闫俊杰 —— 起点#

故事的起点不是硅谷，而是河南商丘的一座县城。

1989 年出生的闫俊杰，走了一条极其”本土”的路：东南大学数学系本科，中科院自动化所博士，清华大学博士后，没有一天海外留学经历。2014 年，他以实习生身份加入商汤科技，此后七年一路升至集团副总裁、研究院副院长、智慧城市事业群 CTO——在商汤庞大的视觉技术帝国里，他是核心人物之一。

触发离职的，是一件小事。2021 年春节，闫俊杰的外公想写一本回忆录，但老人不会打字，也组织不好语言。他突然意识到：技术如果只停留在实验室和安防摄像头里，就永远服务不到”不会打字的外公”。

2021 年底，商汤港股上市（2021 年 12 月 30 日）前夜，闫俊杰放弃了百万年薪和即将到手的股权，转身创业。他给新公司定下三条铁律：一定要直接服务用户，一定要做国际化，一定要技术驱动。使命只有一句话——Intelligence with Everyone（与所有人共创智能）。

MiniMax —— 名字里的哲学#

公司名取自博弈论中的 minimax（极小化极大）算法：先防住最坏的风险，再选相对最优解。闫俊杰说，新方向总是在争议中成形，这个名字恰好表达了那种冲突感。中文名”稀宇”则是个对仗——从极小见极大。

2021 年 11 月，上海稀宇极智科技有限公司成立。核心团队很快聚齐：联合创始人贠烨祎（前商汤，深度参与过商汤融资与上市全过程，任 COO）、周彧聰（视觉模型研究负责人）、后来加入的赵鹏宇（大语言模型研究负责人）。这是一支年轻得惊人的队伍——IPO 时 385 名员工，平均年龄 29 岁，研发占比 74%。

全模态 —— 一开始就押下的注#

2022 年初公司正式运转时，闫俊杰做了一个当时看起来很”重”的决定：不做单一文本模型，而是文本、语音、视觉同时起步，从数字人切入，最终走向全模态底层模型。

逻辑很朴素：服务普通人的 AI，光聪明不够，还得能看、能说。AGI 需要跨模态的理解与生成。这个决定在三年后回报了 MiniMax——当同行还在补语音和视频的课时，它已经拿到了全模态的完整拼图。

Glow —— 第一款产品，第一次教训#

2022 年 10 月，首款产品 Glow 上线：AI 陪伴、虚拟恋人、角色扮演。两个月，百万级用户，注册用户超 500 万——验证来得飞快。

但教训来得同样快。因内容边界问题，Glow 上线约半年即下架。这次挫折把 MiniMax 推向了两条出路：向海外要空间，向合规要生存。后来的 Talkie 与星野，都是这次试错的直接产物。

同年，天使轮 3100 万美元落袋，投前估值约 1.7 亿美元。投资方名单里有一个特别的名字：米哈游。米哈游联合创始人刘伟与闫俊杰私交甚笃，早期为其对接了高瓴、IDG 等资金方，后来出任 MiniMax 非执行董事。刘伟有句名言后来被反复引用：“Super smart 被高估了，而韧性被低估了。“

Talkie / 星野 —— 出海与内销的双轮#

2023 年 6 月，Talkie 在海外上线：自定义虚拟伴侣、抽卡、恋爱互动。三个月后，国内版”星野”跟进。

这是 MiniMax”模型即产品”方法论的第一次完整实践：C 端应用产生真实交互数据，反哺底层模型训练。Talkie 不负所托——2024 年上半年成为美国下载量第四的 AI 应用，前 8 个月全球下载约 1700 万次，一度在榜单上反超 Character.AI。

ABAB 5.x —— 稠密底座#

同期，第一代文本模型 ABAB 5 / 5.5 在 API 平台背后默默迭代：稠密 Transformer 架构，32K 上下文，谈不上惊艳，但完成了最重要的事——快速验证训练管线，积累服务客户的工程能力。

开放平台 —— B 端的种子#

2023 年 8 月 31 日，MiniMax 开放平台全面开放，文本大模型加声音大模型双能力输出，上线时已有超百家付费客户。彼时没人意识到，这颗 B 端的种子，日后会长出毛利率 69.4% 的生意。

