MiniMax 创始人闫俊杰在近期英文播客专访中提出核心路线：MiniMax 不靠单纯堆预训练算力，而是优先把推理效率做到极致、压低推理成本，用省下来的算力和资源做大后训练规模，同时明确承诺，公司会持续开放模型权重，一直开源到 AGI 实现为止。他把 MiniMax 名字拆解成 Mini 和 Max，Mini 代表压缩推理成本、提升工程效率，Max 代表持续拉高模型智能上限；在他看来，中美大模型之间最后的能力差距，很难靠单纯增加卡量追赶，效率驱动的后训练对齐、生态反馈是更关键的突破口，开源不是放弃商业化，而是搭建开发者反馈网络，反过来加速模型迭代，H3 等开源模型已经衍生出大量外部二次开发版本，验证了这套路线的价值。
一、核心路线逻辑拆解
| 方向 | 核心观点 | 说明 |
|---|---|---|
| 算力策略 | 优先提效，放大后训练规模 | 推理成本越低，可投入 Reward、SFT、在线对齐等后训练的算力越多，持续打磨模型能力 |
| 商业逻辑 | 盈利不靠涨价，靠成本下降 | 收入增长的核心是降低单位 Token 成本，扩大使用量，而不是上调 API 定价 |
| 开源定位 | 开源是创新催化剂，不是变现替代品 | 开放权重吸引开发者二次微调、搭建应用，带回大量真实场景反馈，形成正向循环 |
| 长期承诺 | 持续开源，直至 AGI 实现 | 在抵达通用人工智能之前，保持模型权重开放，支持私有化部署、二次开发 |
二、后训练优先路线的底层思路
- 行业早期大家比拼预训练基座规模，现在能力提升越来越依赖后训练：奖励模型、在线反馈、工具对齐、视频时序对齐都属于后训练范畴。
- 算力资源有限的环境下，工程提效带来的收益，比单纯增加显卡数量更划算。
- 推理侧的成本优化，会直接反哺训练侧：同样预算，推理越便宜，能拿到的真实用户反馈数据越多，后训练样本池越大。
- 闫俊杰提到，中美 AI 赛道处在不同路径：美国偏向暴力投入算力，国内厂商更偏向单位算力效率优化，资源约束倒逼工程创新。
三、开源生态带来的实际收益（H3 案例）
- H3 开源发布两周内，社区衍生出大约 300 个基于 H3 改造的模型分支。
- 海外团队 fal.ai 基于 H3 做后训练，推出 H3 Max，实现接近实时视频生成，3 秒生成 5 秒视频。
- 开发者基于开源模型搭建 24 小时 AI 直播、实时交互式游戏、教育内容生成等场景，很多是 MiniMax 内部没有预先规划的方向。
- 企业客户可以拿到权重本地部署，满足数据不出域、隐私合规的需求，拓展 B 端客户边界。
四、对 AGI 追赶的判断
- 他认为国内头部模型已经接近海外顶尖模型，但还有最后 5% 的差距，这部分差距最难追赶，需要时间持续迭代。
- 通往 AGI 的阶段，模型迭代速度比一次性规模更重要，后训练、Agent 自主任务能力、多模态融合是重点攻坚方向。
- 未来模型会走向语言与视频统一融合，不再是独立的语言模型、视频模型分开运作，目标是能独立完成广告、影视、设计等整套复杂交付任务。
五、路线对应的落地动作清单
- 持续优化推理引擎、KV 缓存、算子调度，把单 Token 推理成本持续下压。
- 搭建大规模后训练系统，扩大奖励微调、在线人类反馈的样本规模。
- 保持 H 系列、M 系列等模型持续开源，开放权重，维护开发者社区。
- 推进多模态融合，打通语言、视频、音频能力，面向 Agent 复杂任务。
- 商业化以 API、企业私有化部署为主，开源和闭源服务并行，互不冲突。
六、外界关心的争议点说明
- 开源不等于全部模型永久免费：部分旗舰版本、面向大客户的定制版本，依然会有闭源服务。
- 开源不代表放弃商业化：开源负责扩大生态、收集反馈，API 和私有化部署是收入载体。
- “开源到 AGI 实现” 属于长期战略承诺，没有定义 AGI 判定标准，是方向性表态。
【相关 FAQ】
问题 1：闫俊杰提出靠极致提效做大后训练规模，后训练和传统预训练有什么区别？
回答 1：闫俊杰提出靠极致提效做大后训练规模，预训练主要是用海量原始文本学习基础语言知识；后训练包含 SFT、奖励模型、在线对齐、工具微调，用来让模型学会遵从指令、对齐偏好、稳定完成复杂任务，是模型能力精细化的关键环节。
问题 2：闫俊杰说 MiniMax 坚持开源直至 AGI 实现，开源会不会冲击自身商业化收入？
回答 2：闫俊杰认为 MiniMax 坚持开源直至 AGI 实现，开源不是商业化替代品，而是催化剂，开源吸引开发者带来更多场景反馈，帮助模型变强，同时带动 API、企业私有化部署订单增长，二者是互补关系。
问题 3：MiniMax 靠压低推理成本做大后训练，这套路线和海外厂商堆算力路线有什么不同？
回答 3：MiniMax 靠压低推理成本做大后训练，核心是单位算力效率优先；海外不少团队更偏向直接投入大量算力做预训练，两条路线的侧重点不一样，MiniMax 希望依靠效率红利持续迭代对齐能力。
【参考资料】
[2026-11-08]（MiniMax 怎样实现 AGI ? 闫俊杰的办法是抄 “后” 路）钛媒体
[2026-11-07]（MiniMax 创始人罕见公开访谈：将一直开源直到实现 AGI）全天候科技
[2026-11-08]（闫俊杰最新访谈：未来 MiniMax 可能拥有规模最大的后训练系统）凤凰网科技
[2026-11-07]（MiniMax 创始人闫俊杰：AI 竞赛的最后 5% 最难）腾讯新闻
[2026-11-09]（闫俊杰谈盈利路径靠创新降低推理成本）新浪财经
【免责声明】
本文内容整理自闫俊杰英文播客访谈公开观点，相关战略、开源承诺、技术路线为企业方向性表态，不代表未来产品落地的硬性保证；AGI 本身尚无统一判定标准，后训练规模、开源计划会随技术、市场环境动态调整；本文仅为行业资讯解读，不构成投资建议。