MiniMax什么公司？国产大模型独角兽真实拆解
上周有个做电商的朋友问我："MiniMax什么公司？我看它家视频生成挺火，但一搜全是'融资''估值'，没几篇讲清楚它到底做啥的。"
这个问题其实挺有代表性。MiniMax在行业里的名气不小，但它的公众认知一直有点"错位"——很多人用过它的产品（星野、海螺AI、海螺视频），却不知道背后是同一家公司；也有不少开发者听过它的开源模型M1、M2，但说不清它跟智谱、月之暗面这些国产大模型玩家的差别在哪。
我自己从2024年开始陆续用过它家几条产品线，也接过它的开放平台API做测试。这篇文章就把"MiniMax是什么公司"这件事讲透，包括它的技术底牌、商业模式和实际接入体验。
核心结论摘要：MiniMax（稀宇科技）是一家2021年底成立的中国AI公司，创始人闫俊杰出自商汤，走"模型+产品"双轮驱动路线，既有自研的MoE大模型和开源模型M系列，也做出了星野、海螺AI、海螺视频等C端产品，2025年已向港交所递交招股书。
MiniMax什么公司：先给一个不掉书袋的答案
先说基本信息。MiniMax的全称是上海稀宇科技有限公司，2021年12月成立，创始人兼CEO闫俊杰此前是商汤科技的副总裁、研究院副院长。这个出身挺关键——它决定了MiniMax从一开始就是"技术驱动型"团队，而不是先有产品再补模型的那种。
跟大多数国产大模型公司比，MiniMax有个比较特别的地方：它是最早把"自研模型"和"自有C端产品"同时做起来的公司之一。智谱偏To B和政企，月之暗面靠Kimi单点突破，而MiniMax更像字节的打法——模型是底座，产品拿去试水市场，跑通了再反哺模型迭代。
| 维度 | 基本情况 | | --- | --- | | 公司主体 | 上海稀宇科技有限公司 | | 成立时间 | 2021年12月 | | 创始人 | 闫俊杰（前商汤科技副总裁） | | 主要产品 | 星野、海螺AI、海螺AI视频、开放平台API | | 代表模型 | abab系列、MiniMax-Text-01/VL-01、MiniMax-M1、MiniMax-M2 | | 资本动作 | 2024年3月完成约6亿美元融资，2025年递交港交所招股书 |
融资这块值得一提。2024年3月那一轮由阿里巴巴领投，金额约6亿美元，投后估值超25亿美元，红杉中国、高瓴、腾讯等都在股东名单里。到2025年，MiniMax正式向港交所递交招股书，成为国内大模型创业公司里第一批冲刺IPO的选手之一。
为什么它的名字总跟"星野"绑在一起
因为星野（海外版叫Talkie）是MiniMax最能打的产品。这是一款AI角色扮演与陪伴类应用，用户量在海外市场一度冲得很高。坦白讲，我第一次用星野的时候有点意外——角色人设的稳定性和长对话的一致性，比同期很多同类产品要扎实。后来才明白，这背后是它在长上下文和角色一致性上做的专门优化。
技术底牌：从abab到M2，它的模型走到了哪一步
如果只看产品，很容易把MiniMax当成一家"做App的公司"。这是个误判。
MiniMax的模型迭代节奏其实相当快。2022年就开始推abab系列，2024年4月的abab 6.5已经用上了MoE（混合专家）架构。但真正让技术圈重新审视它的，是2025年1月的两个动作。
根据MiniMax在2025年1月发布的技术报告《MiniMax-01: Scaling Foundation Models with Lightning Attention》（arXiv:2501.08313），他们开源了MiniMax-Text-01和MiniMax-VL-01两个模型：总参数456B，采用32个专家的MoE结构，单次推理激活约45.9B参数，并且把上下文窗口做到了百万token级别。这个规模在当时的开源模型里属于第一梯队。
更关键的是注意力机制的选择。主流模型基本都用标准Softmax注意力，而MiniMax押注的是自研的Lightning Attention（闪电注意力），用一种线性注意力与Softmax注意力混合的架构来降低长序列的计算开销。说实话，这是个有风险的路线——一旦效果打不过标准注意力，前面的投入就白费了。但从后续M1、M2的表现看，这个赌注基本押对了。
2025年6月，MiniMax开源了推理模型MiniMax-M1，主打100万token的输入上下文和8万token的输出长度，论文编号arXiv:2506.13585。到2025年10月，MiniMax-M2发布，230B总参数、10B激活，进一步把重心压到了代码和Agent能力上，并且采用了对商用相当友好的开源许可。
| 模型 | 发布时间 | 架构特点 | 关键卖点 | | --- | --- | --- | --- | | abab 6.5 | 2024年4月 | MoE | 早期国产MoE落地实践 | | MiniMax-Text-01 | 2025年1月 | 456B总参/32专家，Lightning Attention | 百万级上下文，开源 | | MiniMax-M1 | 2025年6月 | 混合注意力推理模型 | 1M输入上下文，开源 | | MiniMax-M2 | 2025年10月 | 230B总参/10B激活 | 代码与Agent场景，开源许可宽松 |
这些数据说明什么？说明MiniMax在"大模型训练"这件事上不是玩票，它是在用开源换生态、换开发者心智。对一家要冲IPO的公司来说，这既是技术宣言，也是市场策略。