融资狂欢 —— ChatGPT 之后#

2023 年，ChatGPT 点燃全球。资本蜂拥而入：腾讯、小米、小红书入局的第三轮融资 2.6 亿美元，投后估值 11.57 亿美元；红杉中国领投的 A+ 轮再加 5000 万美元。一年之内，估值翻了近十倍。

从这一年起，MiniMax 的股东名单逐渐凑齐了一个豪华组合——媒体称之为”红高腾阿爱”：红杉、高瓴、腾讯、阿里、IDG。

ABAB 6 —— 国产 MoE 第一枪#

2024 年 1 月，ABAB 6 发布：国内第一个千亿参数级 MoE（混合专家）大模型。

这背后是一次真正的技术豪赌。闫俊杰判断稠密模型撑不起大规模用户——推理成本会杀死一切。团队两次训练失败后集中攻关，最终把专家路由跑通。事后看，这一枪打对了方向：MoE 成了整个行业的主流架构。

ABAB 6 的指令遵从与中文能力大幅超越 GPT-3.5，服务近千家客户（金山办公、小红书、腾讯、小米、阅文），API 平台日均 token 吞吐达数百亿。

ABAB 6.5 —— 万亿参数#

2024 年 4 月 17 日，ABAB 6.5 系列发布，参数规模推至万亿级 MoE，并分化出三个子型号：6.5s 主打 245K 超长上下文（“1 秒处理近 3 万字”）、6.5t 主打中文人设与情感、6.5g 主打英文语境。长文本”大海捞针”测试 891 次全部命中。能力开始逼近 GPT-4 与 Claude 3 Opus。

video-01 / 海螺 AI —— 视频奇袭#

2024 年 8 月 31 日，首届 MiniMaxLink 伙伴日，video-01 视频模型与 music-01 音乐模型同台发布。9 月，海螺 AI 产品上线。

然后，爆发来了。2024 年 10 月，海螺 AI 海外版登顶增速榜，此后连续 6 个月霸榜 AI 产品榜全球视频生成第一；在 VBench 评测中，人物表情一致性 89.7 分、运动连贯性 91.2 分，超过 Sora 的 85.2 分。2025 年初，a16z Web 端 Top50 榜单将海螺 AI 排在全球第 12 位、AI 视频赛道第一——压过快手可灵（第 17）和 OpenAI Sora（第 23）。

定价依旧凶狠：5 秒视频不到 0.5 元人民币，低于可灵、Sora、Runway。用极致性价比撕开市场——这套打法，MiniMax 后来在文本模型上又重演了一遍。

同年 3 月，阿里巴巴领投 6.54 亿美元轮次交割完成，投后估值 25.5 亿美元。IPO 前的弹药，基本备齐。

MiniMax-01 —— 456B、4M 上下文、全面开源#

如果说 ABAB 系列是跟随，那么 2025 年 1 月发布的 MiniMax-01 就是一次架构级的自我宣言。

核心规格：总参数 4560 亿（456B），每 token 激活 45.9B；32 个专家、Top-2 路由；80 层网络。这些数字在当时的开源界已是顶配，但真正的杀招是注意力机制——

Lightning Attention 混合架构：每 7 层线性注意力（Lightning Attention）配 1 层传统 Softmax 注意力，7<1> 混布（线性注意力论文：arXiv<2401>.04658）。长上下文的计算开销被大幅摊薄，训练上下文 1M token，推理可外推至 4M token——是 GPT-4o 的 32 倍。

技术报告（arXiv<2501>.08313）显示：通用能力与 GPT-4o、Claude 3.5 Sonnet 相当；LongBench v2 仅次于 o1-preview 和人类；C-SimpleQA 所有模型中领先。配套发布的还有视觉语言版 MiniMax-VL-01——视觉第一次融进文本基座。

