MiniMax
12 published articles
AI视频生成
MiniMax H3视频定价为竞品的三分之一，编辑能力排名第一
MiniMax H3将文本、图像、视频和音频整合到一个模型中，输出定价为主流每秒费率的三分之一，并在Artificial Analysis的视频编辑排名中位列第一。权重文件承诺数日内发布。该模型在公司自家演示之外能否站得住脚，仍是悬而未决的问题。
2026-08-06
分析
基准测试，而非廉价：中国AI实验室达到与西方同等水平
中国AI实验室Qwen、DeepSeek、MiniMax和Kimi在推理、编码和文档解析基准测试中已赶上或超越美国前沿模型。通过激进定价和开放权重策略，它们不再只是廉价替代品，而是真正的竞争者。
2026-07-27
AI 研究
理解必须先于生成：MiniMax 的新分词器如何打破缩放瓶颈
MiniMax 的 VTP 框架重新思考了视觉分词器的预训练方式，用混合了语义理解的损失替代了纯粹的重建目标。结果是一个随计算量、数据和参数规模扩展的分词器，以及在下游生成任务中 65.8% 的 FID 改进。
2026-07-22
人工智能
MiniMax M3 与打造防作弊推理模型的艺术
MiniMax 详解了 M3 推理能力背后的工程细节：一种深度防御验证器，成功避免了 M2 周期中的奖励破解失败模式；以及 MaxProof，一种群体级测试时扩展框架，将采样转化为引导式搜索。在 IMO 2025 和 USAMO 2026 上，使用 MaxProof 的 M3 超过了人类金牌得主阈值。
2026-07-16
LLM性能
一家中国视频生成初创公司悄然在编程领域击败了Claude Opus
MiniMax的M2.7在SWE-Pro上得分56.22%，性能接近Claude Opus，同时宣称在复杂任务中技能遵循率达97%，并在办公生产力编辑方面表现优异。该模型标志着从追逐基准测试向实际部署智能体的转变。
2026-07-14
人工智能
那些缺失的‘嗯’和‘啊’终于让AI语音听起来像人类了
MiniMax 的 Speech 2.8 将原生填充词、呼吸声和犹豫感引入 AI 语音合成，解决了长期困扰合成语音的‘过于完美’问题, , 这曾让它们听起来像机器人。该模型还提供了10秒语音克隆和跨语言准确性改进。
2026-07-11
AI实验室与研究
MiniMax M3自主编写CUDA内核，并开源代码
MiniMax M3在BrowseComp上取得83.5分，超越Opus 4.7的79.3分，原生支持高达100万token的上下文。在一项显著的自主性测试中，它在无需人工干预的情况下，将GPU内核峰值利用率从7.6%自我优化到71.3%。
2026-07-09
AI模型发布
MiniMax发布M2.7模型，拥有强大的软件工程和办公生产力能力
MiniMax的M2.7模型在软件工程基准测试和专业办公任务中表现强劲，复杂指令技能遵循率达97%，在GDPval-AA上ELO得分为1495。
2026-07-08
人工智能
MiniMax 产品大爆发：代码、音乐、视频新模型全面升级
中国 AI 初创公司 MiniMax 推出 MiniMax M3、Hailuo 2.3、MiniMax Code 以及新的语音/音乐模型，在竞争激烈的市场中拓宽了产品线。
2026-07-06
人工智能
MiniMax M3 突破开源权重天花板：CUDA 加速 9.4 倍，全程无需人工干预
MiniMax M3 实现 CUDA 内核加速 9.4 倍，在 BrowseComp 上击败 Opus 4.7，并自主复现了 ICLR 论文。所有能力均以开源权重形式提供。
2026-07-06
人工智能
MiniMax 新模型 M2.5 编程基准测试夺冠，价格仅为竞争对手的 5%
MiniMax 的 M2.5 模型在编程基准测试 Multi-SWE-Bench 上夺得榜首，在工作空间任务中超越主流模型，且成本仅为竞争对手的十分之一到二十分之一。模型权重已在 HuggingFace 上开源。
2026-07-04
AI研究与开发
马嘉祺给MiniMax工程师上了难忘的一课：被遗忘的token
MiniMax对M2模型无法输出“马嘉祺”这一名字的内部调查发现，预训练词汇表与后训练数据分布之间存在结构性不匹配。根本原因在于：低频率token的lm_head向量在SFT过程中发生漂移，丧失了生成能力，但保留了理解能力。全词汇覆盖修复方案解决了该问题，同时也缓解了日语中的语言混杂现象。
2026-07-04