minimax创始人是谁？闫俊杰的国产大模型突围实战解析
2025年初，当MiniMax-Text-01以400万token的上下文窗口刷新行业纪录时，我正坐在深圳南山的一间共享办公空间里，跟几个做AI应用的朋友聊国产模型的选型问题。有人突然问了一句：“MiniMax背后到底是谁在操盘？”这个问题让我愣了一下——minimax创始人的低调程度，跟这家公司技术上的高调形成了鲜明反差。闫俊杰，前商汤科技副总裁，2021年底创立MiniMax，三年多时间把公司做到估值超过25亿美元。说实话，这个速度在国产大模型赛道里算得上第一梯队。
核心结论摘要：MiniMax创始人闫俊杰，前商汤科技副总裁，2021年底在上海创立MiniMax。他选择了一条“技术极致+产品多元”的路线，用MoE架构和线性注意力机制把推理成本压到行业低位，同时通过海螺AI、星野等C端产品反哺模型迭代。截至2025年，MiniMax估值超25亿美元，是国内少数同时在大模型API和消费级应用两端都跑通商业模式的公司。
minimax创始人是谁？从商汤副总裁到创业者的转身
闫俊杰的履历在国产大模型创始圈里算比较特别的一个。他不是从学术界直接跳出来创业的教授派，也不是大厂VP出来带资源变现的商务型选手。他是真正在一线带过大规模工程团队、亲手训练过工业级模型的技术操盘手。
在商汤期间，他担任副总裁，负责通用智能技术，深度参与了深度学习平台的搭建和多个行业落地项目。这段经历让他对两件事有了清醒认知：一是大规模分布式训练的工程复杂度远超学术论文描述；二是To B的AI项目很难形成标准化产品，每个客户都要定制，规模效应起不来。
2021年底，他决定出来单干。当时国内大模型赛道还没现在这么卷，百度文心还没正式发布，智谱AI也刚起步不久。MiniMax成立的时间点，坦白讲，卡得挺准。
有个细节我印象很深。2023年接受晚点LatePost采访时，闫俊杰说了一句话：“我们不是在做中国的OpenAI，我们是在做MiniMax。”这句话听起来像公关话术，但结合他们后来的产品策略看，确实跟其他家不太一样。
技术路线拆解：MoE架构+线性注意力，怎么把成本打下来
MiniMax的技术路线选择，是我认为最值得细看的部分。
为什么选MoE而不是Dense架构？
Mixture of Experts（混合专家）架构的核心思想是：每次推理只激活模型参数的一部分，而不是全部。打个比方，Dense模型像一家餐厅只有一个全能大厨，每道菜都得他来做；MoE模型像厨房里有十几个专项厨师，点川菜就激活川菜师傅，点粤菜就激活粤菜师傅，其他人在旁边待命。
根据MiniMax在2025年1月发布的MiniMax-Text-01技术报告，该模型总参数量为4560亿，但每次推理只激活约459亿参数——激活比例不到10%。这意味着推理成本大幅降低，而模型能力并没有同比例缩水。
线性注意力机制的工程取舍
传统Transformer的注意力机制计算复杂度是O(n²)，n是序列长度。上下文一长，计算量爆炸式增长。MiniMax采用了一种混合架构：每8层Transformer中插入1层线性注意力层。
这不是纯线性注意力，而是混合方案。纯线性注意力虽然快，但表达能力会打折扣。混合架构相当于“高速公路+城市道路”的组合，既保证了整体速度，又不至于在复杂推理任务上掉链子。
| 对比维度 | MiniMax-Text-01 | 智谱GLM-4 | 百度文心4.0 | |---------|----------------|-----------|------------| | 总参数量 | 4560亿（MoE） | 未公开 | 未公开 | | 激活参数量 | 约459亿 | — | — | | 上下文窗口 | 400万token | 128K token | 128K token | | 架构特点 | MoE+混合线性注意力 | Dense为主 | 未详细披露 | | 发布时间 | 2025年1月 | 2024年 | 2024年 |
这个表格里的数据来自各家官方技术报告和发布会信息，可以看到MiniMax在上下文窗口这个指标上确实拉得比较开。
minimax创始人闫俊杰谈ai：不迷信Scaling Law，但也不放弃
