把文本、视频、语音、音乐都自己造一遍，MiniMax 赌的是「全模态」这一条少有人走的路
如果说月之暗面把筹码压在超长文本、智谱把筹码压在代码与政企底座，那么 MiniMax 从 2022 年成立第一天起就显得有些「贪心」：它要同时自研文本、语音、图像、视频、音乐五种模态的大模型，再用海螺 AI、MiniMax Agent、星野、Talkie 这些原生应用把模型直接送到数亿用户手里。它不把自己定义为「又一家聊天机器人公司」，而是一家以多模态生成能力为护城河的通用人工智能公司。
一句话认识它：MiniMax（上海稀宇科技有限公司）是一家成立于 2022 年初、2026 年 1 月在港交所上市（股票代码 0100.HK）的通用人工智能公司，创始人兼 CEO 闫俊杰曾任商汤科技副总裁、研究院副院长[1]；公司以「与所有人共创智能」为使命，自主研发覆盖文本、音频、图像、视频、音乐的多模态大模型体系（MiniMax M2、Hailuo 视频、Speech 语音、Music 音乐等），并通过海螺 AI、MiniMax Agent、MiniMax Audio、星野等 AI 原生产品，以及面向企业与开发者的开放平台，累计服务来自 200 多个国家和地区的逾 2.12 亿名个人用户与超过 10 万名企业客户[2]。
为什么 MiniMax 从第一天就把「四种模态」一起押上
大模型行业里，「先做文本、再补多模态」是绝大多数厂商的稳妥路径。MiniMax 反其道而行，从创立之初就同步推进语音生成、视频生成、图文理解与自研大语言模型三条线。这种「贪心」背后其实是一套清晰的产品哲学：模型能力必须被真实用户高频验证，而验证最好的地方不是论文榜，而是 C 端产品。闫俊杰多次在访谈中表达过一个判断——当两个模型性能相近时，速度更快、成本更低的那一个更容易带来产品数据增长。所以 MiniMax 选择用 MoE（混合专家）与线性注意力等架构创新，把「算力约束」转化为「算法红利」，而不是盲目堆参数。
这条路线让 MiniMax 成为全球少数几家在语言、视频、音频三大模态同时进入第一梯队的公司，公认的同类玩家只有 OpenAI、Google 与字节跳动[3]。也正是这套全模态底座，使得它在 2025 年 1 月开源 MiniMax-01 系列时，能一口气拿出「长上下文 + 视觉多模态」两张牌，并在同年内陆续把视频、语音、音乐、Agent 全部推向全球市场。对选型者来说，MiniMax 最不可替代的地方，正是「文本—语音—视频—音乐」一套底座打通后产生的协同效应：你可以用同一个模型生态完成短视频脚本、配音、配乐与成片，而不必在四家供应商之间来回拼接。
能力矩阵：错落铺开的四块自研底座
把 MiniMax 的能力拆开看，它并不是「一个大模型包打天下」，而是一组定位分明、又能相互调用的模型与产品。下面这张错落网格，按使用频次与体量大小排布，方便你快速建立心智地图。
MiniMax M2 / M3 与海螺 AI 对话
M2 是 2025 年 10 月发布并开源的新一代文本大模型，采用高效 MoE 架构，总参数约 230B、激活参数仅约 10B，在第三方测评 Artificial Analysis 中总分位列全球前五、开源第一，API 价格约为 Claude Sonnet 4.5 的 8%，推理速度却接近其两倍[4]。M3 进一步把编程与 Agent 能力作为重心，在 SWE-Bench 等代码基准上跻身前列。普通用户通过海螺 AI（Hailuo AI Chat）即可免费体验。
适用：长文写作、代码、Agent 工作流、企业 API 接入
海螺 AI 视频（Hailuo / Video-01 → Hailuo-02）
2024 年 8 月发布 Video-01 并上线海螺 AI 视频产品，2025 年 6 月推出 Hailuo-02，支持原生 1080p 视频生成，引入 Noise-aware Compute Redistribution（NCR）把算力更精准地分配到去噪困难的部分[5]。在 Artificial Analysis 视频评测中，Hailuo 系列长期位列全球第二，累计生成视频已超过 5.9 亿个[6]。
适用：短视频、广告分镜、3D 短片、MV、创意预览
Speech 系列（Speech-01 → Speech-02）
