MiniMax创始人闫俊杰近日在英国播客《Invest in Progress》中与Scottish Mortgage投资经理劳伦斯·伯恩斯（Lawrence Burns）对谈，就中美大模型差距、推理成本、后训练规模以及公司商业化进展等话题作出判断。他表示，中国最好的模型已达到美国顶尖模型约95％的性能，成本仅为后者的十分之一，但剩余5％的追赶难度可能高于此前95％的积累。
这并非双方首次交流。2025年12月，伯恩斯曾到中国拜访闫俊杰，随后Scottish Mortgage参与了MiniMax的香港IPO。此次对话中，伯恩斯关注此前提到的两个差距是否发生变化。闫俊杰未给出新的百分比，仅表示最后5％仍需时间，中美模型在通往AGI的路径上均处于早期阶段，他更关心进步速度。
算力约束是对话的核心背景。闫俊杰称，对一家中国AI公司而言，算力始终是一种约束，MiniMax自创办起就需考虑如何让有限算力承担更多工作，模型架构设计、基础设施搭建与推理优化均围绕效率展开。公司的一项设计原则是，无论使用何种芯片，模型都应保持不错的表现。他认为，中国几家头部模型公司都在提升效率，路径各有不同，有的调整Transformer架构，有的改进后训练基础设施，有的重点投入不同模态，这使中国模型之间保留了差异。
伯恩斯在采访中直接询问，美国前沿实验室是否因算力充裕而被“惯坏”。闫俊杰将讨论落回中国公司的处境：硬件越受限，算法、架构和基础设施的改进就越重要，约束使团队成为更好的工程师和研究人员。他同时计划将节省下来的推理成本投入后训练。强化学习需要模型反复尝试并获取反馈，合成训练数据同样需要调用模型，这些过程均消耗推理算力。推理成本下降后，同等资源可支持更多训练。他判断后训练在模型迭代中的分量会越来越重，并预计未来某个阶段MiniMax可能拥有规模最大的后训练系统。
效率原则也延伸至组织层面。据闫俊杰介绍，MiniMax目前约500人，研发遵循两条原则：让架构和基础设施尽量简单；坚持自建基础设施，即便这会使短期产品发布节奏放慢。前者用于集中有限团队精力，后者为后续扩大模型与训练规模做准备。
商业化方面，低成本能否转化为利润仍是投资人关注的问题。MiniMax目前仍处于亏损状态。闫俊杰的思路是，通过技术创新降低推理成本，在保持价格优势的同时提升模型能力，使收入增长快于成本增长。截至8月，MiniMax年化收入运行率已超过8亿美元，企业业务贡献超过80％。该口径为8月收入乘以12，不代表公司已取得8亿美元全年收入。作为参照，MiniMax披露的2026年上半年收入为1.166亿美元，同比增长283.1％；开放平台及其他AI企业服务收入为7390万美元，占总收入的63.4％。同期经调整净亏损为2.93亿美元。闫俊杰未给出实现盈利的时间表。
谈及做通用人工智能的动因，闫俊杰提到一件家事：他的外公希望写一本回忆录，但不会打字，也难以独自将往事组织成文字，当时的技术尚无法提供帮助。这让他更在意“通用”的意义。他早年接触数学与计算机，2014年在百度深度学习研究院实习，导师为余凯，实习高峰期可调用百度三分之一的GPU，并与搭档参加当年ImageNet挑战赛获得第三名。创办MiniMax后，团队第一年搭建基础设施，训练语言、图像和音频生成模型初代版本，并推出应用Glow，该产品很快积累数百万用户。ChatGPT发布后，他调整了对技术时间表的判断，公司同时投入文本、图像、视频、音乐和语音多个方向。他将模型归为两大系列：M系列为语言模型，重点投入编程和智能体；H系列以视频生成为主，覆盖视频、图像和音频。下一步计划是提升两类模型能力，并将其合并进同一系统。录制采访时，他正将主要精力放在下一代模型M3 Pro上。
开源策略上，MiniMax一边通过API收费，一边开放模型权重，允许开发者自行部署和修改。闫俊杰认为开源可促进商业化，也能让更多开发者参与模型改进，公司无法完成的探索可由社区接续。他以H3为例，称该模型在此前一个月下载量约2500次。他同时给出承诺：“我们打算一直开源下去，直到AGI实现。”
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