权重在 Hugging Face 完整开源，商业可用。MiniMax-Text-01 + VL-01 从此成为后续所有 M 系列模型的地基。

这一战确立了 MiniMax 的技术标签：不堆算力堆架构，用注意力机制的创新换上下文与效率的代差。

Speech-02 —— 语音全球第一#

2025 年 5 月中旬，Speech-02 发布（论文 arXiv<2505>.07916）：自回归 Transformer + Flow-VAE + 可学习 Speaker Encoder，支持 32 种语言、零样本音色克隆（几秒参考音频即可）、用文字描述引导情感风格，还能用自然语言”无中生有”地设计全新音色。

结果：登顶 Artificial Analysis 国际语音评测榜单，把 OpenAI 和 ElevenLabs 压在身后。此前 Speech 系列已累计生成超 1.5 亿小时语音，客户遍布 30 多个国家。

MiniMax-M1 —— CISPO 与大规模强化学习#

2025 年 6 月 17 日凌晨，M1 登场：全球首个开源大规模混合架构推理模型（论文 arXiv<2506>.13585）。

基于 456B 底座，M1 把火力集中在两件事上：

1. 100 万 token 输入 + 8 万 token 推理输出——上下文是当时 DeepSeek-R1 的 8 倍；
2. CISPO 算法（Clipped Importance Sampling for Policy Optimization）：裁剪重要性采样权重而非 token 更新，AIME 实验收敛速度快一倍，优于 DAPO/GRPO 等主流 RL 变体。

最惊人的是成本：512 块 H800、三周 RL 训练，租赁成本仅约 53.5 万美元（约 380 万人民币）——“比最初预期少了一个数量级”。成绩上，SWE-bench Verified 56%、TAU-bench 62.8% 超 Gemini 2.5 Pro、长文本任务全球第二。

Hailuo-02 —— 视频全球第二#

发布周最后一块拼图：Hailuo-02，扩散模型加 Noise-aware Compute Redistribution（NCR）架构，参数规模提升 3 倍、训练数据 4 倍、效率 2.5 倍，新增原生 1080P。Artificial Analysis 视频竞技场全球第二；服务 200 个国家的创作者，累计生成超 3.7 亿个视频。

阴影：来自好莱坞的律师函#

同一时期，阴影也在逼近。2025 年 9 月 16 日，迪士尼、环球影业、华纳兄弟在美国加州起诉 MiniMax，指控海螺 AI 训练抓取版权内容、生成侵权角色，涉约 500 件作品，索赔最高 7500 万美元。MiniMax 在招股书中否认侵权，2026 年 4 月提交驳回请求，并指出被指侵权的视频”没有一个是海螺 AI 订阅用户制作的”。极具讽刺的是，三个月后迪士尼转头向 OpenAI 投资 10 亿美元并开放 200 多个 IP。这场官司至今未决，成为悬在出海业务头上的一把剑。

MiniMax-M2 —— 一个模型打 Agent 天下#

2025 年 10 月 27 日，M2 发布：总参数 230B、每 token 仅激活 10B，256 个专家 Top-8 路由，200K+ 上下文，MIT 协议完全开源商用。

三个关键设计：Interleaved Thinking（工具调用之间保持推理连贯）、规划-行动-验证的 Agent 链路优化、端到端编码能力（多文件处理、编码-运行-调试循环、自动修复）。

成绩：Artificial Analysis v3.0 综合分全球第五、开源第一；编码质量达到 Claude Sonnet 4.5 的八九成，价格却只有对方的 8%（输入 $0.30/M、输出 $1.20/M）。OpenRouter 调用量迅速冲到全球第四、编程场景第一。

M2.1 / M2.5 —— 霸榜 OpenRouter#

2025 年 12 月，M2.1 把重心转向工程化：Rust、Java、Golang、C++ 等多语言编程，原生 Android/iOS 开发，Multi-SWE-bench 49.4% 超越 Claude Sonnet 4.5，全球 SOTA。

2026 年 2 月 13 日，M2.5 压轴：229B 总参数、10B 激活（第一梯队中参数最小的旗舰），CISPO 保障 MoE 训练稳定，自研 Forge 框架做原生 Agent RL，20 万+真实业务场景训练数据。SWE-Bench Verified 80.2%，编程与 Claude Opus 4.6 基本持平，输出价格约是 Opus、Gemini 3 Pro、GPT-5 的 1/10 到 1/20。