闫俊杰在2024年WAIC的一场圆桌讨论中说过一段话，我觉得值得反复琢磨。大意是：Scaling Law仍然有效，但边际收益在递减，单纯堆参数的性价比越来越低，接下来的竞争在于架构效率和数据质量。
这个判断跟我在实际项目中的感受是一致的。去年我帮一个团队做长文档摘要系统，试过用某国产模型直接处理200页的PDF，结果上下文一超限就得切片，切片之后语义连贯性又出问题。后来换成MiniMax的API，400万token的窗口直接把整本书塞进去，效果确实好不少。当然，成本也不便宜，但至少技术上可行了。
闫俊杰还有一个观点让我印象很深。他在2024年底的一次内部交流中说，“多模态不是锦上添花，是大模型的标配能力”。MiniMax的产品线也印证了这一点——海螺AI做视频生成，星野做AI角色扮演，Talkie做海外市场，全部是原生多模态能力驱动的。
不过话说回来，这种“什么都做”的策略也有风险。资源分散，每条线都要跟垂直领域的头部玩家竞争。视频生成要面对可灵、Runway，角色扮演要面对Character.AI。MiniMax的应对方式是底层模型能力共享，上层产品快速试错——用一个模型底座支撑多个产品线，哪个跑出来就加码。
实战视角：MiniMax的产品矩阵和商业化路径
MiniMax目前的产品布局大致分三层：
底层：大模型API 提供文本、语音、视频三种模态的API服务，按token计费。这块是技术输出的主要通道，也是跟阿里云、火山引擎等云厂商合作的基础。
中层：海螺AI 主打视频生成和智能对话，2024年上线后用户增长很快。我实测过它的视频生成功能，输入“一只猫在雨天弹钢琴”这样带点意境的提示词，生成结果在光影处理上比早期的Runway Gen-2要好。
上层：星野/Talkie AI角色扮演类产品，国内版叫星野，海外版叫Talkie。这块的商业化模式是订阅制+虚拟道具，跑得还不错。根据Sensor Tower的数据，Talkie在2024年上半年曾进入美国App Store免费榜前50。
这种“API+产品”双轮驱动的模式，在国内大模型公司里不算主流。大部分公司要么专注API，要么专注C端产品。MiniMax两边都押，闫俊杰的解释是：API业务验证技术能力，C端产品验证用户需求，两个反馈回路缺一不可。
minimax创始人身价与公司估值
聊到minimax创始人身价，公开信息比较有限。MiniMax在2024年3月完成了一轮由阿里巴巴领投的6亿美元融资，估值超过25亿美元。闫俊杰作为创始人，持股比例未公开披露，但参照同类公司创始人的持股惯例（通常在15%-30%之间），其个人身价大致在数亿美元量级。
当然，这种估算很不精确。大模型公司的估值波动很大，受技术进展、商业化数据、资本市场情绪多重因素影响。2025年如果MiniMax启动IPO，估值可能会重新定价。
总结与学习路径
回头来看，minimax创始人闫俊杰给国产大模型赛道带来的最大启示，可能不是某个具体的技术突破，而是一种“工程效率优先”的创业哲学。在算力受限、资本环境收紧的条件下，不盲目跟风堆参数，而是从架构层面想办法把成本打下来，把产品体验做上去。
如果你对MiniMax的技术细节感兴趣，建议按这个路径深入：
- **先读技术报告**：MiniMax-Text-01的论文在arXiv上有公开版本，重点看MoE路由机制和线性注意力的混合比例设计
- **动手调API**：注册MiniMax开放平台，用长文档处理任务实测一下400万token上下文的实际表现
- **对比产品体验**：海螺AI和星野都提供免费额度，可以跟同类产品做横向对比
相关推荐
延伸阅读：
- [VergeX AI工具导航](https://nav.vergex.cn) — 收录MiniMax等国产大模型API的实测对比和价格汇总
- [国产大模型MoE架构对比](https://nav.vergex.cn) — 详细拆解各家的专家路由策略差异
订阅更新： 关注VergeX，获取国产大模型技术拆解和工具实测的第一时间推送。邮件订阅每周三发送，微信订阅搜索“VergeX技术雷达”。
关键要点速览：
- MiniMax创始人闫俊杰，前商汤科技副总裁，2021年底创立公司
- 核心技术路线：MoE架构+混合线性注意力，推理激活参数不到10%
- 商业化模式：API+海螺AI+星野/Talkie三层产品矩阵
- 2024年3月完成6亿美元融资，估值超25亿美元