"我们打算一直开源下去,直到AGI实现。"
这句话出自MiniMax创始人闫俊杰之口,背景是一期英国播客《Invest in Progress》。与他对话的,是苏格兰抵押贷款投资经理劳伦斯·伯恩斯——此人2025年12月亲赴中国拜访闫俊杰,回国后Scottish Mortgage便参与了MiniMax的香港IPO。
这场对话的核心议题很明确:中国大模型离美国顶尖水平,到底还有多远?
一、95%与5%之间,隔着一条难以逾越的鸿沟
当被问及中美模型差距是否缩小时,闫俊杰没有报出新的百分比数字。他的回答很克制:最后那5%的差距,可能比完成前面95%要难得多。
他同时指出,中美双方在通往AGI的道路上都还处在早期阶段,过去三年双方的进步速度大致相当——但剩下的5%需要的时间更长。
回顾伯恩斯访华时听到的判断:中国最好的模型已达到美国顶尖模型约95%的性能,成本却只有十分之一。这个数字背后,折射出的是中国AI公司独特的生存逻辑——硬件越受限,算法、架构和基础设施的改进就越重要。"约束让我们成了更好的工程师和研究人员。"
对MiniMax而言,算力始终是一种硬约束。从创办第一天起,他们就必须在模型架构设计、基础设施搭建、推理过程优化等各个环节围绕效率展开。闫俊杰透露,公司有一条明确的设计原则:无论使用什么芯片,模型都应保持不错的表现。

这种效率导向不仅体现在技术层面,也渗透到了组织方式中。按闫俊杰的说法,MiniMax整个公司只有500人,研发遵循两条铁律:让架构和基础设施尽量简单;坚持自建基础设施,即便这意味着短期内的产品发布会慢一些。 前者让有限团队集中精力,后者为未来扩大模型和训练规模铺路。
二、Mini降成本,Max推上限:一条被名字定义的路线
成本是整场对话反复出现的关键词。
闫俊杰用公司名字解释了自己的战略逻辑:Mini,是把推理成本降下来;Max,是把智能的上限推高。 降低推理成本的双重意义在于:让更多人能用上模型,同时让MiniMax自己有余力做更多的后训练,继续拔高模型能力。
这背后有一个关键判断:后训练在模型迭代中的分量会越来越重。 强化学习需要模型反复试错获取反馈,合成训练数据也需要调用模型推理——这些过程都极度消耗推理算力。一次推理成本降下来,同样的资源就能支撑更大规模的训练。
闫俊杰甚至放话:未来某个时候,MiniMax可能拥有规模最大的后训练系统,并借此走到智能的最前沿。
当然,这仍是一个目标。对于投资人伯恩斯关心的盈利时间表,闫俊杰没有给出具体承诺。他给出的思路是:通过技术创新降低推理成本,在保持价格优势的同时提高模型能力,让收入增长快于成本增长。

财务数据可以佐证这条路线的进展:截至8月,MiniMax的年化收入运行率已超过8亿美元,其中企业业务贡献超过80%。需要说明的是,年化运行率是将单月收入乘以12的估算值,不代表实际全年收入。公司披露的2026年上半年收入为1.166亿美元,同比增长283.1%;经调整净亏损为2.93亿美元。
三、一本回忆录与一个AGI梦想
闫俊杰为何选择做通用人工智能?这个故事始于一件家事。
他的外公想写一本回忆录,把几十年的人生经历留下来。但老人不会打字,也很难独自把往事组织成文字。闫俊杰觉得AI应该能帮上这个忙,可当时的技术还做不到。这件事让他更在意"通用"二字的意义——一个老人想记录自己的一生,就是尚未被满足的真实需求。
他从小接触数学和计算机。在河南长大,父亲是数学教师,家里藏书不少。中学时期就开始自学大学水平的数学和计算机科学。2014年,他在百度深度学习研究院实习,导师是余凯——彼时他已经发表了数十篇计算机视觉论文,AlexNet在ImageNet上的突破让他深受震动。他想去一家拥有大量GPU的公司,验证深度学习究竟能走多远。
据他回忆,实习期间高峰时能调用百度三分之一的GPU,与另一位实习生搭档参加ImageNet挑战赛获得第三名。到了创办MiniMax时,他确信AGI值得做,只是不知道它何时到来。

