MiniMax長成了閆俊杰最需要警惕的樣子

作者|二毛

在閆俊杰的認知體系里，一個產品要避免“全面優秀”。簡單解釋這句話，就是“不要把一款產品做成什么都沾一點、什么都不差，但也沒有形成一個真正壓倒性的東西。”

這不難理解。在創業里，偏科的尖子生，往往比全面發展的中級優等生更容易活下來。

但現在，閆俊杰需要警惕的是，MiniMax似乎正在成為一個“全面優秀”的公司——模型能打，價格夠低，產品能跑通，商業化也有起色。但這些“都不差”加在一起，卻無法回答市場一個問題：為什么非你不可。

而這，正是MiniMax現在最微妙的地方。

01 中級優等生

某種程度上，閆俊杰本人就是一個中級優等生。

他當然聰明。小學階段就看初中的書，初中時又看高中，高中又自學了微積分。閆俊杰的父親是一名中學老師，有段時間，還是小學生的閆俊杰就以給爸爸的學生輔導功課為樂。

一般來說，這類人后來通常會有兩種走向。要么一路相信自己“天賦異稟”，要么很早就撞見更大的坐標系，知道自己不過是優秀里的普通人。閆俊杰更像后者。

上大學之后，閆俊杰發現周圍有同學在數學方面的天分比自己高，“我不會成為一個很好的數學家了。”

這句話里有一個很重要的分寸：不是不能成為數學家，而是“很好的”那個位置，大概夠不上。

后來的媒體訪談里，他曾表達過“做每件事都要做到極致”這樣的觀點，他的參考標準也永遠是行業里成就最高的那一個——羅永浩在播客里夸贊MiniMax旗下的產品都在行業的第一梯隊，他會補充“但跟第一還是有差距的”。跟晚點記者對談時，對方夸贊他的論文在Google Scholar上有接近 3萬次引用，他緊跟一句“最top的那個人可能是30萬。”

圖注：MiniMax成立第一天寫下的初心和藍圖

這不僅僅是謙虛，更像是不太愿意在一個不夠高的標準上停下來。

所以，當他意識到自己在數學上差著那一步時，沒有在原地耗太久。轉頭開始思考另一個問題：什么東西我感興趣，而且還和數學有關？

泡了一段時間的圖書館后，他找到了答案：人工智能（那時候還叫模式識別）。它離數學足夠近，卻又不像純數學那樣需要把人與人的差距過早地鎖死在天分上。

對閆俊杰來說，這幾乎是一種很早就形成的路徑選擇：在最吃天賦的位置上認清自己，然后退半步，換到一個仍與核心問題相連，卻更獎勵勤奮、耐力和工程能力，也更有機會實現突圍的戰場繼續往前。

閆俊杰后來長期用過一個名字：IO。那是《DOTA2》里的一個英雄，上帝小精靈。這個英雄原本更常被放在輔助位，負責連線、補給、提速，不是傳統意義上一眼看過去最鋒利、最像主角的英雄。

但2019年TI決賽上，Ana把IO拿去打核心位，這讓他們戰隊得到了那年的冠軍。閆俊杰說當時覺得這個名字很酷，就拿來用了。

這個偏好放在他身上多少有點意思。因為想把IO玩得好，必須具備的素養里包括：全局意識，節奏判斷，冷靜思考，以及對于團隊的理解和組織能力，而閆俊杰身上就有類似的味道。

這一定程度上解釋了：為什么這個中級優等生可以在“天才如林”的AI圈里殺出重圍。

02 承接

就技術單點突破而言，閆俊杰未必超越了“天才”，但在一件更難的事上，閆俊杰跑到了一些“天才敘事”前面：他走通了“自研Foundational Model+C端Agent應用（如Talkie/星野）+全球市場驗證與變現”的路徑，是目前亞洲大模型公司中，少數被證實擁有規模化全球收入的玩家。

財報顯示：MiniMax 2025年總收入7900萬美元，同比增長158.9%，其中AI-native產品收入5310萬美元，開放平臺和企業服務收入2600萬美元，同比增長197.8%；全年超過70%收入來自海外，累計服務了2.36億用戶和21.4萬企業客戶及開發者。

確立這樣的“全局意識”，源自于閆俊杰在商湯時的經歷：

中科院博士畢業后，閆俊杰以實習生身份加入剛剛起步的商湯，僅用了兩年多時間，不到28歲的閆俊杰就完成了從實習生到商湯科技研究院副院長的身份躍遷，更是主掌了商湯最核心、最龐大的“智慧城市”安防業務，也是在這個過程里，閆俊杰意識到“產品與技術同行”的必要性：

