI界的目標(biāo)中，AGI是一種極其復(fù)雜、靈活的人工智能，不僅能完成圖像分類或跨語種文本翻譯等任務(wù)，還能模擬人類分析、策劃、創(chuàng)造等一切認(rèn)知能力。
不過，多模態(tài)并非是當(dāng)前唯一的技術(shù)路徑，也有技術(shù)流派將語言大模型認(rèn)定為AGI的通路。不過就目前而言，在行業(yè)尚未達(dá)成明確AGI共識的當(dāng)下，Agent（智能體）是個(gè)目標(biāo)更明確的關(guān)鍵節(jié)點(diǎn)。
隨著大模型底層技術(shù)的發(fā)展，各行各業(yè)對Agent能力要求也在不斷提高，任務(wù)變得越來越復(fù)雜、數(shù)據(jù)量越來越龐大，相應(yīng)而言，大模型本身不僅需要更長的上下文處理能力，同時(shí)也需要越來越“像人”，不斷提升其對圖像、視頻、聲音等多模態(tài)信息的處理能力。
2025年，可能是AI Agent爆發(fā)的一年。
結(jié)語
截止至2024年12月，根據(jù)AI產(chǎn)品榜數(shù)據(jù)，MiniMax旗下的AI內(nèi)容社區(qū)Talkie以2977萬的月活躍用戶數(shù)，成為全球第一大AI內(nèi)容社區(qū)——這是中國AI廠商第一次在海外超過同類應(yīng)用，登頂全球第一。
按理來說，作為這場比賽中的贏家，MiniMax應(yīng)該比任何人都要擁護(hù)“卷應(yīng)用”。
但很有意思的是，MiniMax創(chuàng)始人在最近接受媒體采訪時(shí)，卻拋出了“中國人工智能產(chǎn)業(yè)過去一兩年走入了巨大的誤區(qū)：認(rèn)為用戶越多，模型能力提升越快。這也導(dǎo)致企業(yè)為了有更多用戶，就花大量的錢來買流量”的觀點(diǎn)，引發(fā)了業(yè)內(nèi)激烈討論。
坦白說，他可能是對的。
一直以來，MiniMax都是大模型行業(yè)里一個(gè)非常獨(dú)特的存在。
一個(gè)事實(shí)是，全球許多大模型公司基本都在2022年底ChatGPT火了之后才成立，但MiniMax則早在2021年底就成立了。這也導(dǎo)致當(dāng)年ChatGPT突然爆火之后，所有人都懵了，回過頭來四處打聽這個(gè)MiniMax到底是何方神圣。
在技術(shù)路徑上，MiniMax也始終有些“特立獨(dú)行”。
2023年，彼時(shí)國內(nèi)市場還是Dense（稠密）模型的天下，MiniMax卻將80%以上的算力和資源全部投入MoE（混合專家）模型的開發(fā)中，于2024年初推出了國內(nèi)第一個(gè)MoE大模型。
事后，MiniMax曾經(jīng)透露，當(dāng)時(shí)公司沒有準(zhǔn)備任何MoE以外的備選計(jì)劃。
一年后來看，MiniMax賭對了。如今，MoE路徑已經(jīng)成為各家共識，尤其在模型規(guī)模、計(jì)算規(guī)模越來越大的當(dāng)下，混合專家技術(shù)已成為模型大規(guī)模部署必不可少的核心技術(shù)。
在行業(yè)普遍選擇跟隨GPT-o1路徑的當(dāng)下，MiniMax卻大膽地瞄準(zhǔn)了困擾全行業(yè)的“Transformer撞墻”問題，通過底層架構(gòu)的創(chuàng)新，用有限的算力成本達(dá)到真正可以比肩國際領(lǐng)軍模型的效果。
用戶從來都是用腳投票的。
無論是文本、圖像、語音還是視頻，每當(dāng)模型能力、處理速度有重大提升時(shí)，這一提升都會真切地反映在產(chǎn)品與用戶體驗(yàn)中。MiniMax曾經(jīng)透露，每當(dāng)模型能力變強(qiáng)后，產(chǎn)品內(nèi)用戶的留存表現(xiàn)和使用深度都有著顯著提升。
從創(chuàng)業(yè)第一天起，MiniMax就是一個(gè)集合了大量“非共識”的存在，它在業(yè)務(wù)選擇、技術(shù)路線、AGI實(shí)現(xiàn)路徑上都有著獨(dú)立而清晰的判斷，不焦慮，也不跟風(fēng)，敢于在非共識路上突破上限、做難而正確的事。
當(dāng)前的大模型產(chǎn)業(yè)，已經(jīng)進(jìn)入了比賽的下半場，所有“低處的果子”都已被摘光，僅靠跟風(fēng)與模仿，幾乎毫無勝算。
靠技術(shù)創(chuàng)新打開的市場，終究還是要靠技術(shù)創(chuàng)新站穩(wěn)腳跟。
（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請進(jìn)一步核實(shí)，并對任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負(fù)任何法律責(zé)任。
任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
