MiniMax长成了闫俊杰最需要警惕的样子

作者|二毛

在闫俊杰的认知体系里，一个产品要避免“全面优秀”。简单解释这句话，就是“不要把一款产品做成什么都沾一点、什么都不差，但也没有形成一个真正压倒性的东西。”

这不难理解。在创业里，偏科的尖子生，往往比全面发展的中级优等生更容易活下来。

但现在，闫俊杰需要警惕的是，MiniMax似乎正在成为一个“全面优秀”的公司——模型能打，价格够低，产品能跑通，商业化也有起色。但这些“都不差”加在一起，却无法回答市场一个问题：为什么非你不可。

而这，正是MiniMax现在最微妙的地方。

01 中级优等生

某种程度上，闫俊杰本人就是一个中级优等生。

他当然聪明。小学阶段就看初中的书，初中时又看高中，高中又自学了微积分。闫俊杰的父亲是一名中学老师，有段时间，还是小学生的闫俊杰就以给爸爸的学生辅导功课为乐。

一般来说，这类人后来通常会有两种走向。要么一路相信自己“天赋异禀”，要么很早就撞见更大的坐标系，知道自己不过是优秀里的普通人。闫俊杰更像后者。

上大学之后，闫俊杰发现周围有同学在数学方面的天分比自己高，“我不会成为一个很好的数学家了。”

这句话里有一个很重要的分寸：不是不能成为数学家，而是“很好的”那个位置，大概够不上。

后来的媒体访谈里，他曾表达过“做每件事都要做到极致”这样的观点，他的参考标准也永远是行业里成就最高的那一个——罗永浩在播客里夸赞MiniMax旗下的产品都在行业的第一梯队，他会补充“但跟第一还是有差距的”。跟晚点记者对谈时，对方夸赞他的论文在Google Scholar上有接近 3万次引用，他紧跟一句“最top的那个人可能是30万。”

图注：MiniMax成立第一天写下的初心和蓝图

这不仅仅是谦虚，更像是不太愿意在一个不够高的标准上停下来。

所以，当他意识到自己在数学上差着那一步时，没有在原地耗太久。转头开始思考另一个问题：什么东西我感兴趣，而且还和数学有关？

泡了一段时间的图书馆后，他找到了答案：人工智能（那时候还叫模式识别）。它离数学足够近，却又不像纯数学那样需要把人与人的差距过早地锁死在天分上。

对闫俊杰来说，这几乎是一种很早就形成的路径选择：在最吃天赋的位置上认清自己，然后退半步，换到一个仍与核心问题相连，却更奖励勤奋、耐力和工程能力，也更有机会实现突围的战场继续往前。

闫俊杰后来长期用过一个名字：IO。那是《DOTA2》里的一个英雄，上帝小精灵。这个英雄原本更常被放在辅助位，负责连线、补给、提速，不是传统意义上一眼看过去最锋利、最像主角的英雄。

但2019年TI决赛上，Ana把IO拿去打核心位，这让他们战队得到了那年的冠军。闫俊杰说当时觉得这个名字很酷，就拿来用了。

这个偏好放在他身上多少有点意思。因为想把IO玩得好，必须具备的素养里包括：全局意识，节奏判断，冷静思考，以及对于团队的理解和组织能力，而闫俊杰身上就有类似的味道。

这一定程度上解释了：为什么这个中级优等生可以在“天才如林”的AI圈里杀出重围。

02 承接

就技术单点突破而言，闫俊杰未必超越了“天才”，但在一件更难的事上，闫俊杰跑到了一些“天才叙事”前面：他走通了“自研Foundational Model+C端Agent应用（如Talkie/星野）+全球市场验证与变现”的路径，是目前亚洲大模型公司中，少数被证实拥有规模化全球收入的玩家。

财报显示：MiniMax 2025年总收入7900万美元，同比增长158.9%，其中AI-native产品收入5310万美元，开放平台和企业服务收入2600万美元，同比增长197.8%；全年超过70%收入来自海外，累计服务了2.36亿用户和21.4万企业客户及开发者。

确立这样的“全局意识”，源自于闫俊杰在商汤时的经历：

中科院博士毕业后，闫俊杰以实习生身份加入刚刚起步的商汤，仅用了两年多时间，不到28岁的闫俊杰就完成了从实习生到商汤科技研究院副院长的身份跃迁，更是主掌了商汤最核心、最庞大的“智慧城市”安防业务，也是在这个过程里，闫俊杰意识到“产品与技术同行”的必要性：