商湯的人臉識別、圖像理解、AR技術，都曾是行業里最能打的那一批。到2021年，商湯對外披露，其AR技術在全球合作應用中的日活用戶規模已經達到約1億，微博、B站、小紅書都在用它。

圖注：閆俊杰（左一）在CVPR沙龍活動現場

問題是，這1億日活不屬于商湯，而屬于那些真正擁有產品、流量和用戶關系的平臺。商湯提供的是能力，但能力被嵌進別人的產品里之后，用戶感知到的往往只是“這個功能很好用”，而不是“這是商湯做的”。

“如果沒有足夠好的產品能力來承接，即使你有了一些技術進展，這些東西最終也不是你的。”閆俊杰生出這樣的感慨。

除此之外，沒有產品承接，公司的生存也將面臨挑戰。

智慧城市的業務很重，鏈條很長，交付復雜，技術看上去落進了真實世界，但商業上卻并不好看。

根據商湯2025年上半年財報，商湯稱加強了收款管理。公司稱，大部分歷史收入來自智慧城市業務，按賬齡看，超過3年的貿易應收賬款為39.97億元，較去年年底的38.21億元改善不大，2至3年的應收賬款由去年年底的17.48億元降至10.08億元，2年以下的應收賬款數額稍有上升。總起來，2025年年中的貿易應收賬款為65.97億元，較2024年底的69.74億元稍有下降——聊勝于無的下降。

投資人圈子里曾經對“商湯系”創業者（如閆俊杰、Vivix AI 的劉宇等）有一個高度統一的評價：他們身上沒有那種純學者的清高，反而對“搞錢”、做產品和精細化運營有著近乎狂熱的執念——

缺錢的苦，吃一次就夠夠的了。

所以到了MiniMax，這幾乎成了閆俊杰重新定方向時最先修正的一件事：大模型和產品必須同時發力，技術不能懸在半空里，必須落到用戶能感知的產品上。不僅要讓產品把模型接住，同時公司還具備造血能力。

2023年，在高瓴的牽線下，前今日頭條用戶產品負責人張前川加入MiniMax，“字節基因”讓這位產品經理人深諳流量變現，用戶下沉心理、買量漏斗以及在產品里植入極其世俗的“抽卡（Gacha）”系統。

那也是MiniMax產品化動作最密集的一段時間：Talkie在海外長期是買量大戶，投放素材累計突破10萬條；到 2024年底，星野甚至一度登上AI App買量素材榜日榜第一。

這條路走到最用力的時候，MiniMax甚至像一家重新長在大模型上的互聯網公司。到2025年前九個月，MiniMax面向個人用戶的AI原生產品已經貢獻了約71.1%的收入，第二大收入源甚至直接來自Talkie/星野的廣告。

03 回調

但閆俊杰并沒有在這條路上一直走下去，或者更準確地說，他很快又意識到，產品和增長這套東西一旦跑順，公司就會在不知不覺中滑向另一種敘事：不是模型驅動產品，而是產品反過來定義公司。

“通過模型能力推動產品和業務變好，和通過移動互聯網時代的經典打法讓它變好，這兩條路可能都是對的，但沒法共存。”

這不難理解。因為它們爭的是同一個方向盤：技術驅動是模型定義產品，產品驅動則是增長和運營反過來定義模型。兩條路都能帶來增長，但資源、節奏和判斷標準完全不同，放在一家公司里，最后只會彼此拉扯。

一個曾經的失誤后來被他反復提起：

2022年底，Glow出現了一個很小的算法bug，它把對話體驗拉低約15%，直接導致DAU在三天里就掉了40%；問題修回來之后，用戶又很快回來。這讓閆俊杰認識到：在這一階段，決定產品生死的，往往還是模型本身。

當然，最狠的沖擊還是來自于同行。

2025年，沒有大模型公司能逃過DeepSeek的沖擊，MiniMax也深刻感受到了“震感”。DeepSeek用MoE、極致工程優化和開源，把“更低成本也能逼近頂級能力”這件事做成了現實。原來那套靠高價API和產品想象力支撐起來的安全感，被它一下子打穿了。

與此同時，MiniMax早期依靠Glow、Talkie/星野跑通的“產品反哺模型”模式，也開始顯出邊際——情感陪伴和閑聊數據可以讓模型更像人，卻很難繼續把代碼、推理、agent 這些決定下半場位置的能力往上抬。