2023 年推出国内首个基于 Transformer 的语音大模型 Speech-01，2024 年升级到 Speech-02，综合性能被官方称为提升至全球第一，支持 32 种语言的零样本/一次样本音色克隆，累计生成语音已超 2.2 亿小时[6]。
适用：拟人配音、数字人、口语教练
MiniMax Audio / TTS API
把 Speech 大模型的语音能力开放为 API，提供高保真、多情感、可定制音色的文本转语音，常用于有声内容、客服语音与互动叙事，是开发者接入门槛最低的多模态能力之一。
适用：有声书、播客、游戏 NPC、智能硬件
Music 系列（Music-01 → Music 2.0）
2024 年起布局音乐生成，Music 2.0 可依据文本提示生成带结构、带人声的曲目，与视频、语音打通后，能支撑「画面 + 台词 + 配乐」一条龙创作，是国内少有把音乐大模型做成自研底座的厂商。
适用：短视频 BGM、广告曲、独立创作
MiniMax Agent 与开放平台
2025 年 6 月发布的 MiniMax Agent 能通过模型规划、工具调用、外部服务与 MCP 集成，自动产出网页应用、文档、调研报告与 PPT；背后由 M2/M3 驱动，并配套开放平台供企业与开发者接入文本、语音、图像、视频、音乐五大类 API[5]。截至披露时点，开放平台已服务数万企业与开发者。
适用：自动化办公、代码生成、调研与内容生产流水线
接进去要几步：一条竖向接入流程
无论是个人开发者还是企业团队，把 MiniMax 的能力接进自己的产品，大体遵循下面这条路径。它既适合先「体验」再「集成」，也支持直接以 API 形态嵌入生产环境。
- 注册并开通开放平台：前往 MiniMax 开放平台（platform.minimaxi.com）完成账号注册与企业认证，在控制台创建应用并获取 API Key；个人开发者可先用海螺 AI 网页端或 App 零成本试用模型效果。
这一步决定你后续调用的是 M2/M3 文本、Speech 语音还是 Hailuo 视频，建议先把目标模态想清楚。
- 在模型矩阵里选型号：文本侧按编程/Agent 选 M2 或 M3，视频侧选 Hailuo 系列，语音侧选 Speech-02，音乐侧选 Music 2.0。每个模型都给出上下文长度、语言支持与单价，便于按预算匹配。
若以成本为第一优先级，M2 的「高智能 + 低成本」组合是多数场景的甜点区。
- 用 SDK 或 HTTP 接口打通：官方提供多语言 SDK 与标准 REST 接口，文本、语音、视频、音乐各自有独立的 endpoint；可以先在 Playground 里跑通 prompt，再复制到代码。
对于 Agent 场景，可借助 MCP 工具把 Shell、浏览器、Python 执行器接进来。
- 做内容安全与计费护栏：在生产环境前置内容审核、速率限制与用量监控；语音克隆等敏感能力需落实授权与合规留痕，避免未授权音色被滥用。
企业侧建议把 Key 放在服务端、前端走代理，防止密钥泄露导致费用失控。
- 灰度上线并持续调优：先小流量验证输出质量与延迟，再逐步放量；结合业务反馈微调 prompt、温度与重试策略，必要时用 MiniMax Agent 把多步任务编排成可复用工作流。
视频与音乐这类生成任务注意缓存结果，重复请求可直接复用，进一步压低调用成本。
模型矩阵速查
下面这张表把 MiniMax 当前主力的自研模型按模态汇总，方便你做技术选型时快速对照。数值来自公开披露与第三方评测，具体以官方最新文档为准。
| 模态 | 代表模型 | 关键能力 | 典型入口 |
|---|---|---|---|
| 文本 / 语言 | MiniMax M2、M3 | MoE 高效架构、超长上下文、强编程与 Agent、开源权重 | 海螺 AI、开放平台 API |
| 视觉 / 多模态 | MiniMax-VL-01、Hailuo-02 | 图文理解、原生 1080p 文生视频、图像参考生成 | 海螺 AI 视频、API |
| 语音 / 音频 | Speech-01、Speech-02 | 32 种语言零样本音色克隆、高保真 TTS、拟人对话 | MiniMax Audio、TTS API |
