minimax是什么公司的？拆解这家国产大模型公司的技术路线

上周有个做企业知识库的朋友在群里问我「minimax是什么公司的」，我第一反应是极小化极大算法（Minimax Algorithm），回了句「那是博弈论里的搜索策略啊」。结果他说的是做海螺AI的那家公司。这个误会挺有代表性——Minimax这个词在搜索场景里同时指向两种完全不同的东西，一个是教科书里的决策算法，一个是2021年成立的中国大模型公司。

这篇就按我自己的理解，把这家公司从头到脚捋一遍：它是谁、模型怎么演进的、为什么突然开始大力开源、产品在哪里落地。

核心结论摘要：MiniMax（上海稀宇科技）是一家成立于2021年12月的中国大模型公司，创始人闫俊杰出自商汤。它以abab、MiniMax-01、M1、M2等自研模型为核心资产，同时运营海螺AI、星野等C端产品，是国内少有的把开源大模型与多模态生成两条线同时跑通的厂商。

一、MiniMax是什么公司？先厘清三个容易混淆的名字

这里最容易把人绕晕的是三个名字在同一个话题里反复出现：MiniMax（公司）、海螺AI（产品）、abab/M 系列（模型）。它们是同一家公司上下游的三层。

公司主体是上海稀宇科技有限公司，2021年12月成立。创始人闫俊杰是中科院自动化所博士，此前在商汤科技担任副总裁、通用智能技术负责人，也就是商汤通用模型那条线的直接负责人。这个背景挺关键——它决定了MiniMax从一开始就是「模型能力优先」而不是「应用优先」的团队配置。

资本层面，2024年3月阿里巴巴领投了约6亿美元的一轮融资，投后估值超过25亿美元（据2024年3月多家媒体报道的融资信息）。更早的投资方里还有米哈游、高瓴、IDG、红杉中国这些名字。到了2025年，公司向港交所递交了招股书，进入IPO流程，具体进度以港交所披露易的文件为准。

| 名称 | 指向什么 | 常见混淆点 | | --- | --- | --- | | MiniMax | 公司主体（上海稀宇科技） | 容易和Minimax博弈算法混淆 | | 海螺AI / Hailuo | C端产品，主打视频生成 | 被当成独立公司 | | abab / M1 / M2 | 自研大模型系列 | 被误认为是某个开源社区项目 | | 星野 / Talkie | AI角色互动应用（国内/海外） | 很少人知道它俩同源 |

有意思的是，星野和Talkie其实是同一套东西的两个版本，国内叫星野，海外叫Talkie，2024年一度冲进美国App Store免费榜前列。很多做海外投放的同行只知道Talkie，不知道背后是MiniMax。

二、模型谱系：从abab到M2的技术路线拆解

要回答「minimax是什么公司的模型」，得看它的模型迭代节奏。这家公司的路线变化比大多数国产厂商都要剧烈。

abab阶段（2022—2024）：早期是abab系列，包括abab5.5、abab6、abab6.5、abab6.5s，走的是常规稠密模型路线，主要服务于自家的对话产品和API。这个阶段MiniMax对外声量不算大，属于闷头做模型的时期。

MiniMax-01阶段（2025年1月）：转折点。团队发布了技术论文《MiniMax-01: Scaling Foundation Models with Lightning Attention》，提出用闪电注意力（Lightning Attention）替换大部分softmax注意力层，模型规模做到456B总参数、每token激活约45.9B。论文给出的上下文窗口达到400万token级别。这个设计的核心动机很直白——传统注意力机制在长上下文下计算量是平方级增长，而线性注意力能把它压到接近线性。

M1阶段（2025年6月）：把「混合注意力+大规模强化学习」这套组合推到开源。M1采用的就是每8层中7层闪电注意力、1层softmax注意力的混合结构，同时团队在强化学习侧用了自研的CISPO算法，官方称训练收敛速度明显优于常规做法。

M2阶段（2025年10月）：这一步挺反直觉的。M2把参数量降到230B总参数、10B激活，并且放弃混合注意力，回归全注意力机制，重心押在Agent和代码任务上。根据MiniMax官方在2025年10月发布的技术报告，M2在SWE-bench Verified上的成绩为69.4%，Terminal-Bench为46.4%。

| 模型 | 发布时间 | 架构特点 | 定位侧重 | | --- | --- | --- | --- | | abab6.5s | 2024年 | 稠密模型 | 通用对话 | | MiniMax-Text-01 | 2025年1月 | 456B MoE + 闪电注意力 | 超长上下文 | | MiniMax-M1 | 2025年6月 | 456B MoE + 混合注意力 | 长思考链推理 | | MiniMax-M2 | 2025年10月 | 230B MoE + 全注意力 | Agent与代码 |

三、开源路线背后的判断

坦白讲，M2从混合注意力退回全注意力这件事，我一开始是有点意外的。毕竟闪电注意力是自家论文的核心卖点，公开「降级」听起来像是自我否定。

但把两代模型的定位摊开看，逻辑其实很清楚。M1要解决的是「单次推理能扛多长的上下文」，所以线性注意力带来的效率优势是刚需；M2要解决的是「多轮工具调用能不能稳定走完」，Agent场景下的瓶颈不在上下文长度，而在每一步决策的准确率和指令遵循的稳定性。全注意力在短序列上的表达能力和训练稳定性更好，代价是长文本成本上升——对Agent来说这笔账是划算的。

