# 产品与技术——385人的多模态战争

> 《看懂MINIMAX》系列 · 第 02 篇
> 阅读时间约 10 分钟

---

## 385人，四条战线，每条都打进全球前列

OpenAI有3,000人，Google DeepMind有2,000人，字节AI团队数千人。MINIMAX只有**385人**——平均年龄29岁——却同时在AI社交、视频生成、语音合成、通用大模型四条线上做到了行业前列。语音合成全球第一，视频生成全球第一梯队，Talkie海外MAU突破千万。

这种人效比找不到第二个案例可比。但"找不到第二个案例"本身就值得追问：这究竟是顶级的执行力，还是幸存者偏差放大了我们看到的成绩？逐一拆解。

---

## 一、Talkie——海外AI社交的隐形冠军

### 产品定位

Talkie（海外）和星野（国内）是MINIMAX的AI角色扮演社交产品。用户可以和AI角色自由对话，也可以自己创建角色、设定人格。它不是工具型AI（不像ChatGPT回答问题），而是**娱乐和陪伴型AI**——用户来这里不是为了生产力，是为了"和AI做朋友"。

### 关键数据

| 指标 | 数值 | 来源 |
|------|------|------|
| 累计用户 | **1.47亿** | MiniMax 2025年报 |
| 全球MAU | **2,760万** | MiniMax 2025年报（截至2025年9月）|
| 海外MAU | **1,100万**（50%+来自美国）| MiniMax招股书 |
| 日活用户 | **近千万** | MiniMax财报电话会 |
| 日均使用时长 | **70分钟** | MiniMax财报电话会 |
| 2025年收入 | **1,875万美元**（同比+39%）| MiniMax 2025年报（截至9月数据）|

**70分钟日均使用时长**——这个数字非常惊人。作为对比，TikTok的日均使用时长约55分钟，Instagram约30分钟。如果数据可信，说明Talkie的用户粘性极强。

### 竞争格局

| 产品 | 公司 | 现状 |
|------|------|------|
| **Character.AI** | 被Google收编 | 先行者，用户规模更大，但独立性丧失，创新速度下降 |
| **Talkie** | MINIMAX | 海外增长最快的中国AI社交产品，角色丰富度高，社区活跃 |
| **Chai** | 独立公司 | 规模较小 |
| **Janitor AI** | 独立公司 | 偏成人向，小众 |

Character.AI被Google收编后，创始团队回到Google DeepMind，产品层面的创新明显放缓。这给了Talkie一个窗口期。

**核心优势**：
1. **用户生态**——UGC角色创建形成弱网络效应，角色越多、用户越多、创作者越多
2. **多模态融合**——Talkie的角色可以有语音（基于Speech-02），这是Character.AI没有的
3. **海外本土化**——美国、菲律宾、英国等市场的Z世代用户高度活跃

**核心风险**：
1. **AI应用留存率普遍堪忧**——新鲜感消退后活跃度是否能维持？
2. **ARPU极低**——AI社交的付费意愿远低于游戏和流媒体
3. **Google随时可能重新发力**——Character.AI的技术和用户基础还在Google手里
4. **版权和安全合规**——Talkie曾在日本和美国被下架过

**反方观点**：70分钟日均时长可能是被少数重度用户拉高的。真正的问题不是MAU多少，而是有多少人愿意掏钱。目前Talkie的ARPU可能只有**1-2美元/月**（估计），远低于Netflix的**15美元/月**。

---

## 二、海螺AI——视频生成赛道的中国选手

### 产品定位

海螺AI是MINIMAX旗下的AI视频生成工具，海外品牌名为Hailuo AI。用户输入文字或图片，即可生成视频。

### 技术水平

最新的**Hailuo 02**支持**1080p原生分辨率**，采用Noise-aware Compute Redistribution（NCR）核心架构，在生成速度、画质、物理表现上处于全球第一梯队。

| 产品 | 公司 | 画质 | 速度 | 用户规模 |
|------|------|------|------|---------|
| Sora | OpenAI | 顶级 | 慢 | 受限于ChatGPT Plus订阅 |
| 可灵（Kling）| 快手 | 高 | 快 | 数百万用户（估计）|
| **Hailuo 02** | **MINIMAX** | **高** | **快** | **全球数百万用户** |
| 即梦 | 字节 | 中高 | 快 | 快速增长 |
| Runway Gen-3 | Runway | 高 | 中 | 海外专业用户 |

