元媧2.7上線：虛擬人視頻制作速度瘋狂翻倍！
來源：清元宇宙 炎炎夏日努力工作的Q仔的電腦都冒煙兒啦～今天要給大家介紹兩個新小伙伴——小元和小媧，他們將給大家解讀元媧2.7版本重磅更新內容～大家掌聲歡迎～～～本次更
*文章來源：36氪
在大模型“撞墻論”不絕于耳的當下，行業比任何時候都更為迫切地渴求探索、渴求創新。
步入2025年這短短一個月之內，全球大模型玩家仿佛集體“沖業績”，OpenAI、谷歌、DeepSeek等玩家密集發布了一系列新品。
而縱觀整個大模型行業，幾乎是有史以來的第一次，大模型行業內部出現了大規模分歧與非共識：
1.應用 vs技術——基礎模型的更新是否已經基本停滯?行業創新的重點轉移到應用?
2.價格戰 vs價值戰——“價格戰”打不打?怎么打?創業公司打得過嗎?
3.單模態 vs多模態——對于AGI來說，多模態究竟有多重要?
在這十字路口前，每家大模型企業，都自愿或是被迫地，選擇了自己的站位。
例如，OpenAI的GPT-o1試圖用強化學習為Scaling Law“續命”，谷歌Titans開始探索全新的模型記憶力架構;但同時也有更多玩家開始將注意力轉至應用優化、功能更新、用戶留存上。
作為國內“大模型六小龍”之一，MiniMax此前一直以產品力強而聞名業內，在這個時間點也通過開源和一系列更新表達了自己的態度。
2025年1月以來，MiniMax在十天內連發四個AI模型，包括基礎語言大模型MiniMax-Text-01和視覺多模態大模型MiniMax-VL-01，以及視頻模型S2V-01、語音模型T2A-01。而兩個MiniMax-01系列模型，更是公司有史以來首度開源。
創始人在近期的媒體訪談中也直接表示，“如果重新選，第一天就應該開源”。一家商業公司從開源走向閉源是常見的，從大家調侃“OpenAI變CloseAI”可見一斑，但從閉源走向開源卻不多。
從MiniMax這一系列更新可以看出來，這家公司正試圖通過開源、創新、技術驅動的路徑，扭轉市場對其的“只有產品強”的印象。創始人表示，“技術品牌之所以重要，本質也是因為這個行業最大的驅動力是技術進化”。
同時，面對當前大模型行業的三大“非共識”，MiniMax也試圖通過這一系列模型更新，給出自己的答案。
01 卷應用 vs 卷技術：行業再次來到“Transformer時刻”
從去年以來，大模型行業內部一個顯著的趨勢是——底層技術突破開始變慢。
OpenAI的GPT-5屢屢跳票，時至今日仍不見蹤影。AI三大要素算力、算法、數據均出現了不同程度的發展停滯，2024年的模型能力似乎停止增長。
與之相對應的，是大模型應用“投流大戰”的爆發。
根據AppGrowing數據，自從月之暗面(Kimi)打響國內大模型“投流大戰”以來，國內前十款大模型產品合計投放廣告超過625萬條，按市場價折算，金額達到了15億元人民幣。
以至于坊間戲稱：“大模型行業里唯一賺到錢的是B站、抖音、小紅書”;“共享單車補貼戰好歹普惠用戶，現在賺錢的只有廣告平臺。”
落到應用層面，不少企業選擇了專攻APP產品、定制合作項目、為政企定制小模型等方案;而在模型技術層面，無論是國內還是海外，其大部分都統一選擇了較為安全的“對標GPT”方案，在技術路徑上全面跟隨OpenAI——而當OpenAI疑似“撞墻”后，整個行業看上去都放慢了腳步。
1月15日，MiniMax發布并開源了最新一代MiniMax-01系列模型，包含基礎語言大模型MiniMax-Text-01和視覺多模態大模型MiniMax-VL-01。
與之同步公開的一份68頁技術論文《MiniMax-01:Scaling Foundation Models with Lightning Attention》，更是幾乎在整個AI技術圈都引起討論。
(硅谷科技媒體VentureBeat及AI科技學者、投資人與創作者評價MiniMax-01系列模型的架構創新及長文本能力)
