进击的MiniMax，用5天时间重夺王座

进击的MiniMax，用5天时间重夺王座 进击的MiniMax，用5天时间重夺王座 Modified June 23, 2025 No access 6 00:00 从创意构思、分镜脚本设计，到生成图片素材、生成视频并配音，再到精细化剪辑 ，全部由Hailuo Video Agent完成，我所做的只需要花时间等待和备好贝壳 （海螺积分） 。 这下，有点期待第二阶段的Agent了。 AI语音的Her Moment 关于MiniMax的TTS （Text To Speech，文本转语音 ） ，我之前有给大家详细介绍过（ 测评文 ）。 当时还只是Speech 01模型，现在已经升级到了 Speech 02 ，一个具备 Zero shot 能力的模型，可以提供 任意语言 × 任意口音 × 任意音色 。 在两个基准（ Artificial Analysis Speech Arena、Hugging Face TTS Arena ）上，Speech 02均拿下了全球第一。 Speech 02的泛化能力非常强，理论上能够生成任何音色。 本次MiniMax Audio上新的，便是基于Speech 02提供的 「音色设计」 功能，可根据不同的角色Prompt，设计出极具个性化的音色。 比如，我们的角色是： Code block Plain Text 未来世界的科幻AI助手，声音冷静、理性，略带电子合成感，提供信息和指令。 这是根据该角色生成的音频demo。 科幻风格demo音频1 Unable to preview. Please download the file. 再来一段。 科幻风格demo音频2 Unable to preview. Please download the file. 可以说，这就是一个“ 会学习的音色生成器 ”。每个人，都可以根据自己的需求风格定制个性化的音色。 AI语音的Her Moment，正在逼近。 写在最后 大约2800多年前，一位古希腊诗人 赫西俄德 （Hesiod） 写下一本长诗集《工作与时日》。里面提出 “人类五时代”：黄金时代、白银时代、青铜时代、英雄时代、黑铁时代。 这5个词，经常被用来描述一个领域的xx形态，比如房地产的黑铁时代、新能源的白银时代。 如果用在GenAI （生成式人工智能） 领域，大抵现在就是“黄金时代”，代表了最初的理想状态。在这个黄金时代，既有五花八门的AI公司，也有让人五体投地的大模型厂商。 而MiniMax，我认为属于后者。 他用“Give me five days”，自然不是为了与大家“High five” （击掌、庆祝） ，也不是想秀自己的“五花肉”，而是给大家带来 5款 切实好用的AI模型和产品。 他自研了三个模型，文本全球第六，视频前二，音频第一；他创新了两个Agent，无论是通用还是视频，均做到了可交付的水准。 他在“智能”上限上探得更高，从线性注意力到闪电注意力，均致力于将上下文的长度和推理速度拉得更高；他在多模态领域做到技术SOTA，而成本碾压美国公司。他用自己的履历，诠释了什么是“ AI里的中国制造 ”。 5月，我拍摄于MiniMax公司前台 这就是MiniMax，一直以极小的成本实现极大的智能。 Intelligence with Everyone，与所有人共创智能。 🔗 原文链接： https://mp.weixin.qq.com/s/7 28v6Yk... 原创 冷逸 沃垠AI2025年06月23日 07:30 四川 测评文 https://mp.weixin.qq.com/s/7 28v6Yk... No access 6 00:00 No access 6 00:00 从创意构思、分镜脚本设计，到生成图片素材、生成视频并配音，再到精细化剪辑 ，全部由Hailuo Video Agent完成，我所做的只需要花时间等待和备好贝壳 （海螺积分） 。 这下，有点期待第二阶段的Agent了。 AI语音的Her Moment 关于MiniMax的TTS （Text To Speech，文本转语音 ） ，我之前有给大家详细介绍过（ 测评文 ）。 测评文 当时还只是Speech 01模型，现在已经升级到了 Speech 02 ，一个具备 Zero shot 能力的模型，可以提供 任意语言 × 任意口音 × 任意音色 。 在两个基准（ Artificial Analysis Speech Arena、Hugging Face TTS Arena ）上，Speech 02均拿下了全球第一。 Speech 02的泛化能力非常强，理论上能够生成任何音色。 本次MiniMax Audio上新的，便是基于Speech 02提供的 「音色设计」 功能，可根据不同的角色Prompt，设计出极具个性化的音色。 比如，我们的角色是： 这是根据该角色生成的音频demo。 科幻风格demo音频1 Unable to preview. Please download the file. 科幻风格demo音频1 Unable to preview. Please download the file. 