市场用脚投票：M2.5 在 OpenRouter 全球调用量第一，连续五周霸榜。MiniMax 内部也全面吃自己的狗粮——30% 的整体任务由 M2.5 自主完成，新提交代码的 80% 由模型生成。

M2.7 —— 模型开始进化自己#

2026 年 3 月 18 日发布的 M2.7，讲了一个更激进的故事：全球首个深度参与自身进化的大模型。通过研究型 Agent 框架参与文献调研、实验配置、训练监控，内部执行”分析→规划→修改→评测”循环 100+ 轮，带来 30% 的性能提升；内部 RL 流程中承担 30%–50% 的任务。SWE-Pro 56.22%，GDPval-AA 开源第一。

争议也随之而来：M2.7 放弃了 M2 的 MIT 协议，改用限制商用的自定义许可，社区口碑受损。开源是信仰还是策略，MiniMax 在这个问题上摇摆了一下——但很快，M3 给出了回答。

MiniMax-M3 —— MSA 稀疏注意力 + 原生多模态#

2026 年 6 月 1 日，M3 发布，三个”国内首个”集于一身：开源 1M 上下文 + 编程 Agent + 原生多模态。

规格：428B 总参数、23B 激活。真正的看点是架构——MSA（MiniMax Sparse Attention）稀疏注意力：通过索引和筛选 KV 块降低长上下文计算开销，百万上下文下单 token 计算量约为 M2 的 1/20，Prefilling 加速超 9 倍、Decoding 超 15 倍。多模态则从预训练第一天起就混合训练（图文视频 100T+ 数据），而不是后期”缝合”。

成绩：SWE-Bench Pro 59.0%（高于 GPT-5.5 和 Gemini 3.1 Pro）、Terminal Bench 2.1 66.0%、Artificial Analysis 综合智能指数全球开源榜首。官方演示里，M3 用约 24 小时、1959 次工具调用，把 Hopper GPU 上 FP8 矩阵乘法的峰值利用率从 7.6% 干到 71.3%，相对原始版本加速 9.4 倍。

发布同日 API 永久降价 50%；6 月 16 日，权重与技术报告全部开源——M2.7 的许可争议，用最直接的方式翻篇。

H3 —— 全球首个开源全模态视频模型#

2026 年 7 月 31 日，H3 发布，8 月 3 日（就是今天）开源：统一处理文字、图片、视频、声音，最高 15 秒 2K + 原生双声道音视频，Contextual Omni Representation、H3-VAE、H3-Omni Transformer 全套自研。2K 每秒成本不到主流模型的 1/3，直指影视、广告、电商等商业场景。

资本过山车与创始人的姿态#

资本市场的故事则跌宕得多：3 月 18 日市值冲上 4100 亿港元峰值后一路回落，7 月 9 日约 44.85% 股份大解禁，流通盘放大近十倍，市值一度跌至约 700 亿港元，四个月跌去 84%。DeepSeek 降价引发的行业估值重估、C 端盈利难题、版权诉讼阴云，叠加获利回吐，共同制造了这场过山车。7 月 27 日高盛重申买入、目标价 860 港元，当日大涨 17%——多空分歧从未如此尖锐。

而闫俊杰的选择是加码。2026 年 5 月 29 日，MiniMax 与中信证券签署辅导协议，启动科创板 IPO，布局”A+H”双平台；7 月，配售+可转债再融 160 亿港元；7 月 10 日全员信里，他宣布：实现 AGI 之前不再领取薪酬，拿出总股本 4% 激励团队、1% 设立开源基金。

同期，下一代旗舰 M3 Pro（参数规模约 2.7 万亿，为 M3 的六倍，主打复杂推理）宣布将于三季度发布并开放权重；7 月的 WAIC 上，M3 与 H3 的全模态矩阵集中亮相。

ARR 的数字仍在狂奔：2 月超 1.5 亿美元，5 月”60 天再翻番”，企业开发者客户突破 100 万，管理层对 2026 年冲击 10 亿美元 ARR 公开表态。