| 音乐 | Music-01、Music 2.0 | 文本提示生成带结构曲目、与视频语音协同 | 海螺 AI、开放平台 |
| 智能体 | MiniMax Agent | 规划、工具调用、MCP 集成，自动产出应用/文档/PPT | Agent 平台、API |
和 Kimi、智谱到底差在哪
把 MiniMax 与同属国产头部独立大模型阵营的月之暗面（Kimi）和智谱（GLM）放在一起看，差异会比「谁分数更高」更清楚地浮现。MiniMax 的核心标签是「全模态音视频 + 办公/Agent」，它不是纯文本通用能力最强的那一家，却是唯一把语音、视频、音乐都做成自研底座的厂商；月之暗面起家于超长文档、主打万亿参数开源 MoE 与多智能体集群；智谱则强在学术底座、代码与政企私有化落地[7]。
MiniMax 的不可替代点
- 全模态闭环：文本、语音、视频、音乐一套底座打通，做短视频 / MV / 数字人时协同效应强。
- 海外 C 端验证：Talkie、海螺 AI 等产品在海外有直接订阅变现，2025 年前九个月海外收入占比超 70%。
- 极致性价比：MoE + 线性注意力把成本打到很低，M2 的 API 价格约为国际旗舰的 8%。
- 效率优先路线：不盲目卷参数规模，强调「速度更快、成本更低」带来的产品数据增长。
与另外两家的定位分野
- 月之暗面 Kimi：长文本开创者，256K 级上下文、万亿 MoE 开源、多智能体集群，擅长海量文档分析与低成本 API 开发；原生语音与视频生成布局很浅。
- 智谱 GLM：清华系学院派，代码能力第一梯队、私有化与信创适配完善，政企落地案例最多；原生视频生成与语音短板明显。
- 对选型的意义：做 AI 视频 / 配音 / 音乐 / 出海多模态产品选 MiniMax；做长文档研究 / 低成本 API 选 Kimi；做政企私有化 / 代码工程选智谱。
几个容易误读的事实
「MiniMax 就是海螺 AI 视频」是窄化了它。海螺 AI 只是其 C 端视频产品之一；公司真正的资产是覆盖五种模态的自研模型体系与开放平台，视频只是其中被市场最先记住的一块。
「开源第一」不等于「全面最强」。M2 在 Artificial Analysis 综合榜位列全球前五、开源第一，但在纯文本复杂推理上与顶级闭源模型仍有差距；它的卖点是高智能与低成本的平衡，而非单项极限。
语音克隆必须守授权边界。Speech 系列支持跨语言音色克隆，能力越强越需落实声纹授权与内容审核；把他人声音用于商业或仿冒场景既违规也有法律风险。
谁该用，谁先等等
最后用一张表把「适合 MiniMax 的人群」与「暂时不太契合的人群」摊开，帮你快速对号入座。
| 人群 / 角色 | 为什么契合 | 优先用哪块能力 |
|---|---|---|
| 短视频 / 自媒体创作者 | 文生视频 + 语音配音 + 音乐配乐可一条龙完成，显著降低制作门槛与外包成本 | 海螺视频、Speech、Music |
| 出海产品与独立开发者 | 海外 C 端已被大规模验证，开放平台 API 覆盖五模态，定价低于国际旗舰 | 开放平台、M2 API |
| 企业与办公自动化团队 | MiniMax Agent 能自动产出调研报告、PPT、网页应用，适合流程化内容生产 | MiniMax Agent、M3 |
| 数字人 / 互动娱乐厂商 | 高保真 TTS 与跨语言音色克隆，配合视频生成可做拟人数字人 | Speech-02、海螺视频 |
| 纯政企私有化部署需求方 | 相较智谱，MiniMax 的私有化与信创适配生态仍在建设中，先看落地案例再决策 | 开放平台（公有云） |
| 只做超长文档深度研究 | 这类场景月之暗面 Kimi 的长上下文与多智能体更对口，MiniMax 并非最优选 | 建议对比 Kimi |
常见问答
MiniMax 和海螺 AI 是什么关系？
海螺 AI 是 MiniMax（稀宇科技）面向 C 端的 AI 原生应用之一，承载其文本对话、文生视频、图像等能力；MiniMax 同时还有 MiniMax Agent、MiniMax Audio、星野、Talkie 等产品，并形成面向开发者的开放平台。可以把海螺 AI 理解为「模型能力走向用户的前台」，底层仍是 MiniMax 自研多模态模型。
MiniMax 和月之暗面 Kimi、智谱 GLM 最大的差别在哪？