海螺AI的**2025年收入为1,746万美元**（截至9月），是MINIMAX第二大收入来源。

### 迪士尼版权诉讼——绕不过的坎

2025年9月，迪士尼、环球影业、华纳兄弟在美国加州联邦法院联合起诉MINIMAX，指控海螺AI在训练和生成过程中侵犯了超过**50个**影视作品IP的版权。

诉讼要点：
- 原告要求每件被侵权作品赔偿最高**15万美元**，50件合计最高**750万美元**
- 另外要求法院发出禁令，禁止海螺AI继续侵权
- 原告指出海螺AI已经有内容过滤机制（能拦截暴力和色情内容），但**选择不拦截版权内容**

MINIMAX在招股书中回应：考虑到潜在跟进诉讼等更广泛情景，最坏情景下赔偿可能达**7,500万美元**，相对公司财务资源"比例有限"。（注：此数字为招股书中的最坏情景估算，高于本案原告诉求的750万美元上限。）

**冷静分析**：赔偿金额本身不致命，但**禁令风险**才是关键——如果法院禁止海螺AI在美国运营，将直接打击海外业务。此外，这起诉讼可能引发更多版权持有者跟进起诉。

**反方观点**：AI公司被版权诉讼几乎是行业通病——OpenAI、Stability AI、Midjourney都面临类似诉讼。最终大概率以和解或许可费方式解决。但和解金额和条件仍有不确定性。

---

## 三、Speech-02——语音合成全球第一

### 核心成绩

MINIMAX的Speech-02在两个全球权威语音评测榜单同时登顶：

| 榜单 | 排名 | ELO分数 |
|------|------|---------|
| Artificial Analysis Speech Arena | **第1** | **1161** |
| Hugging Face TTS Arena | **第1和第2**（HD和Turbo双版本包揽）| 第1 |

在这两个榜单上，Speech-02**超越了OpenAI的TTS和ElevenLabs**——而ElevenLabs是此前公认的语音合成之王。

### 技术特点

- 人声相似度达到**99%**
- 价格仅为ElevenLabs Flash V2.5的**一半**，Multilingual V2的**四分之一**
- 服务超过**5万家企业**

### 商业化潜力

语音合成是一个**确定性较高**的垂直赛道：有声书、播客、客服、游戏配音、视频旁白——每个场景都有真实的付费需求。全球TTS市场规模约**100-150亿美元**（2025年估计），增速约**70%/年**。

**Speech-02可能是MINIMAX最被低估的资产**——它不像Talkie那样吸引眼球，但商业化路径更清晰、壁垒更高（语音合成的训练数据和效果调优需要深厚积累）。

**反方观点**：语音合成市场虽然增速快，但天花板有限。而且OpenAI和Google都在加大语音投入——全球第一的位置能保持多久？

---

## 四、M2.7大模型——用1%的成本追赶OpenAI

### 核心参数

| 指标 | M2.7 | 对比 |
|------|------|------|
| 架构 | MoE（混合专家）| 与DeepSeek-V3同一技术路线 |
| 总参数 | **2,300亿** | — |
| 激活参数 | **100亿** | 推理成本低 |
| 上下文长度 | **200K tokens** | 约40万中文字 |
| SWE-Pro得分 | **56.22%** | 接近GPT-5.3-Codex |
| VIBE-Pro得分 | **55.6%** | — |
| Terminal Bench 2得分 | **57.0%** | — |
| 研发成本 | 约为OpenAI的**1%** | MiniMax招股书 |