产品矩阵：它到底靠什么赚钱
聊完技术，回到现实问题——钱从哪来。MiniMax的收入结构大致可以分成三块，我按自己的理解排一下权重。
第一块是C端订阅。 星野/Talkie走的是虚拟社交和角色陪伴路线，海外市场付费意愿明显高于国内，这块是它现金流的重要来源。
第二块是视频生成。 海螺AI视频（Hailuo Video）2024年上线后热度很高，2025年升级到Hailuo 02版本。我在做内容素材的时候拿它试过几次生成短镜头，物理运动的自然度确实比早期版本进步明显，尤其是人物动作和多物体交互这类以前容易崩的场景。当然也不是没毛病——长镜头一致性偶尔还是会飘。
第三块是开放平台API。 这才是开发者最该关注的部分。MiniMax的开放平台提供了文本、语音、视频等多条模型接口，语音合成和多模态大模型能力是它的差异化点。
有意思的是，这三块业务之间是有咬合关系的：C端产品负责验证场景和收集真实数据，开放平台负责把能力卖给开发者，而模型迭代又反过来提升两边的效果。这种"模型—产品—数据"的循环，是MiniMax跟纯To B模型公司最本质的区别。
如果你想横向看看国内几家大模型开放平台的能力差异，可以对照 VergeX AI工具导航 里整理的模型与工具条目，那边更新比各家官网的营销页要直观一些。
minimax什么公司使用教程：开发者接入的三条路
很多人搜"minimax什么公司使用教程"，其实真正想问的是"我该怎么用上它"。这里给三条路径，按上手难度排序。
路径一：直接用C端产品
零门槛。想体验对话能力用海螺AI，想做AI角色互动用星野，想生成视频用海螺视频。适合产品经理和内容创作者先建立体感，判断它的输出风格是否匹配自己的需求。
路径二：调开放平台API
这是开发者最常走的路。MiniMax开放平台提供了与OpenAI SDK兼容的调用方式，迁移成本很低。下面是一段可以直接跑的Python示例：
依赖：pip install openai>=1.0.0
from openai import OpenAI
client = OpenAI(
去 MiniMax 开放平台申请你的 API Key
api_key="你的_API_Key",
MiniMax 开放平台提供的 OpenAI 兼容入口
base_url="https://api.minimaxi.com/v1", )
resp = client.chat.completions.create( model="MiniMax-M2", # 也可替换为 abab6.5s-chat 等模型ID messages=[ {"role": "system", "content": "你是一位严谨的中文技术编辑"}, {"role": "user", "content": "用三句话解释什么是MoE混合专家架构"}, ], temperature=0.3, # 技术问答场景建议调低，减少自由发挥 max_tokens=512, )
打印模型回复
print(resp.choices[0].message.content)
注意：模型ID和接入地址会随官方版本更新调整，正式接入前建议先看一遍开放平台的最新文档，别直接抄旧教程里的endpoint。
路径三：本地部署开源模型
如果你对数据合规有要求，或者想省长期推理成本，M1、M2这类开源模型是选项。但要有心理准备：230B级别的MoE模型对显存的要求不低，普通单卡跑不动，得多卡或者量化。我个人的建议是——除非你有明确的私有化需求，否则前期先用API验证业务逻辑，跑通了再考虑自部署。
我的判断：它真正的护城河在哪，隐忧又在哪
说点个人看法。
MiniMax最被低估的地方，是它把"大模型推理"的成本结构想得比较清楚。Lightning Attention这条路线本质上是在赌长上下文的成本优势，而长上下文一旦便宜下来，Agent、视频理解、长文档处理这些场景才会真正打开。M2把激活参数压到10B，也是在同一个逻辑上做文章——能力够用，成本可控。
但隐忧也真实存在。第一，视频生成赛道竞争太凶，可灵、Vidu、Sora轮番上阵，海螺能不能守住身位不好说。第二，开源换生态是把双刃剑，模型免费了，但商业化的天花板也可能被压低。第三，冲刺IPO意味着财务数据要经受公开审视，C端产品的用户留存和付费率会被放到放大镜下看。
坦白讲，我不认为MiniMax是那种"一定要押注"的公司，但它绝对是国产大模型里最值得持续观察的三四家之一。它的技术选择有主线，产品节奏有章法，这两点比单纯的参数竞赛更难得。
总结与学习路径
回到最初那个问题——MiniMax什么公司。它是一家以自研MoE大模型为底座、同时经营C端产品和开放平台的中国AI公司，技术上有Lightning Attention和开源M系列这样的记忆点，商业上有星野、海螺AI这样的现金牛候选。
如果你想系统了解它，我建议按这个顺序走：
- **第一周**：先用海螺AI和星野各玩两天，建立直观感受，别急着看论文
- **第二周**：读一遍MiniMax-01的技术报告，重点看它为什么选混合注意力机制
- **第三周**：申请开放平台API，跑通一个自己的小demo，比如批量文档摘要
- **进阶**：如果做Agent或长上下文应用，重点关注M2的能力边界和开源许可条款
关键要点速览：
- MiniMax（稀宇科技）成立