三家路线差异极大：Kimi 起家于超长文档、主打万亿开源 MoE 与多智能体；智谱强在代码、学术底座与政企私有化；MiniMax 则是国内少有把文本、语音、视频、音乐全部做成自研底座的厂商，差异化集中在音视频生成与办公 / Agent 场景，且海外 C 端收入占比很高。
MiniMax 开源吗，开发者能本地部署吗？
是的。2025 年 1 月开源 MiniMax-01 系列（Text-01、VL-01），2025 年 10 月又开源 M2 完整权重，采用宽松协议，可在 Hugging Face、GitHub 获取并本地部署；开放平台也提供文本与多模态 API 供直接调用。
它的文本模型在中文场景够用吗？
M2 在 MMLU、GPQA 等基准上追平或接近顶级闭源模型，M3 进一步强化了编程与 Agent；对绝大多数中文写作、问答、代码与办公自动化任务足够，但若追求极致纯文本复杂推理，建议结合具体基准与你的业务做实测对比。
MiniMax 的视频生成质量如何，适合商用吗？
Hailuo 系列在 Artificial Analysis 视频评测中长期位列全球第二，支持原生 1080p，适合短视频、广告分镜、创意预览等；商用前请留意平台的内容授权、水印与合规要求，并对涉及人物肖像的视频落实相关授权。
语音克隆和 TTS 安全吗，有什么限制？
Speech 系列支持跨语言零样本 / 一次样本音色克隆，能力强大但须守边界：商业或公开使用他人声音前应取得明确授权，并在产品中接入内容审核与留痕机制，避免声纹滥用与仿冒风险。
公司背景和上市情况如何？
MiniMax（稀宇科技）成立于 2022 年初，创始人闫俊杰曾任商汤科技副总裁、研究院副院长；2026 年 1 月在港交所上市（股票代码 0100.HK），成为国内大模型厂商资本化进程中的代表性标的之一，招股书披露其累计服务 200 多个国家和地区的逾 2.12 亿用户。
参考资料
- 来源：MiniMax 投资者关系官网 — 管理团队与公司治理（创始人闫俊杰任董事会主席、CEO 兼 CTO，曾任商汤副总裁）：https://ir.minimaxi.com/corporate-information/management
- 来源：MiniMax 投资者关系官网（中文）— 公司简介与全球业务数据（200+ 国家、2.12 亿+ 用户、M2 / Hailuo / Speech / Music 模型矩阵）：https://ir.minimaxi.com/zh-HK
- 来源：澎湃新闻 / 腾讯新闻 — MiniMax 全模态进入第一梯队、多款 AI 原生产品与海外收入占比：https://so.html5.qq.com/page/real/search_news?docid=70000021_90769603ccb75452
- 来源：中国金融信息网 — MiniMax M2 在 Artificial Analysis 位列全球前五、开源第一及 API 定价：https://www.cnfin.com/cmjj-lb/detail/20251027/4323804_1.html
- 来源：Systems Analysis Wiki — MiniMax 模型家族时间线（Video-01、Speech-02、M1、M2 架构演变）：https://systems-analysis.ru/eng/MiniMax
- 来源：钛媒体 — MiniMax 启动港股上市、全模态产品矩阵与用户 / 营收数据：https://www.tmtpost.com/7816222.html
- 来源：雪球 — 智谱 AI、MiniMax、月之暗面三家定位与能力横向对比（产业分析）：https://xueqiu.com/3090275297/395650680
- 来源：维基百科 — MiniMax Group（公司条目，上海稀宇科技、多模态模型与 2026 年港交所上市）：https://en.wikipedia.org/wiki/MiniMax_Group
青衣网络 AI 观察团队 · 最后更新 2026-08-25 | 本文基于 MiniMax 公开披露与第三方权威报道整理，用于帮助用户了解该公司的定位与模型矩阵；功能、权益、价格、上市与合规政策随时可能调整，实际使用请以官方最新公告与文档为准。