換句話說，前一階段產品能把公司托起來，到了下一階段，真正決定你還能不能留在牌桌上的，還是模型本身。

閆俊杰再次校準，重新聚焦技術驅動。他一邊公開承認海螺文本“沒有堅持技術驅動”，年初定目標時還在套用移動互聯網的邏輯；一邊把M2.5這類主打coding、agent和低成本調用的模型推到臺前。

而這次校準的代價，也很快反映在產品側的人事上。

2024年9月，星野及海外版Talkie的產品負責人張前川淡出日常管理，轉任顧問；2025年初，負責商業化的副總裁魏偉離職，官方的說法是“國內B端業務進入新的發展階段”；再往后，連核心模型研發骨干也陸續出現變動。

幾件事放在一起看，時間點并不隨機：它們幾乎都發生在 MiniMax開始重新把重心收回技術、收回底層、收回模型之后。

如果說前一個階段，MiniMax需要的是能把產品跑起來、把流量做起來、把商業化做出來的人，那么這次校準之后，公司要的就不再是這些。當前端產品的邊際開始顯現，傳統To-B的銷售邏輯又被DeepSeek式的低價和開源沖得站不住腳，原來那套圍繞C端爆發和B端兜售所配置的人，自然就開始失去位置。

人事變動不只是結果，它本身就是路線變化的一部分：當閆俊杰決定把公司重新拉回技術驅動，那些不再匹配這套新系統的角色，也就只能被系統本身一點點排出去。

這些是戰略層面的校準，當然，閆俊杰在 MiniMax 里做的，遠不止是“產品驅動”與“技術驅動”的來回切換，他更習慣把這種校準一路做到底層去：

早期MiniMax做得還是數字人方向，后又轉向了多模態和基礎模型；別人還在 dense 上反復打磨時，他押了當時并不算主流的 MoE；再往后，MiniMax 內部一度嘗試過更省算力的 Linear Attention，最后發現這條路在復雜任務上撐不住，又硬生生校準回 Full Attention。

圖注：MiniMax各產品線的發布時間

很多時候，他不是在選擇一條已經被證明正確的路，而是在不斷試錯、不斷回撤、不斷把公司從一個局部最優里拽出來。

這套動作單獨看都沒有問題，甚至都很像一個技術出身的創始人應有的敏銳：方向偏了就修，架構錯了就換，組織不匹配就調整。只是當這些校準一次次疊上去，MiniMax 也慢慢長出了另一種樣子——

它幾乎在每一個關鍵節點上都做了正確的事：模型上，M2.7已經站進國內第一梯隊，價格還打得足夠低；產品上，Talkie/星野、海螺都跑出過成績，C端收入和全球化也不難看；商業化上，B端從2024年的870萬美元增至 2025年的2600萬美元，同比增長197.8%，增速快于C端 AI-native產品收入的143.4%，且公司還在主動補平臺能力；戰略上，它既做多模態，也做開放平臺，既懂產品化，也重新收回技術驅動。

問題正在這里：這些優點單拎出來都成立，放在一起卻沒有長成一個壓倒性的“第一”。在今天這個越來越獎勵單點極致、獎勵“偏科尖子生”的行業里，這種狀態最危險的地方就在于：你幾乎什么都能參與，卻很難成為任何一場關鍵競爭里的唯一答案。

而這，恰恰是閆俊杰原本最該警惕的狀態。

04 “全面優秀”

a16z（頂級風險投資公司，以投資包括Facebook、Twitter、Airbnb以及眾多前沿科技企業而聞名）在2025 年對100位CIO（首席信息官）的調研里寫得很直接：企業采購正在越來越像傳統軟件采購，買方會更嚴格地看評測、托管和benchmark，而不是只看價格；

同一份調研還提到，企業如今更成熟地“混用多個模型”，按性能和成本共同優化。

到了2026年初，a16z又給出一組更關鍵的數據：54%的受訪者認為reasoning models（推理模型）加速了LLM采用，原因不是便宜，而是更快見效、更少prompt engineering、更容易接進內部系統，也因為準確性和可解釋性而更值得信任。

在這種采購邏輯下，企業往往更愿意為“偏科但頂尖”的模型買單——把推理、代碼、多模態等不同賽道的尖子生分別納入體系，整體成本未必貴出多少，卻能拼出一支性能近乎無短板的“模型艦隊”；