M2.7最独特的能力是**自我进化**——在研发过程中，模型自行构建强化学习Harness中的复杂Skills，更新Memory，驱动自身的强化学习，并基于结果优化学习过程。这是MINIMAX提出的"首个深度参与迭代自己的模型"概念。

### 性价比优势

M2.7的推理价格仅为Opus 4.6的**1/10到1/20**。2026年初以来，M2系列推理算力成本又进一步下降超**50%**。

在纯文本能力上，M2.7不是最强的——DeepSeek、GPT-5系列、Gemini 3 Pro在复杂推理上仍然领先。但M2.7的定位不是"纯文本最强"，而是**多模态综合能力最优**：文本+语音+视频+音乐的一体化能力，目前没有竞品能完全匹配。

### 开放平台数据

| 指标 | 数值 |
|------|------|
| 企业客户和开发者 | **21.4万**，覆盖100+国家 |
| 2025年开放平台收入 | **2,596万美元**（同比+197.8%）|
| 2026年2月新注册用户 | 达2025年12月的**4倍以上** |

开放平台（B端API）是增速最快的业务线，也是未来潜在的主要收入来源。

**反方观点**：API市场正在经历惨烈价格战。DeepSeek把价格压到极低，字节豆包的API调用量已是天文数字（日均50万亿Token）。MINIMAX的API定价权极弱——被市场推着走。

---

## 多模态能力对比：MINIMAX到底排第几

把四个维度放在一起看：

| 能力 | MINIMAX | 字节 | 阿里 | DeepSeek | OpenAI |
|------|---------|------|------|---------|--------|
| 文本生成 | ★★★☆ | ★★★★ | ★★★★ | ★★★★★ | ★★★★★ |
| 语音合成 | **★★★★★** | ★★★★ | ★★★ | ★★ | ★★★★ |
| 视频生成 | **★★★★★** | ★★★★ | ★★★ | ★ | ★★★★ |
| 音乐生成 | **★★★★** | ★★★ | ★★ | ★ | ★★ |
| 多模态融合 | **★★★★** | ★★★★ | ★★★ | ★★ | ★★★★ |

**MINIMAX的差异化非常清晰：纯文本打不过，但语音+视频+音乐的多模态综合能力目前全球领先。**

这个差异化能持续多久？下一篇拆竞争格局时详细分析。

---

## 385人效率之谜：真功夫还是幸存者偏差？

385人，平均年龄**29岁**，研发占比**74%**（约285人），组织结构只有**三个层级**。用不到巨头1/10的人力，做出了上述成绩。

**看多视角**：高人才密度、低沟通成本、快速决策。闫俊杰的CMU博士背景+商汤副总裁经历，能吸引顶尖人才。小团队比大团队更灵活。

**看空视角**：小团队抗风险能力弱，几个核心人才离职就可能动摇根基。AI竞赛越往后越依赖算力和数据——这两样东西不是小团队能拼的。

---

## 下期预告

下一篇，我们会拆MINIMAX面对的**竞争格局**——字节豆包的降维打击、DeepSeek的开源颠覆、巨头与创业公司的资源鸿沟。

要回答的几个尖锐问题：

- 字节豆包MAU **2.26亿**、日均Token **50万亿**——MINIMAX拿什么抗衡？
- DeepSeek重新定义了AI的成本结构——MINIMAX的闭源路线还有出路吗？
- "好赛道、坏生意"——AI大模型行业的终局是什么？
- MINIMAX最终的命运是独立存活还是被收购？

下篇见。

---

*本文是《看懂MINIMAX》系列第 02 篇。*

*免责声明：本文不构成任何投资建议。文中数据来源于公开财报、招股书和第三方平台，可能存在时效性偏差。投资决策请基于最新信息和独立判断。*

*数据来源：MiniMax 2025年报、招股书、InfoQ、量子位、36氪、Artificial Analysis Arena、Hugging Face TTS Arena*