再来一段。 科幻风格demo音频2 Unable to preview. Please download the file. 科幻风格demo音频2 Unable to preview. Please download the file. 可以说，这就是一个“ 会学习的音色生成器 ”。每个人，都可以根据自己的需求风格定制个性化的音色。 AI语音的Her Moment，正在逼近。 写在最后 大约2800多年前，一位古希腊诗人 赫西俄德 （Hesiod） 写下一本长诗集《工作与时日》。里面提出 “人类五时代”：黄金时代、白银时代、青铜时代、英雄时代、黑铁时代。 这5个词，经常被用来描述一个领域的xx形态，比如房地产的黑铁时代、新能源的白银时代。 如果用在GenAI （生成式人工智能） 领域，大抵现在就是“黄金时代”，代表了最初的理想状态。在这个黄金时代，既有五花八门的AI公司，也有让人五体投地的大模型厂商。 而MiniMax，我认为属于后者。 他用“Give me five days”，自然不是为了与大家“High five” （击掌、庆祝） ，也不是想秀自己的“五花肉”，而是给大家带来 5款 切实好用的AI模型和产品。 他自研了三个模型，文本全球第六，视频前二，音频第一；他创新了两个Agent，无论是通用还是视频，均做到了可交付的水准。 他在“智能”上限上探得更高，从线性注意力到闪电注意力，均致力于将上下文的长度和推理速度拉得更高；他在多模态领域做到技术SOTA，而成本碾压美国公司。他用自己的履历，诠释了什么是“ AI里的中国制造 ”。 5月，我拍摄于MiniMax公司前台 这就是MiniMax，一直以极小的成本实现极大的智能。 Intelligence with Everyone，与所有人共创智能。 🔗 原文链接： https://mp.weixin.qq.com/s/7 28v6Yk... https://mp.weixin.qq.com/s/7 28v6Yk... 原创 冷逸 沃垠AI2025年06月23日 07:30 四川 关于“ 五 ”，有很多说法。 比如，构成我们老祖宗世界观的 “五行 ”，金、木、水、火、土，相生相克。 成都人，对于“五”也有着自己的理解。教员在天府广场向大家挥手，成都人秒懂，这是暗示“ 打麻将要打五块 ”。 而最近对于“五”演绎深刻的，则属MiniMax的 Give me five days ，连发五天的新品： 三个模型+两个Agent。 其中， 文本模型全球第六，视频第二，语音第一 ，全自研，全模态。 有人说， 这是MiniMax为了证明他还在牌桌上 。要我说，这就是“赖”着牌桌不走啊。 什么六小 虎不虎的，勿cue。 在全球T1牌桌上，MiniMax或许就从未掉过队 。 Long long context 6月17日，也就是Day1，MiniMax发布并开源了自己的 第一代推理模型M1 。跟5个月前自己发布的MiniMax Text 01模型一样，也是擅长超长的上下文。 彼时，01基础模型可以处理400万tokens的上下文；现在，M1推理模型能够支持 100万上下文的输入 和 8万的输出 。 100万是个什么概念呢？《三体》三部曲86万字，《三国演义》64万字，《红楼梦》96万字，《金瓶梅》近100万字。把这些长篇丢给他，都能装下。 据统计， M1是目前全球上下文输入最长的推理模型 （与Gemini 2.5 Pro一致） ，是DeepSeek R1和Qwen3的8倍，是o3和Claude 4的5倍。 不仅上下文超长，而且还贼便宜。 M1的强化学习训练成本只租用512张H800三周的时间，花费53.47万美元 ，这一成本远低于OpenAI、谷歌和Anthropic每次动辄上亿美元的训练成本，也低于DeepSeek R1的557.6 万美元。 成本下降，带来的是价格平权。 现在，所有人都可以在 MiniMax APP和Web上不限量免费 使用M1。API价格也极具性价比，在大家日常用得最多的0 32k输入长度区间， M1输入成本0.8元/百万token， 输出8元/百万token ，价格不到DeepSeek R1的20%和50%。 体验地址：https://chat.minimaxi.com 为什么这么便宜？因为MiniMax独创了 Lightning Attention架构 ，翻译过来就是“闪电注意力”。提出了更快的 CISPO强化学习算法 ，比字节提出的DAPO和DeepSeek早期的GRPO都要快。 这回，真是闪击全球大模型了。正如其名， 以极小的成本实现极大的智能 。 M1在HuggingFace上排全球第二热门模型 这就是，MiniMax M1。 Hailuo 02王者归来 6月18日，海螺视频王者归来，掏出了全新模型 Hailuo 02 。图生和文生，同步升级到02模型。 从实测表现来看： • 1.SOTA指令遵循。 稳定性进一步提升，抽卡率大幅降低。 • 2.画质升级。 支持真1080P画质。 • 3.极致的物理遵循。 Hailuo 02可能是目前全球唯一可以生成体操表演的模型。 • 4.生成速度提升 。 当然，还有最重要的价格。