從參數上來看，MiniMax-01總參數規模達到4560億，其綜合性能在多個主流評測集上與GPT-4o、Claude-3.5-Sonnet等SOTA(State-of-the-Art，業內頂尖)模型持平，支持400萬token的輸入，可輸入長度是GPT-4o的32倍、Claude-3.5-Sonnet的20倍。
在測評集LongBench V2的最新結果中，MiniMax-Text-01綜合評分僅次于OpenAI的o1-preview和人類，位列第三。
(Long Bench V2排行榜，LongBench V2是面向現實情景進行長上下文多任務深入理解和推理的測試集)
如果只是模型性能很強，MiniMax-01并不會在AI研究人員中引發如此廣泛的關注。
引人注目的點在于，MiniMax第一次在一個4560億參數的超大規模商用模型上，引入了有別于傳統Transformer架構的線性注意力(Linear Attention)機制，以極低的算力成本，試圖為困擾著整個大模型行業的難題提供一個新的解題思路。
MiniMax-01針對大模型最底層、最核心的Transformer架構進行了重構，在傳統方案(下圖上半部分)的基礎上，引入了Linear Attention線性注意力，相當于從“分子”層面對物質進行改變。
這也是為什么，這次MiniMax-01的開源會在AI研究圈引起如此大的關注。
(MiniMax-01核心架構示意圖)
線性注意力技術并不是MiniMax第一個提出的，正如大語言模型技術并不是OpenAI第一個提出的，但它們卻是第一個大膽、堅定地對其進行大規模應用，并圍繞其進行了從算法到框架的全面創新，最終取得顛覆式成功的玩家。
正是這種針對最底層技術的創新，使得MiniMax-01能夠以GPT-4o十分之一的算力成本，達到比肩業內SOTA的性能，以及國際第一的400萬token超長上下文。
在技術論文的MiniMax的研究人員表示，MiniMax-01仍有八分之一的部分沿用了傳統Transformer技術思路。當前，他們正在研究一套更高效的全新架構，最終完全去掉傳統方案，從而實現無限制上下文窗口。
這也就意味著，如果MiniMax成功了，大模型將從此不再受限于輸入長度，人類離AGI(通用人工智能)前進了一大步。
正如當年BERT橫空出世，大模型產業迎來“Transformer時刻”一樣;從某種程度上來說，我們也許正在見證“第二個Transformer時刻”。
02 價格戰 vs 價值戰：算力成本居高不下，“人人都在為英偉達打工”
如果要回顧2024年大模型行業發展，有一個關鍵詞絕對不容錯過——“價格戰”。
這一領域的戰場主要集中在B端，更精確來說，是為to B用戶提供大模型API服務并按量計價的大模型供應商們。
2024年5月初，國內初創企業DeepSeek(深度求索)在發布最新模型DeepSeek-V2的同時，突然大幅調低了API價格，其每百萬token輸入價格低至1元，接近于當時GPT-4 Turbo價格的百分之一。此后，字節跳動、百度、阿里、騰訊、智譜AI、科大訊飛等行業玩家全面跟進，一場轟轟烈烈的大模型價格戰就此打響。
與之相對應的，卻是居高不下的算力價格。
自ChatGPT于2022年底火爆以來，本已接近供不應求的英偉達GPU芯片，在全球AI大模型爆火的背景下，價格也進一步飆升，帶動著英偉達公司市值一路突破3萬億美元，超越蘋果，成為僅次于微軟的全球第二大市值企業。
GPU不僅價格高昂，并且有價無市，2023年甚至出現過海外AI初創企業用英偉達GPU抵押融資23億美元的新聞。由于算力昂貴而稀缺，即便在科技巨頭內部，也有不少部門為集團GPU算力分配爭得頭破血流——不少大模型從業人員戲稱“人人都在為英偉達打工”。
一邊是高昂的算力成本，另一邊卻是慘烈的價格大戰，夾在其中的大模型廠商兩相為難。
不過并非沒有解法。
答案似乎有些老生常談——技術帶來的問題，終究還是要回到技術找解法。
