MiniMax怎样实现AGI ？闫俊杰的办法是抄“后”路-钛媒体官方网站

ROI提升别信保证首页的说法，正规做法只能保证过程和方向，结果要看竞争程度。✈️@zhiyudata

“最后这5%的差距，可能比完成前面95%要难得多。”

在最近发布的一期英国播客《Invest in Progress》中，MiniMax创始人闫俊杰谈到了中国大模型追赶美国同行的难度。

与他对谈的是Scottish Mortgage投资经理劳伦斯·伯恩斯（Lawrence Burns）。2025年12月，伯恩斯到中国拜访闫俊杰，听到了一个令他印象深刻的判断：中国最好的模型已经能达到美国顶尖模型约95%的性能，成本却只有十分之一。随后，Scottish Mortgage参与了MiniMax的香港IPO。

这一次，伯恩斯想知道，这两个差距发生了什么变化。

闫俊杰没有给出新的百分比。他说，最后5%仍需要时间追赶，中美模型在通往AGI的路上也都处于早期阶段。他更关心的是进步的速度。

成本是这场对话反复涉及的话题。闫俊杰认为，降低推理成本，既能让更多人用上模型，也能让MiniMax做更多后训练，继续提高模型能力。他用公司的名字解释这件事：Mini，是把推理成本降下来；Max，是把智能的上限推高。

围绕这条路线，他还给出了一项承诺：“我们打算一直开源下去，直到AGI实现。”

谈到中国模型与美国模型的差距，闫俊杰首先提到了算力。

“对我们来说，尤其是对一家中国AI公司而言，算力始终是一种约束。”

MiniMax从创办之初就要考虑，如何让有限的算力承担更多工作。模型架构怎么设计，基础设施怎么搭建，推理过程怎么优化，都要围绕效率展开。闫俊杰说，公司的一个设计原则是，无论使用什么芯片，模型都应有不错的表现。

在他看来，中国几家头部模型公司都在想办法提高效率，只是各自选择不同：有的调整Transformer架构，有的改进后训练基础设施，也有的重点投入不同模态。这让中国模型之间保留了差异。

伯恩斯在采访中问得更直接：美国的前沿实验室是否被充裕的算力“惯坏了”？它们有条件不断推进技术边界，却没有从第一天起就被迫把效率放在核心位置。

闫俊杰把讨论落到了中国公司的处境上。硬件越受限，算法、架构和基础设施的改进就越重要。

“约束让我们成了更好的工程师和研究人员。”

闫俊杰还想把省下来的推理成本，用到后训练中。

强化学习需要模型反复尝试、获得反馈；合成训练数据，也需要调用模型。这些过程都消耗推理算力。一次推理的成本降下来，同样的资源就能支持更多训练。

他判断，后训练在模型迭代中的分量会越来越重。MiniMax提高推理效率，也是为了把后训练规模做大。他甚至提出，未来某个时候，MiniMax可能拥有规模最大的后训练系统，并借此走到智能的最前沿。

这仍是一个目标。对于当下的中美差距，他的判断相对谨慎：过去三年，双方模型的进步速度已经大致相当，但剩下的5%可能比此前的95%更难完成。

效率也延伸到了公司的组织方式。按闫俊杰在采访中的说法，MiniMax只有500人，研发要遵循两条原则：让架构和基础设施尽量简单；坚持自建基础设施，即便这会让短期内的产品发布慢一些。

前一条是为了让有限的团队集中精力，后一条则为后续扩大模型和训练规模做准备。他认为，公司的资本效率和组织效率，是在这些选择及外部约束下逐渐形成的。