五把刀一条线2026年8月11日MiniMax的开源版图上又多了一颗棋子。截至这一天这家公司已经开源了5款大模型产品。从文本到视频从推理到生成从单模态到多模态五款模型连成一条清晰的进化线底座、推理、多模态、生成。如果你把这条路画成一条时间轴会发现每一步都踩在行业的关键节点上。不是跟风而是在下一盘大棋。五款模型的名字很简单MiniMax-01、M1、M2、M3、H3。但每个名字背后都是一次技术维度的跨越。把它们连起来看你会发现一条完整的AI能力进化路径先打好底座再学会推理然后理解多模态最后创造内容。这不是随意的选择而是人工智能从感知到认知再到创造的必经之路。[图片article9_img1.jpg] 五款模型开源时间线MiniMax-014560亿参数的底座故事的起点是2025年发布的MiniMax-01系列。4560亿参数400万Token上下文。这两个数字在当时意味着什么4560亿参数意味着这是一个真正的大模型。不是那种几亿参数、只能做简单问答的小模型而是具备复杂推理和知识理解能力的大块头。参数规模虽然不是衡量模型能力的唯一标准但一定的规模是复杂任务的基本保障。没有足够的参数容量模型就无法容纳海量的知识和复杂的推理模式。400万Token的上下文则意味着你可以一次性把整本书、整个代码仓库、甚至几十份长文档丢给它它都能记住并处理。这个能力在实际应用中的价值难以估量。无论是法律合同审查、代码库分析、还是长篇报告生成超长上下文都是刚需。一位做法律AI的创业者在试用后感慨以前让AI读一份合同都要分段截断现在直接整份丢进去还能同时对比三份合同找差异。这对我们的产品来说是质的飞跃。底座模型是一切的根基。没有扎实的底座后面的推理、多模态、生成都成了空中楼阁。MiniMax-01的开源等于把地基的图纸公开了让整个社区都能在此基础上建造自己的大厦。M1与M2推理能力的两代进化在底座之上MiniMax推出了M1和M2两代推理模型。M1是文本推理的第一代产品。它的核心能力是思考不是简单地回答问题而是在回答之前先进行推理像一个谨慎的人一样把问题拆解、分析、推导最后给出答案。举个例子。你问M1一道数学题它不会直接给答案而是会把解题过程写出来第一步怎么做第二步怎么做为什么要用这个公式最后得出答案。这种推理能力在数学、编程、逻辑分析等场景中尤其有价值。在需要严密逻辑的领域推理过程往往比答案本身更重要。M2则是在M1基础上的迭代提升。如果说M1是会做题的学生M2更像是会举一反三的优等生。它在推理的深度和泛化能力上都有显著提升能够处理更复杂的推理任务。从M1到M2的迭代节奏很快体现了MiniMax在推理方向上的持续投入。推理能力是大模型从会说到会想的关键跨越也是当前AI行业竞争最激烈的赛道之一。谁能让模型更好地思考谁就能在复杂应用场景中占据优势。[图片article9_img2.jpg] 推理模型两代迭代M3原生多模态推理的突破2026年6月M3发布。这是一次重要跃迁。M3是原生多模态推理模型。什么叫原生就是模型从设计之初就同时处理文本、图片、音频、视频等多种模态而不是先做一个文本模型再外挂其他模态。原生多模态的好处在于不同模态之间的信息可以真正交叉融合而不是各管各的。举个具体的例子。当你给M3一段视频和一段文字描述让它判断视频内容是否符合文字描述时它能同时理解视频中的画面、声音和文字的含义做出综合判断。而非原生的多模态模型可能会先把视频转成文字描述再和输入文字对比中间丢失了大量信息。M3还引入了MSA稀疏注意力机制。在处理超长上下文时传统的注意力机制会消耗大量算力。MSA通过稀疏化策略在保持效果的前提下大幅降低了计算开销。这让M3能够支持1M也就是100万Token的上下文长度。100万Token是什么概念大约相当于75万字的中文文本或者一整套百科全书的内容量。这意味着你可以把整个知识库一次性输入模型让它基于全部信息进行推理和回答。一位AI研究员在技术社区评价道M3的稀疏注意力不是简单的工程优化而是在架构层面解决了长上下文的成本问题。这种思路很可能成为下一代多模态大模型的标准配置。[图片article9_img3.jpg] M3原生多模态推理H3从理解到创造的跨越2026年7月31日H3发布。8月3日开源。节奏之快让整个行业为之侧目。H3是MiniMax的首款多模态生成模型。如果说前面的模型都是理解理解文字、理解图片、理解视频那么H3开始创造了。它支持文本、图片、音频、视频四种模态的输入并能生成包含以上模态的输出。最亮眼的能力是视频生成2K分辨率、15秒时长、带立体声。2K分辨率意味着画面清晰度达到主流视频标准。15秒时长覆盖了短视频的基本需求。而带立体声这一点在AI视频生成领域几乎是独一无二的。其他AI视频模型大多生成的是无声视频后期需要人工配音。