以DeepSeek為例：與MiniMax類似，DeepSeek也是堅定不移的“卷技術”派。2024年，在對技術不斷優化后，其推出的V3模型參數量達到了671B，訓練成本僅為557.6萬美元，對比之下，2020年的GPT-3訓練成本已經接近1200萬美元，GPT-4的訓練成本更是超過1億美元。
事實上，模型訓練成本的降低不僅與模型算法有關，它涵蓋了算力和應用的中間層的多個步驟，涉及算法、架構、硬件、軟件、工具鏈的優化與調度，一般稱為AI Infra(AI基礎設施)。在算力成本居高不下的背景下，AI Infra的首要目標是優化算力資源，在保證性能的同時盡可能降低模型部署成本。
而MiniMax-01所引入的Linear Attention技術，本質上是通過算法降低矩陣輸入復雜度，從而降低算力成本。與此同時，MiniMax還引入了數據打包(Data-packing)、線性注意力序列并行性(LASP+)、多級填充(Multi-level Padding)等一系列技術，從數據、算法、到GPU通信間進行了全面優化，使得其在英偉達H20 GPU上機器浮點利用率(MFU)高達75%，極大降低了模型的訓練與推理成本，其輸入價格僅為1元/百萬token，是GPT-4o的十分之一。
在被媒體問到“MiniMax過去一年比較滿意的技術成果是什么?”時，MiniMax創始人的回答是：AI Infra與算力優化，以及多模態。
03 單模態 vs 多模態：我們離AGI還有多遠?
多模態可能是業內分歧最小，但競爭最為激烈的領域。
模態(Modal)是計算機用語，可以理解為計算機和人之間的感知交流模式的分類——如文字、圖像、聲音、視頻等。
目前除了極少數堅持單模態的玩家外，市場上的大部分AI企業都會瞄準多模態賽道，最基礎的是文字、圖像兩個賽道，涉獵更多的則會涵蓋音頻、視頻、3D建模等等。
以語音為例，1月20日，MiniMax發布T2A-01系列語音大模型，支持17種語言，目前已經上線其海螺語音產品，面向所有用戶開放。
文本轉語音其實是個老技術了，此前的發聲效果一直很生硬，無法像人類一樣控制語調的情緒起伏、抑揚頓挫。谷歌翻譯還曾因為發音太過機械，一度成了互聯網熱梗。
MiniMax這次上線的語音大模型基本已經到了商用水準，AI有聲書、廣播劇、動畫、視頻配音這些場景目前看來都能夠覆蓋。
而比語音大模型更受關注的，則要數視頻大模型。
2024年2月，Sora橫空出世，帶動全球AI視頻大模型開始“狂飆”。不過，在此期間行業其他玩家的視頻生成大模型不斷涌現，Sora在發布后卻始終處于“期貨”狀態，直到12月才正式推出。
目前AI視頻大模型領域有兩大主流技術路徑：文生視頻、圖生視頻。
二者各有優劣，文生視頻(Text-to-Video)主流采用Diffusion技術，擁有極好的“發散思維”能力，用戶可以通過文本描述生成任何想象中的視頻內容;但另一方面模型訓練和推理的計算復雜度高，而且視頻主體穩定性極差——尤其是人物的面部。
圖生視頻(Image-to-Video)與其相反，模型將根據用戶輸入的圖片生成視頻內容，一個典型的應用場景就是“讓老照片動起來”，其相比文生視頻主體穩定性更好，計算資源需求更低，但視頻自由度嚴重受限。
不過，MiniMax在1月10日發布的最新視頻模型S2V-01卻打破了兩者間的壁壘，其自研基于單張圖片的主體參考功能，用戶在上傳一張圖片創建參考角色后，模型會將圖片中的主體視覺信息抽取出來，再根據用戶的文本Prompt進行視頻生成，在保證視頻主體穩定的同時，將創意表達得更靈活。
尤其如下圖所示，是在用人物特寫圖像生成視頻時，S2V-01能夠保證極高程度的人物五官、面部細節穩定、自然。
尤為下圖人物的眉心、臉頰、唇角各有一顆痣，海螺AI所生成的視頻不僅能夠清晰還原參考圖中痣的細節，還能在不同鏡頭中保持其位置的一致性——在目前所有AI視頻生成大模型中，這可能是第一個能做到的。
(海外平臺上，創作者們對S2V-01表現出極高熱情)
值得關注的是，MiniMax-S2V-01模型對于視覺和文字信息的處理方式，非常接近人類。
