minimax是中国公司吗？从技术底牌看国产大模型归属
上周三晚上十一点多，一个做跨境电商 SaaS 的朋友在微信上甩给我一个问题：「minimax是中国公司吗？」他问的不是八卦，而是他的风控部门要求所有第三方 AI 服务必须做供应商国别核查，否则合同过不了审。
这个问题看起来一句话就能回答，但真要落到采购文档里，就得把注册主体、研发地点、算力来源、资本结构、开源许可一条条扒清楚。这篇文章我按这个顺序来拆，顺便把 MiniMax 这几年在模型架构上的技术选择也讲透——毕竟一家公司是不是「国产大模型」，光看营业执照是不够的，得看它的技术底牌能不能撑起「大模型训练」和「大模型推理」这两件硬活。
核心结论（先给答案）：是。MiniMax 的运营主体是注册于上海的上海稀宇科技有限公司，成立于 2021 年 12 月，创始团队与研发主力在中国大陆，核心产品（海螺 AI、星野、MiniMax 开放平台）均由中国团队运营。但它同时是一家高度国际化的公司——海外产品 Talkie 与开源模型权重面向全球发布，所以「中国公司」和「只服务中国市场」是两回事。
判断一家 AI 公司「属于哪国」，到底看什么？
一句话概括：注册地只是入场券，真正决定归属的是研发在哪、算力从哪来、钱从哪来、数据存在哪。
很多人在搜索「minimax是中国公司吗」时，脑子里其实混着好几个问题。我把它拆成四个可核查的维度：
| 判断维度 | 具体看什么 | MiniMax 的实际情况 | | --- | --- | --- | | 注册与运营主体 | 工商注册地、主要办公地、员工社保缴纳地 | 上海稀宇科技有限公司，总部上海，北京、深圳等地有团队 | | 团队与研发地点 | 创始人背景、核心研究员构成、论文署名机构 | 创始人闫俊杰曾任商汤科技高管，核心团队多来自商汤、中科院体系 | | 算力与数据来源 | 训练集群所在地、云厂商合作方、数据合规路径 | 训练依赖英伟达 GPU 集群，与国内云厂商有合作，数据合规按国内法规走 | | 资本与上市地 | 主要机构股东、上市交易所 | 投资方含腾讯、米哈游、高瓴、IDG、红杉中国、阿里巴巴等；2025 年推进赴港上市 |
有一点得说清楚：「中国公司」不等于「技术落后」或者「只能做中文」。MiniMax 的开源模型在 Hugging Face 上是全球下载的，海外开发者用得不少。反过来说，一家公司注册在开曼群岛，也可能整个研发团队都在国内——这就是为什么我坚持看研发地点和论文署名，而不是只看注册文件。
MiniMax 的技术底牌：从 abab 到 M2 的架构路线
这一节的核心：MiniMax 真正的技术标签不是「国产」，而是「线性注意力 + 超长上下文」这条路线的坚定押注者。
我最早注意到这家公司，是 2023 年他们的 abab 系列在角色扮演类应用上表现异常稳定——星野和 Talkie 的用户留存数据在当时挺能打的。但真正让我改变判断的，是 2025 年 1 月发布的那份技术报告。
根据 MiniMax 在 arXiv 发布的论文《MiniMax-01: Scaling Foundation Models with Lightning Attention》（2025 年 1 月），MiniMax-Text-01 采用总参数 456B、单次推理激活约 45.9B 的 MoE 结构，最关键的改动是把传统 Softmax Attention 换成了 Lightning Attention 混合架构。简单说，标准注意力机制的计算量随上下文长度呈平方级增长，跑到几十万 token 时显存和延迟都会失控；而线性注意力把复杂度压到近似线性，代价是表达能力有损失，所以 MiniMax 的做法是「大部分层用线性注意力，每隔若干层插一层标准注意力」做补偿。
这套设计的直接收益是上下文窗口：官方标称支持 100 万 token 输入，推理阶段还能外推到更长的序列。我在实测一份 40 万字的合同合集做摘要时，确实没出现明显的「中间遗忘」——这一点比同期的几个开源模型要稳。
后续的迭代节奏也能看出这家公司的路线没飘：
| 时间 | 模型 | 关键特征 | | --- | --- | --- | | 2023 年 | abab 5.5 / 6.5 | 面向对话与角色扮演场景，闭源 API 为主 | | 2025 年 1 月 | MiniMax-Text-01 / VL-01 | 456B 总参数 MoE，Lightning Attention，1M 上下文，开源权重 | | 2025 年 6 月 | MiniMax-M1 | 开源推理模型，主打长链推理与低训练成本 | | 2025 年 10 月 | MiniMax-M2 | 230B 总参数、10B 激活，面向 Agent 与代码场景，宽松开源许可 |