四、从Glow到多模态:一条不断调整路线的创业路
MiniMax的第一年,团队搭建基础设施,训练语言、图像和音频生成模型的初代版本,同时做了一个应用来检验模型表现——这个应用叫Glow,用户可以在里面与虚拟伙伴聊天,很快积累了数百万用户,超出了团队最初做实验的预期。
随后ChatGPT发布。闫俊杰说,这彻底改变了他对技术发展时间表的判断:基础设施、数据和模型规模,都需要以比原先预想更大、更快的速度扩张。
MiniMax选择同时投入文本、图像、视频、音乐和语音。对于一家资源有限的公司,这意味着研发力量分散到多个方向。闫俊杰承认,创业时并不清楚模型最终形态,所以先把各个方向做起来,等技术成熟再尝试融合。他认为多模态能带来更丰富的数据,是模型继续扩展的必经之路。
"如果一开始只专注一种模态,我们早期的进展可能会更快。" 但他选择了更难的路。
目前,MiniMax的模型归为两大系列:M系列是语言模型,重点投入编程和智能体;H系列以视频生成为主,覆盖视频、图像和音频。 接下来的计划是继续提升两类模型能力,再把它们合进同一个系统。在智能体方面,他希望AI能在较长任务周期中自主设定目标并验证执行结果。
录制采访时,闫俊杰正把主要精力放在下一代模型M3 Pro上。对于AGI,他有一个明确的判断标准:AI能够发展出新的理论,科学上的新突破主要依赖AI。
五、开源到AGI实现:一场没有终点的马拉松
MiniMax一边通过API收费,一边开放模型权重,让开发者自行部署和修改。
闫俊杰认为开源能促进商业化,也能让更多开发者参与模型改进。"MiniMax自己做不完的探索,社区可以接着做。"
他以H3为例:这款模型此前一个月下载约2500万次;开放后的前两周,已有约300个开放模型在它的基础上衍生出来。其中一个典型案例是美国公司fal.ai基于H3进行后训练得到的H3 Max——能在3秒内生成5秒视频,生成速度已快于视频本身的播放速度。
这种速度让视频有了更多交互用途:已有开发者做出24小时AI直播,根据观众想看的内容实时生成画面;同样能力也可能被用于游戏、教育等场景。这些尝试反过来给MiniMax带来反馈,帮助它发现模型能做什么、还缺什么。
对企业与政府客户而言,开放权重意味着能在自己的设备上运行模型,对数据和隐私保有更多控制,也能围绕自身需求继续训练开发。
谈到字节、阿里等拥有更多资源的竞争者,闫俊杰认为MiniMax的优势在于目标集中——大型科技公司需要兼顾多条业务线,MiniMax则把研发集中在高效率的多模态AGI上。
在中美AI发展路径上,他有一句精炼的观察:"美国生态在巨额资本支撑下构建封闭系统,中国生态在效率支撑下构建协作体系。" 他认为两套生态未必会走到同一条路上。
尾声:Intelligence with everyone
采访最后,伯恩斯问了一个意味深长的问题:如果MiniMax实现了自己的目标,世界会变成什么样?
闫俊杰谈到了AGI的归属。他认为这项技术太重要,不应只属于某一家公司、国家或组织。 使用模型的人、开发者和研究者都参与了模型的成长,也应该分享它带来的能力。
这也是他坚持使用"Intelligence with everyone"这句口号的原因——与所有人一起发展智能,意味着模型开放之后,更多人可以在它的基础上继续工作。
当世界拥有更多智能,人类对世界乃至宇宙的理解,会不会随之改变?
"我认为会。正是这种可能性在推动我。"
——这句话,或许就是理解闫俊杰和MiniMax最好的注脚。
关注抖音【靓哥聊创业】
抖音号|54707203975
保存二维码打开抖音扫一扫