事實上，多任務、多語境、多模態是AI界“冠上明珠”——通用人工智能(AGI)——的幾大主要研究方向。
在AI界的目標中，AGI是一種極其復雜、靈活的人工智能，不僅能完成圖像分類或跨語種文本翻譯等任務，還能模擬人類分析、策劃、創造等一切認知能力。
不過，多模態并非是當前唯一的技術路徑，也有技術流派將語言大模型認定為AGI的通路。不過就目前而言，在行業尚未達成明確AGI共識的當下，Agent(智能體)是個目標更明確的關鍵節點。
隨著大模型底層技術的發展，各行各業對Agent能力要求也在不斷提高，任務變得越來越復雜、數據量越來越龐大，相應而言，大模型本身不僅需要更長的上下文處理能力，同時也需要越來越“像人”，不斷提升其對圖像、視頻、聲音等多模態信息的處理能力。
2025年，可能是AI Agent爆發的一年。
結語
截止至2024年12月，根據AI產品榜數據，MiniMax旗下的AI內容社區Talkie以2977萬的月活躍用戶數，成為全球第一大AI內容社區——這是中國AI廠商第一次在海外超過同類應用，登頂全球第一。
按理來說，作為這場比賽中的贏家，MiniMax應該比任何人都要擁護“卷應用”。
但很有意思的是，MiniMax創始人在最近接受媒體采訪時，卻拋出了“中國人工智能產業過去一兩年走入了巨大的誤區：認為用戶越多，模型能力提升越快。這也導致企業為了有更多用戶，就花大量的錢來買流量”的觀點，引發了業內激烈討論。
坦白說，他可能是對的。
一直以來，MiniMax都是大模型行業里一個非常獨特的存在。
一個事實是，全球許多大模型公司基本都在2022年底ChatGPT火了之后才成立，但MiniMax則早在2021年底就成立了。這也導致當年ChatGPT突然爆火之后，所有人都懵了，回過頭來四處打聽這個MiniMax到底是何方神圣。
在技術路徑上，MiniMax也始終有些“特立獨行”。
2023年，彼時國內市場還是Dense(稠密)模型的天下，MiniMax卻將80%以上的算力和資源全部投入MoE(混合專家)模型的開發中，于2024年初推出了國內第一個MoE大模型。
事后，MiniMax曾經透露，當時公司沒有準備任何MoE以外的備選計劃。
一年后來看，MiniMax賭對了。如今，MoE路徑已經成為各家共識，尤其在模型規模、計算規模越來越大的當下，混合專家技術已成為模型大規模部署必不可少的核心技術。
在行業普遍選擇跟隨GPT-o1路徑的當下，MiniMax卻大膽地瞄準了困擾全行業的“Transformer撞墻”問題，通過底層架構的創新，用有限的算力成本達到真正可以比肩國際領軍模型的效果。
用戶從來都是用腳投票的。
無論是文本、圖像、語音還是視頻，每當模型能力、處理速度有重大提升時，這一提升都會真切地反映在產品與用戶體驗中。MiniMax曾經透露，每當模型能力變強后，產品內用戶的留存表現和使用深度都有著顯著提升。
從創業第一天起，MiniMax就是一個集合了大量“非共識”的存在，它在業務選擇、技術路線、AGI實現路徑上都有著獨立而清晰的判斷，不焦慮，也不跟風，敢于在非共識路上突破上限、做難而正確的事。
當前的大模型產業，已經進入了比賽的下半場，所有“低處的果子”都已被摘光，僅靠跟風與模仿，幾乎毫無勝算。
靠技術創新打開的市場，終究還是要靠技術創新站穩腳跟。
本文鏈接：http://www.tebozhan.com/showinfo-45-10173-0.html大模型2025三大爭議：技術、價格、AGI
聲明：本網頁內容旨在傳播知識，若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。郵件：2376512515@qq.com
Copyright ? 2016-2023 天津谷騏科技有限公司 版權所有 sitemap.xml
違法及侵權請聯系：2376512515@qq.com 津ICP備18001702號
津公網安備 12010102000574號