H3直接生成带声音的视频省掉了后期制作的环节。更硬的数据是在Artificial Analysis的视频编辑评测中H3拿到了全球第一。这个评测是业界公认的视频生成能力权威榜单拿到第一意味着H3在视频质量和可控性上已经站上了行业巅峰。从底座模型到视频生成全球第一MiniMax用了一年多的时间。然后是价格0.8元每秒。这个价格只有同类产品的三分之一。当能力做到顶尖价格还做到最低MiniMax的意图很明显用极致的性价比抢占市场。[图片article9_img4.jpg] H3视频生成全球第一九家芯片厂商开源不是一个人的独角戏开源大模型最关键的环节之一是硬件适配。模型再好跑不了也白搭。截至2026年8月已有9家芯片厂商完成了对MiniMax系列模型的适配。这个数字的含义不简单。不同芯片厂商的架构、指令集、计算能力各不相同让模型在每种芯片上都能高效运行需要大量的工程适配工作。9家厂商的覆盖意味着MiniMax的模型几乎可以在主流硬件平台上无缝部署。这对企业用户意味着什么意味着无论你采购的是哪家芯片的服务器MiniMax的模型都能跑。这大大降低了企业的部署门槛和切换成本。在当前芯片供应存在不确定性的大环境下多平台兼容性的价值不言而喻。一家企业的CTO说我们选模型第一个看的就是它能不能在我们的硬件上跑。很多模型效果不错但只适配了一两种芯片我们不敢用。MiniMax适配了9家这让我们很安心。[图片article9_img5.jpg] 九家芯片厂商完成适配开源路线从底座到生成的四步棋回过头来看MiniMax的开源路线会发现一条清晰的四步路径底座到推理到多模态到生成。第一步底座。MiniMax-01系列奠定了参数规模和上下文长度的根基。没有扎实的底座后面一切都是空谈。4560亿参数和400万Token上下文为后续所有能力提供了足够的容量和空间。第二步推理。M1和M2让模型从会说到会想进化。推理能力是AI走向复杂应用场景的通行证。会背答案的模型只能应付考试会推理的模型才能解决真实问题。第三步多模态。M3突破了模态壁垒让模型能够同时理解和处理文字、图片、音频、视频。这是从单一感知到全面感知的跨越。世界本身是多模态的只懂文字的AI永远无法真正理解这个世界。第四步生成。H3让模型从理解世界走向创造世界。能理解是基础能创造才是终点。当AI不仅能看懂视频还能生成视频它就从一个工具变成了一个创作者。这四步不是随机选择而是AI能力进化的必然路径。每一步都建立在前一步的基础上每一步都打开了新的应用空间。MiniMax把这个路径完整地开源出来等于把自己的技术路线图向全行业公开了。开发者之声开源社区的真实反馈开源模型的真正考验不在于发布那一刻的掌声有多热烈而在于发布之后有没有人真正在用。从这个角度看MiniMax的开源策略已经交出了一份不错的答卷。在技术社区里开发者们对这五款模型的反馈各有侧重。对MiniMax-01系列评价集中在超长上下文的实用价值上。一位开发者分享了他的使用经验以前处理一个大型代码仓库需要把代码分成几十段分别喂给模型现在可以一次性丢进去模型还能记住前面的上下文给出的代码审查建议连贯得多。对M1和M2推理模型开发者的关注点在于推理质量。有开发者做过对比测试把同一道复杂数学题分别交给M1和M2发现M2不仅给出了正确答案而且推理过程更加简洁高效省去了不必要的中间步骤。这种迭代进步让开发者看到了持续优化的信号。对M3的多模态能力一位做视频搜索的创业者说以前我们需要一个文本模型加一个视频模型中间用一套复杂的流程串联。M3一个模型搞定所有模态的理解系统架构一下子简单了很多。这种架构简化带来的不只是开发效率的提升更是运维成本和出错概率的降低。H3发布后社区里最热门的讨论话题是价格。0.8元每秒的视频生成成本让不少中小团队第一次看到了大规模使用AI视频生成的可能性。有人在社区里算了一笔账用H3生成一条30秒的视频成本只要24元。而同样的需求找外包团队至少要几千元。这个价差足以改变很多团队的内容生产决策。写在最后开源的终局不是模型是生态5款模型、一条进化线、9家芯片厂商适配MiniMax用一年多的时间画出了一个完整的开源版图。但开源从来不是终点。模型开源之后真正的工作才刚刚开始开发者社区的运营、应用生态的培育、商业闭环的构建。这些比模型本身更复杂也更漫长。这种做法在商业上怎么看有人说这是把自己的牌给对手看。但MiniMax的逻辑可能是另一套开源不是慈善而是生态建设。当越来越多的开发者和企业基于你的模型构建应用你的模型就成为了生态的核心。模型本身可以免费但围绕模型形成的服务、工具、解决方案才是真正的商业价值。一位AI行业的观察者说2025年大家比的是谁的模型强。2026年比的是谁的生态大。模型你可以开源但生态是用时间和诚意堆出来的。MiniMax的五把刀已经亮出来了。接下来看的是刀法更是格局。