商汤的人脸识别、图像理解、AR技术，都曾是行业里最能打的那一批。到2021年，商汤对外披露，其AR技术在全球合作应用中的日活用户规模已经达到约1亿，微博、B站、小红书都在用它。

图注：闫俊杰（左一）在CVPR沙龙活动现场

问题是，这1亿日活不属于商汤，而属于那些真正拥有产品、流量和用户关系的平台。商汤提供的是能力，但能力被嵌进别人的产品里之后，用户感知到的往往只是“这个功能很好用”，而不是“这是商汤做的”。

“如果没有足够好的产品能力来承接，即使你有了一些技术进展，这些东西最终也不是你的。”闫俊杰生出这样的感慨。

除此之外，没有产品承接，公司的生存也将面临挑战。

智慧城市的业务很重，链条很长，交付复杂，技术看上去落进了真实世界，但商业上却并不好看。

根据商汤2025年上半年财报，商汤称加强了收款管理。公司称，大部分历史收入来自智慧城市业务，按账龄看，超过3年的贸易应收账款为39.97亿元，较去年年底的38.21亿元改善不大，2至3年的应收账款由去年年底的17.48亿元降至10.08亿元，2年以下的应收账款数额稍有上升。总起来，2025年年中的贸易应收账款为65.97亿元，较2024年底的69.74亿元稍有下降——聊胜于无的下降。

投资人圈子里曾经对“商汤系”创业者（如闫俊杰、Vivix AI 的刘宇等）有一个高度统一的评价：他们身上没有那种纯学者的清高，反而对“搞钱”、做产品和精细化运营有着近乎狂热的执念——

缺钱的苦，吃一次就够够的了。

所以到了MiniMax，这几乎成了闫俊杰重新定方向时最先修正的一件事：大模型和产品必须同时发力，技术不能悬在半空里，必须落到用户能感知的产品上。不仅要让产品把模型接住，同时公司还具备造血能力。

2023年，在高瓴的牵线下，前今日头条用户产品负责人张前川加入MiniMax，“字节基因”让这位产品经理人深谙流量变现，用户下沉心理、买量漏斗以及在产品里植入极其世俗的“抽卡（Gacha）”系统。

那也是MiniMax产品化动作最密集的一段时间：Talkie在海外长期是买量大户，投放素材累计突破10万条；到 2024年底，星野甚至一度登上AI App买量素材榜日榜第一。

这条路走到最用力的时候，MiniMax甚至像一家重新长在大模型上的互联网公司。到2025年前九个月，MiniMax面向个人用户的AI原生产品已经贡献了约71.1%的收入，第二大收入源甚至直接来自Talkie/星野的广告。

03 回调

但闫俊杰并没有在这条路上一直走下去，或者更准确地说，他很快又意识到，产品和增长这套东西一旦跑顺，公司就会在不知不觉中滑向另一种叙事：不是模型驱动产品，而是产品反过来定义公司。

“通过模型能力推动产品和业务变好，和通过移动互联网时代的经典打法让它变好，这两条路可能都是对的，但没法共存。”

这不难理解。因为它们争的是同一个方向盘：技术驱动是模型定义产品，产品驱动则是增长和运营反过来定义模型。两条路都能带来增长，但资源、节奏和判断标准完全不同，放在一家公司里，最后只会彼此拉扯。

一个曾经的失误后来被他反复提起：

2022年底，Glow出现了一个很小的算法bug，它把对话体验拉低约15%，直接导致DAU在三天里就掉了40%；问题修回来之后，用户又很快回来。这让闫俊杰认识到：在这一阶段，决定产品生死的，往往还是模型本身。

当然，最狠的冲击还是来自于同行。

2025年，没有大模型公司能逃过DeepSeek的冲击，MiniMax也深刻感受到了“震感”。DeepSeek用MoE、极致工程优化和开源，把“更低成本也能逼近顶级能力”这件事做成了现实。原来那套靠高价API和产品想象力支撑起来的安全感，被它一下子打穿了。

与此同时，MiniMax早期依靠Glow、Talkie/星野跑通的“产品反哺模型”模式，也开始显出边际——情感陪伴和闲聊数据可以让模型更像人，却很难继续把代码、推理、agent 这些决定下半场位置的能力往上抬。