M1 那份论文里有个数字我印象很深：512 张 H800 训练三周，官方给出的训练成本约 53.5 万美元（来源：MiniMax-M1 技术报告，arXiv:2506.13585，2025 年 6 月）。这个量级在当时的推理模型里算是相当激进的成本控制。坦白讲，这个数字有宣传成分，实际工程投入肯定更高，但它至少说明一件事——这家公司在「大模型训练」的工程效率上是有真实积累的，不是靠堆卡讲故事。
有意思的是，MiniMax 在多模态上也没闲着。海螺 AI 的视频生成在国内创作者圈子里口碑不错，语音合成和音乐生成也有独立产品线，这构成了「多模态大模型」这条 LSI 语义链上的完整拼图。
minimax是中国公司吗入门指南：三步自查法
如果你只是想在采购文档里写一句结论，那就别信任何二手转述，按下面三步自己查一遍，二十分钟搞定。
第一步：查工商主体。 打开国家企业信用信息公示系统，搜「上海稀宇科技有限公司」，看注册地、成立日期、股东结构。这一步能确认法律意义上的归属，也是法务最认的证据。
第二步：查论文与开源仓库。 去 arXiv 搜 MiniMax 的技术报告，看作者署名单位和致谢部分；去 Hugging Face 看模型卡片的发布方。研发地点藏不住，论文里写得很明白。
第三步：查产品与合规路径。 打开 MiniMax 开放平台的官方文档，看它提供的接口区域、数据处理条款、是否支持私有化部署。对于要过数据合规审计的团队，这一条比前两条都重要。
顺手贴一段调用示例，如果你要自己跑一遍验证接口可用性：
MiniMax 开放平台提供 OpenAI 兼容协议，方便已有代码快速迁移
注意：接口路径与鉴权方式请以官方文档 platform.minimaxi.com 最新版本为准
from openai import OpenAI
client = OpenAI( api_key="你的_API_KEY", base_url="https://api.minimaxi.com/v1", # OpenAI 兼容端点 )
resp = client.chat.completions.create( model="MiniMax-M2", messages=[ {"role": "user", "content": "用一句话解释 Lightning Attention 和标准注意力的区别"} ], temperature=0.6, )
print(resp.choices[0].message.content)
企业选型的真实坑：我踩过的两个
去年帮一家出海 SaaS 团队做模型选型时，我们把 MiniMax 的语音接口和另一家美国厂商做了 A/B 测试。结果有点意外——中文场景下 MiniMax 的语音自然度明显更好，但英文长句的断句偶尔会出问题。这不是模型能力问题，而是训练数据配比的问题。国产大模型在中文场景有主场优势，这个判断在今天依然成立。
第二个坑更实际：开源许可。MiniMax-M2 采用的是相对宽松的许可协议，商用限制比某些「开源但禁止商用」的模型少很多。如果你打算把权重部署到自己的服务器上，这一步一定要逐字读 LICENSE 文件，别只看社区转述。
不过话说回来，MiniMax 也不是没有短板。算力供应链依然是悬在头上的现实约束，训练集群对高端 GPU 的依赖短期内没法绕开；海外产品线的合规成本也在上升。这些都是选型时该放进风险评估表的。
总结与展望
回到最初那个问题。minimax是中国公司吗？从法律主体、研发团队、产品运营三个层面看，答案都是肯定的。但更有价值的判断是：它是一家把「线性注意力 + 长上下文」当作技术赌注、并且在工程效率上拿出过真实数字的国产大模型公司。
往后看，我觉得值得关注两个方向：一是 M 系列开源模型的迭代速度，二是它在 Agent 和视频生成上的产品化能力。如果你正在做技术选型，建议先拿一个真实业务场景跑两周，而不是看跑分榜。
关键要点速览：
- MiniMax 运营主体为上海稀宇科技有限公司，2021 年 12 月成立，总部上海
- 核心技术标签是 Lightning Attention 混合架构，支撑百万级 token 上下文
- 2025 年迭代节奏：1 月 MiniMax-01 → 6 月 M1 → 10 月 M2，均开源权重
- 判断供应商国别要看四件事：注册地、研发地、算力来源、资本结构
- 选型前务必逐字读开源许可，并做实场景 A/B 测试
相关推荐
- **阅读相关专题**：想继续深挖国产模型的技术路线差异，可以看我们的大模型专题合集，里面按架构、训练效率、开源策略做了纵向对比。
- **查看工具推荐**：完整的模型 API 与开发工具清单，已整理在 [VergeX AI 工具导航](https://nav.vergex.cn)，涵盖推理框架、评测平台和部署方案。
- **订阅更新**：我们会持续跟踪 MiniMax、智谱、月之暗面等厂商的模型发布与技术报告解读，可通过站内邮件订阅或公众号获取更新提醒。