这里还有个商业化上的考量。我在自己的测试环境里对比过M2和几个同价位模型跑代码修复任务，M2在「读懂仓库结构后定位到具体文件」这一步的成功率确实比同参数量级的开源模型高一截，但在纯长文档摘要场景下，反而不如M1省token。所以选型真的要看任务形态，不能只看榜单分数。

顺带说一句，MiniMax这两年选择把旗舰模型开源、走低价API的策略，和它要在Agent生态里抢开发者心智是配套的。闭源模型卖的是能力溢价，开源模型卖的是生态位——这两种生意的打法完全不同。

四、多模态与商业化：海螺AI、星野和语音模型

模型之外，MiniMax的产品线铺得比很多人以为的宽。

视频生成是海螺AI，2024年8月上线video-01模型，此后陆续迭代出图生视频、导演模式等能力，海外版Hailuo AI在视频创作者圈子里有一定口碑。语音方向是Speech系列，2025年4月发布的Speech-02在Artificial Analysis的语音合成评测榜单上曾登顶（以该榜单2025年4月的公开数据为准）。此外还有音乐生成Music系列和MiniMax Agent这类产品。

这几条线里，我个人觉得语音才是被低估的那条。原因很简单：视频生成是视觉冲击力强但商业化路径模糊的赛道，而语音合成是能直接塞进客服、有声书、教育硬件里的确定性需求。MiniMax在这块的积累，其实比它视频模型的讨论度高得多。

五、实战：怎么调用MiniMax的模型

想实际用上它的模型，最直接的是开放平台。MiniMax提供了OpenAI兼容的接口，迁移成本很低，我自己的脚本基本就是改两行配置。

依赖：pip install openai

from openai import OpenAI

client = OpenAI( api_key="你的API Key", # 在 platform.minimaxi.com 账户管理中获取 base_url="https://api.minimax.chat/v1", # MiniMax 的 OpenAI 兼容端点 )

resp = client.chat.completions.create( model="MiniMax-M2", # 可替换为 MiniMax-M1、abab6.5s-chat 等 messages=[ {"role": "system", "content": "你是一名严谨的代码审查助手"}, {"role": "user", "content": "这段Python为什么会有内存泄漏？"}, ], temperature=0.3, # 代码类任务建议压低温度 stream=True, # 流式输出，长回答体验更好 )

for chunk in resp: # 逐块读取流式返回 delta = chunk.choices[0].delta.content if delta: print(delta, end="")

价格方面，M2在海外定价大概是输入0.3美元/百万token、输出1.2美元/百万token这个量级，M1则按上下文长度分档计费，200K以内更便宜。具体数字会调整，建议直接看官网定价页（我写这篇时查的是2025年11月的版本）。

选型上给个粗略的判断：

• **长文档、大知识库问答** → 优先考虑M1，它的成本结构对长上下文更友好
• **代码Agent、多轮工具调用** → 优先M2，指令遵循更稳
• **中文角色扮演、对话产品** → 星野背后的模型系列，情感表达调得比较细
• **视频素材生成** → 直接走海螺AI，别自己接模型

想横向看看其他国产大模型的价格和能力对比，可以翻一下VergeX 的国产大模型工具清单，我平时做选型会先在那里过一遍。

总结与展望

MiniMax这家公司的辨识度，其实不在于某一代模型的跑分，而在于它敢在半年内把架构方案推翻重来——从闪电注意力到混合注意力，再回到全注意力。这种调整速度在国内团队里不多见，也说明它对「模型能力服务什么场景」这件事想得比较清楚。

至于未来，我比较关注两个点：一是M2这条Agent路线能不能在开源生态里沉淀出真正的开发者粘性；二是IPO之后，公司在C端产品上的投入会不会被资本市场牵着走。这两件事的答案，大概未来一年就能看到轮廓。

关键要点速览：

1. MiniMax是上海稀宇科技，2021年12月成立，创始人闫俊杰曾任商汤科技副总裁
2. 模型路线经历过abab → MiniMax-01（闪电注意力）→ M1（混合注意力）→ M2（全注意力）四次大调整
3. M2主打Agent与代码能力，230B总参数、10B激活，官方报告称SWE-bench Verified成绩69.4%
4. 产品线覆盖海螺AI（视频）、星野/Talkie（角色对话）、Speech（语音合成）
5. 选型关键看任务形态：长上下文选M1，Agent任务选M2，不要只看榜单

相关推荐

• **阅读相关专题**：想继续了解其他国产大模型团队的定位与技术路线，可以关注 VergeX 的「大模型厂商图谱」系列，我们会持续更新各家模型的开源状态、定价与实测表现。
• **查看工具推荐**：完整的国产大模型 API 对比、免费额度清单和调用示例，都整理在 [VergeX AI 工具导航](https://nav.vergex.cn)。
• **订阅更新**：VergeX 每周推送一期 AI 技术雷达简报，覆盖新模型发布、论文解读和实用工具，可通过站内邮件订阅或关注公众号获取。