换句话说，前一阶段产品能把公司托起来，到了下一阶段，真正决定你还能不能留在牌桌上的，还是模型本身。

闫俊杰再次校准，重新聚焦技术驱动。他一边公开承认海螺文本“没有坚持技术驱动”，年初定目标时还在套用移动互联网的逻辑；一边把M2.5这类主打coding、agent和低成本调用的模型推到台前。

而这次校准的代价，也很快反映在产品侧的人事上。

2024年9月，星野及海外版Talkie的产品负责人张前川淡出日常管理，转任顾问；2025年初，负责商业化的副总裁魏伟离职，官方的说法是“国内B端业务进入新的发展阶段”；再往后，连核心模型研发骨干也陆续出现变动。

几件事放在一起看，时间点并不随机：它们几乎都发生在 MiniMax开始重新把重心收回技术、收回底层、收回模型之后。

如果说前一个阶段，MiniMax需要的是能把产品跑起来、把流量做起来、把商业化做出来的人，那么这次校准之后，公司要的就不再是这些。当前端产品的边际开始显现，传统To-B的销售逻辑又被DeepSeek式的低价和开源冲得站不住脚，原来那套围绕C端爆发和B端兜售所配置的人，自然就开始失去位置。

人事变动不只是结果，它本身就是路线变化的一部分：当闫俊杰决定把公司重新拉回技术驱动，那些不再匹配这套新系统的角色，也就只能被系统本身一点点排出去。

这些是战略层面的校准，当然，闫俊杰在 MiniMax 里做的，远不止是“产品驱动”与“技术驱动”的来回切换，他更习惯把这种校准一路做到底层去：

早期MiniMax做得还是数字人方向，后又转向了多模态和基础模型；别人还在 dense 上反复打磨时，他押了当时并不算主流的 MoE；再往后，MiniMax 内部一度尝试过更省算力的 Linear Attention，最后发现这条路在复杂任务上撑不住，又硬生生校准回 Full Attention。

图注：MiniMax各产品线的发布时间

很多时候，他不是在选择一条已经被证明正确的路，而是在不断试错、不断回撤、不断把公司从一个局部最优里拽出来。

这套动作单独看都没有问题，甚至都很像一个技术出身的创始人应有的敏锐：方向偏了就修，架构错了就换，组织不匹配就调整。只是当这些校准一次次叠上去，MiniMax 也慢慢长出了另一种样子——

它几乎在每一个关键节点上都做了正确的事：模型上，M2.7已经站进国内第一梯队，价格还打得足够低；产品上，Talkie/星野、海螺都跑出过成绩，C端收入和全球化也不难看；商业化上，B端从2024年的870万美元增至 2025年的2600万美元，同比增长197.8%，增速快于C端 AI-native产品收入的143.4%，且公司还在主动补平台能力；战略上，它既做多模态，也做开放平台，既懂产品化，也重新收回技术驱动。

问题正在这里：这些优点单拎出来都成立，放在一起却没有长成一个压倒性的“第一”。在今天这个越来越奖励单点极致、奖励“偏科尖子生”的行业里，这种状态最危险的地方就在于：你几乎什么都能参与，却很难成为任何一场关键竞争里的唯一答案。

而这，恰恰是闫俊杰原本最该警惕的状态。

04 “全面优秀”

a16z（顶级风险投资公司，以投资包括Facebook、Twitter、Airbnb以及众多前沿科技企业而闻名）在2025 年对100位CIO（首席信息官）的调研里写得很直接：企业采购正在越来越像传统软件采购，买方会更严格地看评测、托管和benchmark，而不是只看价格；

同一份调研还提到，企业如今更成熟地“混用多个模型”，按性能和成本共同优化。

到了2026年初，a16z又给出一组更关键的数据：54%的受访者认为reasoning models（推理模型）加速了LLM采用，原因不是便宜，而是更快见效、更少prompt engineering、更容易接进内部系统，也因为准确性和可解释性而更值得信任。

在这种采购逻辑下，企业往往更愿意为“偏科但顶尖”的模型买单——把推理、代码、多模态等不同赛道的尖子生分别纳入体系，整体成本未必贵出多少，却能拼出一支性能近乎无短板的“模型舰队”；

