6月23日，全球人工智能竞赛鼓点正愈发密集，一家来自上海的AI独角兽公司——MiniMax，用一场史无前例的“技术发布周”，宣告其在基座模型、多模态技术和通用智能体Agent、视频Agent等领域的全面突破。从全球首个开源大规模混合架构推理模型MiniMax-M1、到实现极致物理表现的视频模型Hailuo-02、定义“靠谱”生产力的MiniMax Agent、国内首个成片创作助手Hailuo Agent、再到音色设计Voice Design，这一系列密集发布不仅是对其技术积累的集中展示，更是在全球AI竞赛进入“下半场”的关键节点，为行业发展路径和竞争格局注入了全新的、颠覆性的变量。 当AI竞赛的焦点逐渐从模型参数竞赛转向效率成本和落地能力的综合比拼时，MiniMax M1的开源，无疑是对行业现有范式的一次“降维打击”。它被誉为“全球首个开源大规模混合架构的推理模型”，其核心价值不仅在于多个生产力场景中比肩甚至超越顶尖闭源模型，更在于其极致的成本效益和技术创新，为AI的规模化应用提供了全新可能。 其独特的“闪电注意力”（Lightning Attention）混合架构与创新性的CISPO算法，在实现业内最高的100万上下文的输入与业内最长的8万Token的推理输出的同时，大幅提升计算效率；技术报告显示，在进行8万Token深度推理时，所需算力仅为同赛道强手DeepSeek R1的约30%，实现了性能与效率的完美统一。在最新的 Artificial Analysis Intelligence Index 榜单中，MiniMax M1位列全球开源模型第二名。 更快的收敛意味着更少的训练时间和资源消耗。得益于CISPO的高效，M1模型的整个强化学习阶段仅使用了512块英伟达H800 GPU，耗时三周，成本仅为53.5万美元。MiniMax官方表示，这一成本“比最初的预期少了一个数量级”，展示了其技术路线在成本控制上的巨大潜力。 MiniMax-M1发布后在海外引起了开发者的广泛探讨，社交平台X知名AI博主MinChoi评论称，MiniMax-M1简直可以说集Manus 、Deep Research、计算机技能和可爱于一体，随即他还展出了自己用MiniMax-M1做的10个有趣案例。美国知名科技媒体 VentureBeat 称为“正在搅动全球模型格局”，并成为当前开源体系下极具代表性的高性价比大模型。科技媒体The Decoder 则将其性能对标 Google Gemini 2.5 Pro，进一步印证了 MiniMax 在全球技术版图上的崛起地位。 在M1搅动语言模型市场的同时，另一款发布——新一代视频生成模型Hailuo 02，则在多模态领域投下了一颗更具视觉冲击力的“炸弹”。它以“世界一流的效果”和“颠覆性的成本效益”，直接叫板Veo3等国际顶尖模型，尤其在对物理世界规律的理解和表现上，实现了全球性的突破。 Hailuo 02的核心突破，在于其创新的Noise-aware Compute Redistribution（NCR）架构，在将模型参数和训练数据量分别提升3倍和4倍的同时，实现了2.5倍的效率飞跃。在国际权威测评榜单Artificial Analysis视频竞技场中，Hailuo-02一经发布便迅速拿下全球第二的宝座，领先于Google Veo3和快手可灵（Kling）。受益于模型架构创新，海螺02模型官方价格显著低于Runway、可灵等国内外同行，实现行业底价。 最终呈现的效果是惊人的，原生1080P高清画质直接输出电影级的视频画面；极限复杂运动场景的实现体操运动员在空中连续翻转的流畅身姿、马戏演员喷火时火花与光影的逼真互动，这些对时空一致性和物理逻辑性要求极高的场景。据介绍，这是目前全球唯一一个可以实现类似高复杂物理场景的视频大模型。一经发布，海外社交媒体上便充满了Hailuo 02生成的高难度动作视频，其中一个猫咪跳水的视频5 小时就引得超过全球上亿人围观。 公司透露，从2024年8月时偶然提供了一个展示视频生成模型的Demo网页，到后续快速推出海螺视频（Hailuo Video）产物，至今为止已经帮助来自全球200个国家的创作者生成了超过3.7亿个视频。 如果说M1和Hailuo-02是MiniMax展示其强大的“发动机”和“眼睛”，那么同步官宣的通用智能体产物——MiniMax Agent，则是这家公司对“AI能力”的深刻思考和交付回答。