北京
MiniMax CEO闫俊杰抛出一个决定：他将不再领取薪水，直到公司实现通用人工智能（AGI）。同时，他宣布捐出个人5%的股份，用于员工激励和开源项目。这两个动作背后，是一家上海AI公司同步推进的巨额资本腾挪——以新股加可转债的组合方式，一举拿下20亿美元融资。
彭博社周四披露的交易细节显示，本轮资金超过一半来自新发行股票，剩余部分通过可转债募集。这种“股+债”的设计，折射出MiniMax对估值的精算逻辑。紧接着，公司还计划发行65亿美元的零息可转换债券，行权价较周四收盘价溢价12.6%，对应1940万股股份，债券到期日为2027年。消息释出当天，MiniMax港股股价收跌9.8%，不过投资人的长远筹码似乎并不押注在二级市场的短期波动上——今年初，该公司刚通过港股IPO募得约6.19亿美元。
让市场敢下重注的，是MiniMax最新自研模型M3所展现的代际差距。这个拥有4270亿参数的开源大语言模型，在六月甫一亮相便抛出一个异常指标：单条提示词最多可容纳100万个token。更让开发者震动的是推理速度的改变——相比前代旗舰，M3在预填充阶段快出9倍，解码阶段快出15倍，这种优化幅度远非单纯的硬件堆叠所能解释。
速度跃升的秘密藏在一个叫做MiniMax稀疏注意力（MSA）的技术组合里。AI模型运行在图形处理器（GPU）上时，需要频繁在SRAM高速缓存和HBM高带宽内存之间搬运数据，每一次搬运都像在流水线上增加卡顿。MSA的核心思路借鉴了FlashAttention这类机器学习方法，通过减少数据从SRAM到HBM的迁移次数，直接压缩推理延迟。与此同时，MSA在预填充环节引入“块稀疏预填充”技术，让模型在面对超长文本时能更快建立上下文理解；内部集成的量化模块则进一步压缩中间计算结果，降低显存占用。一套组合拳下来，让千亿参数模型离实时应用又近了一步。
MiniMax的技术路线并不单押文字生成。公司同步公开了VTL系列视觉分词器，这套开源工具能将图像转化为向量——一种大语言模型易于处理的抽象数学结构。这意味着图文多模态能力可以用更低成本的工程方式集成到模型流水线中，而无需从零开始训练另一个庞大的视觉-语言模型。
商业落地上，MiniMax呈现两条并行的收入路径：一条是面向企业的云平台服务，提供托管模型的API调用；另一条直面消费者，通过付费多媒体生成应用直接变现。这种B端+C端的双轨策略，在开源模型纷纷探索盈利模式的当下，提供了一块现成的试验田。
闫俊杰“不拿工资到AGI”的承诺，在员工和社区中激起的情绪是复杂的。有人看到创业者的真诚下注，有人担忧这种叙事是否会放大估值泡沫。但无论外界如何解读，MiniMax用这笔新资金向市场传递的意图很清晰：开源生态需要持续的算力燃料，而算力背后离不开资本杠杆。当一家公司把创始人薪资、员工激励和技术开源统统绑在AGI目标上，它选择的就不再是一条温和的渐变曲线。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