相比之下，主打便宜、各項都不錯但沒有一項絕對領先的中等優等生，處境反而最尷尬——MiniMax剛好就有這樣的尷尬。

目前為止，MiniMax最容易被市場記住的，是性價比。

我們橫向比較幾家主流模型的API定價：MiniMax M2.7/M2.5的報價是輸入0.3美元、輸出1.2美元/百萬 tokens，明顯低于OpenAI GPT-5.4的2.5/15美元、Claude Sonnet 4.6的3/15美元、Kimi K2.5的0.6/3美元，也低于智譜GLM-5-Turbo的5/22元人民幣；它雖然不比DeepSeek-chat的0.27/1.10更低，但已經穩穩打進了第一梯隊。

再看模型能力：

Artificial Analysis（AI基準測試和分析平臺，被稱為獨立AI測試的黃金標準）上，MiniMax M2.7的Intelligence Index（智能指數）是50，和智譜GLM-5持平，比Kimi K2.5的47略高，但仍低于Claude Sonnet 4.6自適應版的 52，以及GPT-5.4、Gemini 3.1 Pro的57。

圖源：MiniMax M2.7使用文檔

往下一檔，M2.5的Intelligence Index只有42，基本就是和GLM-4.7、DeepSeek V3.2同一區間；再往前一代，M2.1是39，被GLM-4.7的42、DeepSeek V3.2的41壓住，更麻煩的是，M2.5雖然agentic表現提升，但它的 AA-Omniscience（Artificial Analysis用于評估模型在跨領域知識上的事實準確性和自我認知能力）指數從-30掉到 -41，幻覺率回升到88%；

到了視頻端，Hailuo 2.3在Artificial Analysis的文生視頻榜排第23、老的T2V-01甚至排到第49,離可靈、SkyReels 這些頭部還有距離;圖生視頻榜排第20，談不上頭部統治力。

也就是說，除了M2.7（3月18日剛剛發布）這種少數單點突破之外，整個模型家族在文本、視頻等主賽道里更多時候只是處在第一梯隊邊緣，很少形成持續、穩定、跨代際的領先。

大模型行業注定會是一場全球性的競爭，且MiniMax成立之初就確定了要走“國際化”路線，僅這一點就注定了它強敵環伺，沒有“絕對主線優勢”，便意味著很難同時拿到用戶心智、商業定價權、資源配置權和長期生存空間。

MiniMax能夠通過優化MoE架構，將M2.5/M2.7模型的混合定價強行壓制到極低水平，這確實是極其優秀的工程勝利。但在當前極其透明的學術與開源生態下，這種工程優化的保密周期極短。

Artificial Analysis的報告顯示，2025年Q3，40+ intelligence index區間的模型推理價格普遍下降了約 50%或更多，而且模型還在同時變得更智能、更快，這意味著“便宜”本身的半衰期極短。

Menlo Ventures（一家硅谷風險投資公司，領投了Anthropic）數據顯示，Anthropic、OpenAI、Google 三家已經占到88%的企業LLM API使用份額，說明客戶最終會把預算集中給那些“更強、更穩、更適配場景”的頭部玩家，而不是長期獎勵一個單純靠低價取勝的供應商。

圖注：企業LLM API使用份額

這提醒閆俊杰：工程能力當然重要，但到了下半場，真正決定位置的，還是技術能力本身。

閆俊杰在商湯時打過一場攻堅戰：

那是商湯的人臉識別項目，他的起手并不漂亮。每次技術測試，他的成績都排在后面，相當于考試時總考倒數，“而且當時公司最多的資源都是支持我來做這件事，”他說。對于一個優等生而言，這個過程中的壓力與痛苦可想而知。

死磕了一年半，閆俊杰把這個項目做到了行業第一，并且在之后的每一次測試里，他的第一都巍然不動。

或許這就是他的做事方式：路一旦選定，接下來就是往里走，走到頭。

閆俊杰今年37歲了，刨除掉漫長的求學生涯，“工程師”的身份伴隨了他7年，后來，他又以“創業者”的身份存在了4年。羅永浩曾問他喜歡管理嗎？閆俊杰的答案是這樣的：不喜歡，因為管理帶來的杠桿太低了，而做一些有突破的東西帶來的杠桿更高，所以我不喜歡管理，但喜歡研究組織。

學者的內啡肽來自于‘突破’，但企業家講究回報率。從這個角度看，閆俊杰顯然已經具備了企業家的屬性：他依然相信技術，依然迷戀突破，但已經不再滿足于把問題解出來，而是開始要求這些答案最終變成產品、收入、組織和市場位置。

只不過，MiniMax能不能因此逃開“全面優秀”的陷阱，仍然是另一道更難的題。

頭圖來源|AI制圖