这个可以完成长程复杂任务（Long Horizon Complex Tasks）的通用智能体，能多步规划出专家级解决方案、能灵活拆解任务需求、并能执行多个子任务从而交付最终结果。 面对“Mag 7投资组合双移动平均线策略收益率分析”这类需要大量信息搜集、筛选和验证的开放式任务，MiniMax Agent能够活用多种工具，进行深度的网络研究，并最终给出精准、可靠的建议。无论是“新世纪福音战士介绍”的深度解析，还是“卢浮宫”的艺术导览，MiniMax Agent制作的PPT，排版灵活、视觉美观，能够将复杂的信息进行清晰的可视化呈现，而非简单地套用模板。这些案例，仅仅是MiniMax Agent强大交付能力的冰山一角。据悉在MiniMax 内部，该产物已经被使用了两个月，逐渐成为内部超过50%的同学日常使用的产物。 这款视频创作智能体，是国内首个能实现“成片直出”的视频创作Agent，可以自动分析、构思并生成具有专业水准、富有观看价值的完整视频内容。这一创新工具旨在通过AI技术大幅降低视频创作门槛，让用户以自然语言输入即可一键生成专业级成片，开启“零门槛Vibe Videoing”创作时代。 为了用AI降低创作门槛、保证视频专业级别质量，同时又能实现人与AI的有效协作；MiniMax在视频Agent中实现以下技术创新，在AI更大程度地提升普通用户创作自由度的同时，让人与AI更好地进行双向协同。 自然语言驱动全局：抛弃传统工作流+节点的工具模式，通过LLM语言模型，AI自动拆解任务并调用最佳工具链，创新性地支持用户在自然语言描述中构建完整视频，从而降低创作门槛、提升普通用户的创意空间。 全流程工具集：打造视频构思、资料收集、分镜制作、剪辑、配音等视频制作全流程工具集，并通过Agent模型在不同阶段实现自动调用，根据创作阶段智能匹配最优方案，从而Agent在自动化创作的同时保证视频质量。 创作过程可视化：通过Agent思维链实时展示AI工作逻辑，为自定义编辑提供可视窗口与操作空间。Agent创作的透明化可操作窗口，让用户不仅可以有效监控AI创作流程，还能有效介入，实现可控的视频创作。 MiniMax透露，海螺视频Agent将通过三阶段进化，打开用户的创作自由度。目前已经实现第一阶段能力，第二阶段的视频Agent创作工具将于2025年夏季面世 此次发布的模型还包含语音模型Speech 02上的一个功能更新，Voice Design 音色设计。用户可以通过自然语言来描述自己心中所想的音色，实现对多个维度的精准控制，甚至生成世界上不存在的音色。与Speech 02语音模型在链路上相配合，用户在文字转语音中可真正实现了“所需即所得”，以“任意语言 × 任意口音 × 任意音色”，实现可全自定义的无限组合。 而早在5月中旬，语音模型 Speech-02已经发布，即登顶国际权威语音评测榜单Artificial Analysis。收获了全球用户的广泛肯定。Speech-01/02两代模型已经帮助我们的客户和用户生成了累计超过1.5亿小时的语音，与超30个国家的客户实现了合作落地。 通过Voice Design的方式生成声音，解决了语音合成模型行业的两个挑战：精准匹配细分场景下的多样需求、无需复刻他人声音即可无风险实现脑海中音色表达。这将持续降低全球用户使用AI技术的门槛，让说各种语言的人都能感受到语音模型所带来的价值。 分析人士认为，MiniMax的创新之路为全球AI发展提供了第二条道路。面对外部的算力限制和技术封锁，MiniMax没有选择跟随和模仿，而是坚定地走了“自主创新”这条更艰难的路。从底层基础模型优化，到开创性的线性注意力混合架构，再到CISPO和NCR等算法与架构的持续迭代，MiniMax的创新呈现出一种“环环相扣、层层递进”的良性循环。这种“倒逼出来的创新能力”，证明了通过算法和架构的深度优化，完全可以打破“算力-资本”的壁垒。 其开源策略更具深意。在全球AI巨头纷纷转向闭源以构建技术壁垒的当下，MiniMax选择向世界开放其大语言模型的核心能力，这不仅是对技术封锁的有力反击，更彰显了中国新一代AI公司的技术自信和开放胸怀。此举将极大推动全球AI平权，为开发者提供更多选择，并倒逼整个行业回归到更健康、更具创造力的技术和价值竞争中。