1万元，可以生成 30000支 720p 6s的视频和 17142支 1080p 6s的视频。 而某所谓大师模型，一支视频成本10元，被创作者吐槽为“性能提升30%，价格上涨500%”。 面对高居不下的视频成本， MiniMax没有选择压榨用户，而是压榨自己 。新一代Hailuo 02模型，他们提出了 Noise aware Compute Redistribution （NCR）架构，将训练和推理效率提升了2.5倍。 最终交出的结果就是， Hailuo 02模型比01提升了3倍的参数量和4倍的数据量 ，数据质量和多样性得到显著提高。自然，视频质量也就大幅提升。 光说不练假把式，我给大家看一些海外创作者跑的Case。 @Pablo Prompt 是海外的一位Prompt大佬，他用Hailuo 02制作的猫咩奥运会视频，播放量已经超过150万。他开创的动物奥运会风格，最近正在海内外创作圈引发疯狂模仿。 这是原视频，大家可以看下。 No access 1 00:00 No access 1 00:00 Prompt：televised footage of a cat is doing an acrobatic dive into a swimming pool at the olympics, from a 10m high diving board, flips and spins. 中文版：电视镜头显示一只猫在奥运会上从10米高的跳台跳入游泳池，进行特技跳水，翻转和旋转。 我第一次看时，完全被这个效果给惊到了，猫咩起跳、空中旋转和入水，全套动作浑然天成，物理效果太令人疯狂了。 打戏和电影特效，Hailuo 02也非常擅长。 No access 2 00:00 No access 2 00:00 原博 @padphone 更是建议大家，现在就忘了Veo3吧。 AI艺术大佬 @KarolineGeorges 也连发3支视频，表达对Hailuo 02的喜爱。 我也随手制作了一支巨龙从海中升起的特写镜头，大片感满满。 No access 3 00:00 No access 3 00:00 体验地址：https://hailuoai.com 在X上，大家对Hailuo 02模型评论最多的一个词就是“ insane ” （疯狂的） 。 毫无疑问，MiniMax用自己的模型能力和性价比，再一次宣告 海螺王者归来。 通用Agent之光 “ 通用Agent？不会又一个骗子吧。 ”Agent在经历最近2个月的野蛮生成后，大家对所谓的“通用Agent”已经不怎么感冒，没了最初的尝新冲动。 包括某M在内，一开始很惊艳，但是用过后聊胜于无，就形式上有点唬人。如果要让“通用Agent”真正干活，这时各种问题就来了。要么幻觉高居不下，要么检索质量太差，又或者流程巨复杂，交付出有bug的产品。 而 MiniMax Agent 是我体验过“有点东西”的Agent。比如PPT生成，他直接做到了可交付的水准（ 测评文 ）。在信息质量和幻觉这块，更是出乎我的意料。 测评文 No access 4 00:00 No access 4 00:00 体验地址：https://agent.minimax.io 对于这款Agent，MiniMax介绍他们按照“ 人的标准 ”来进行设计。 • 1.编程。 对作品会做全面测试，不交付有bug网页。 • 2.多模态。 内置生图、生音频和生视频能力，可以直出图文音并茂的作品。 • 3.MCP。 内置MiniMax MCP，多模态输出能力强大且实惠；还集成Github、Figma、Slack、Notion等MCP，通过API key可快速接入。 比如这个Prompt，完成度就很高。 No access 5 00:00 No access 5 00:00 过去，码农喜欢调侃一句： Talk is cheap, show me the code.（空谈无益，代码为证） 现在，我们可以说： Code is cheap，show me the requirement.（代码很廉价，给我看需求） So，let me see your prompt now！ 进化的Video Agent 如果Prompt要分3种形态：文本、图片和视频， 视频Prompt 无疑是最难的。 现在的视频生成技术已经非常强大，但我们想要做出优质的创意短片，一直都有着不小的门槛。为了解决这个问题，MiniMax对 Hailuo Video Agen t进行了3个阶段的规划： • 第一阶段， 提供专业视频创意Agent模版，用户只需根据提示输入文字或图片，即可一键生成高质量的短片； • 第二阶段， 半自定义视频Agent，让用户能够在视频生成的任一环节进行自由编辑； • 第三阶段， 实现完全形态的端到端视频Agent。 MiniMax在Day4交出的Video Agent，便是第一阶段的产品。 比如，我们想做一个“万物变敦煌壁画”的视频，只需要输入6种动物名字就可以了。 我输入“老虎，大鱼，乌龟，豹子，丹顶鹤，龙”后，Agent会自己拟创作计划，先根据参考风格生图，然后用首尾帧出分镜，最后再剪辑成视频。 这是最终的成品。