相比之下，主打便宜、各项都不错但没有一项绝对领先的中等优等生，处境反而最尴尬——MiniMax刚好就有这样的尴尬。

目前为止，MiniMax最容易被市场记住的，是性价比。

我们横向比较几家主流模型的API定价：MiniMax  M2.7/M2.5的报价是输入0.3美元、输出1.2美元/百万 tokens，明显低于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，也低于智谱GLM-5-Turbo的5/22元人民币；它虽然不比DeepSeek-chat的0.27/1.10更低，但已经稳稳打进了第一梯队。

再看模型能力：

Artificial Analysis（AI基准测试和分析平台，被称为独立AI测试的黄金标准）上，MiniMax M2.7的Intelligence Index（智能指数）是50，和智谱GLM-5持平，比Kimi K2.5的47略高，但仍低于Claude Sonnet 4.6自适应版的 52，以及GPT-5.4、Gemini 3.1 Pro的57。

图源：MiniMax M2.7使用文档

往下一档，M2.5的Intelligence Index只有42，基本就是和GLM-4.7、DeepSeek V3.2同一区间；再往前一代，M2.1是39，被GLM-4.7的42、DeepSeek V3.2的41压住，更麻烦的是，M2.5虽然agentic表现提升，但它的 AA-Omniscience（Artificial Analysis用于评估模型在跨领域知识上的事实准确性和自我认知能力）指数从-30掉到 -41，幻觉率回升到88%；

到了视频端，Hailuo 2.3在Artificial Analysis的文生视频榜排第23、老的T2V-01甚至排到第49,离可灵、SkyReels 这些头部还有距离;图生视频榜排第20，谈不上头部统治力。

也就是说，除了M2.7（3月18日刚刚发布）这种少数单点突破之外，整个模型家族在文本、视频等主赛道里更多时候只是处在第一梯队边缘，很少形成持续、稳定、跨代际的领先。

大模型行业注定会是一场全球性的竞争，且MiniMax成立之初就确定了要走“国际化”路线，仅这一点就注定了它强敌环伺，没有“绝对主线优势”，便意味着很难同时拿到用户心智、商业定价权、资源配置权和长期生存空间。

MiniMax能够通过优化MoE架构，将M2.5/M2.7模型的混合定价强行压制到极低水平，这确实是极其优秀的工程胜利。但在当前极其透明的学术与开源生态下，这种工程优化的保密周期极短。

Artificial Analysis的报告显示，2025年Q3，40+ intelligence index区间的模型推理价格普遍下降了约 50%或更多，而且模型还在同时变得更智能、更快，这意味着“便宜”本身的半衰期极短。

Menlo Ventures（一家硅谷风险投资公司，领投了Anthropic）数据显示，Anthropic、OpenAI、Google 三家已经占到88%的企业LLM API使用份额，说明客户最终会把预算集中给那些“更强、更稳、更适配场景”的头部玩家，而不是长期奖励一个单纯靠低价取胜的供应商。

图注：企业LLM API使用份额

这提醒闫俊杰：工程能力当然重要，但到了下半场，真正决定位置的，还是技术能力本身。

闫俊杰在商汤时打过一场攻坚战：

那是商汤的人脸识别项目，他的起手并不漂亮。每次技术测试，他的成绩都排在后面，相当于考试时总考倒数，“而且当时公司最多的资源都是支持我来做这件事，”他说。对于一个优等生而言，这个过程中的压力与痛苦可想而知。

死磕了一年半，闫俊杰把这个项目做到了行业第一，并且在之后的每一次测试里，他的第一都巍然不动。

或许这就是他的做事方式：路一旦选定，接下来就是往里走，走到头。

闫俊杰今年37岁了，刨除掉漫长的求学生涯，“工程师”的身份伴随了他7年，后来，他又以“创业者”的身份存在了4年。罗永浩曾问他喜欢管理吗？闫俊杰的答案是这样的：不喜欢，因为管理带来的杠杆太低了，而做一些有突破的东西带来的杠杆更高，所以我不喜欢管理，但喜欢研究组织。

学者的内啡肽来自于‘突破’，但企业家讲究回报率。从这个角度看，闫俊杰显然已经具备了企业家的属性：他依然相信技术，依然迷恋突破，但已经不再满足于把问题解出来，而是开始要求这些答案最终变成产品、收入、组织和市场位置。

只不过，MiniMax能不能因此逃开“全面优秀”的陷阱，仍然是另一道更难的题。

头图来源|AI制图