Turing Post频路最近颁布了一期与MiniMax高级钻研员Olive Song的深度对话，这也是西方媒体初次对MiniMax钻研团队的一对一访谈 。对话录造于1月底一个周日晚上九点，其时Olive在期待新一轮模型尝试的了局 。两周后，MiniMax在马年春节档投下沉磅炸弹 。
统一个晚上，智谱GLM-5以“Pony Alpha”的匿名身份在OpenRouter走红数日后正式揭面，744亿参数对标Claude Opus 4.5 。除夕当天（2月16日），阿里千问Qwen 3.5-Plus压轴登场，3970亿总参数、170亿激活参数，API价值仅为Gemini 3 Pro的十八分之一 。
不外，去年引发春节AI风暴的DeepSeek，V4版本则没有正式录 。固然2月11日用户发现DeepSeek悄然将高低文窗口从128K升级至1M，但回复风格骤变引发“变淡薄”热搜，被以为只是V4的灰度测试，截至今天官方仍未正式官宣 。
M2.5开源后，迅快被社区明星项目OpenClaw选为推荐模型 。OpenClaw早在1月30日就通过OAuth（盛开授权和谈）插件接入了MiniMax的模型服务，M2.5颁布后开发者能够零配置切换，在Telegram、WhatsApp上跑起自己的AI副手，每幼时成本仅1美元 。
1月9日才以165港元刊行价登陆港交所的MiniMax，在M2.5颁布前后股价一度大涨超过20%，到春节前最后一个买卖日（2月16日）收于847港元，上市仅39天累计涨幅超过413%，市值突破2656亿港元 �；赝吩偬獬《曰�，会发现Olive在访谈中提到的险些每一个技术难题，都精准预言了M2.5最终要解决的方向：环境适配、长程工作、Agent对齐、推理效能 。
她其时把即将颁布的版本称为“2.2”，说“约莫1个月到1个半月发一个版本” 。从2025年10月底的M2到2026年2月中旬的M2.5，108天三个重要版本，MiniMax的迭代快率比她自己的预期还快 。
Olive用了一个MiniMax内部盛行的段子来形容她的日常 。“一天之内不会满是好日子或满是坏日子 。我们恶作剧说，早上ICU，晚上KTV——有时辰反过来也行 。”意思是早上可能还在急救崩掉的尝试（ICU，沉症监护室），晚上就拿到好了局起头庆祝了（KTV，卡拉OK）；也可能早上了局很好，晚上又塌了 。了局在一天之内剧烈摆动，是这个工作的常态 。
她做的是强化进建（reinforcement learning，简称RL，一种让模型通过试错和嘉奖信号来改进自身行为的训练步骤）和模型评估，这两个领域是模型开发中最不留情面的环节 。她也比大无数美国大型AI尝试室面对更多资源约束 。
强化进建训练中，模型会想尽所有法子“hack”（黑掉）系统来获取高分 。“它会疯狂挪用bash号令（操作系统的号令行指令），有时辰做出极度不安全的行为 。”Olive说 。专家开发者对模型行为有自己的预期，但不加约束的模型齐全不按套路出牌 。
这种发现“新行为”的过程，在她看来反而是最兴奋的时刻 。“即便这些行为可能不安全，可能不切合预期，发现它们自身就很刺激 。”至于坏新闻？“看到糟糕了局的那一瞬间的确不好受，但一旦起头拆解问题、定位原因，又造成了好时光 。”
MiniMax的研发节拍要求团队随时在线 。有人彻夜工作白日睡觉，有人随着尝试周期走 。“尝试跑一成天，中央能够休息，但若是我们对了局很好奇，底子等不了 。我们对了局充斥周到 。”Olive说 。这种弹性造度听起来自由，现实上靠的是对了局的高度投入 。2、逐层排查：FP32精度的故事
其时强化进建训练的正确率怎么都上不去 。团队逐层查抄log probabilities（对数概率，模型对每个词的预测相信度的数学暗示），发现理论上应该收敛的算法存在一个荫蔽的误差，最终定位到问题本原是LM head（说话模型头，模型最后一层，掌管将内部暗示转换为对每个词的概率预测）的数值精度 。把它从低精度切换到FP32（32位浮点数，一种更高精度的数值体式）之后，训练复原正常 。
“理论上算法必须work，那肯定是实现层面有什么gap 。”Olive说 。她的思路是：先确认理论算法的正确性，而后分析理论与实现之间的差距，逐层排查 。她把这叫做钻营“理论极限”——每一个实现细节都要尽可能逼近理论算法的最优状态 。“我们发现精度问题是阻止我们靠近那个极限的成分之一，而后我们解决了它 。”
她回绝泄漏在进行的类似发现 。“我们但愿公开颁发的结论是经过深度验证的，不是半制品 。若是有突破，我们肯定会颁发 。”后来M2.5颁布时，MiniMax在技术博客中写路，M2系列进取的关键驱动力之一正是“强化进建的规�；�，共同自研的RL框架Forge、算法优化、嘉奖信号设计和基础设施工程 。Olive访谈中反复强调的“工程极其沉要”，在这里得到了最直接的验证 。
“模型必须在高效和安全之间获得平衡 。它不能为了达成最终指标就自行成长、做出危险行为 。”她说 。对齐的主题在于三件事：若何界说人类对齐，若何界说专家的进展，以及若何现实训练模型来满足这些进展 。
这里的“专家”是指和钻研员坐在一路工作的开发者 。MiniMax的组织方式是钻研员和分歧领域的开发者混合办公，每资质享尝试了局 。“我们坐在一路看模型的行为，开发者能马上发现问题，而后我们一路想出建复规划或者构建新的训练数据 。”
颁布前一到两周，团队会进行大规模评估和对齐调优 。内部有多维度的安全基准，涵盖敏感性安全（sensitive safety）和对齐安全（alignment safety）等分歧方面 。但Olive也坦承，一旦模型以盛开权沉（open weights，公开模型参数，允许用户自行部署和微调）颁布，用户能够做的事件超出了他们的节造领域 。“说真话，我不知路我们怎么处置这个问题 。司法和律例在那里，人们也认同某些路德尺度 。”
访谈中，主持人提到了MiniMax Her的颁布——这款角色表演产品在Twitter上引发了宽泛会商 。Olive坦言自己不是这方面的专家，MiniMax有一个专门团队掌管角色表演有关工作 。
但她补充了团队的共识：“我们的确相信，角色表演，或者说AI陪同人类、与人互动，在将来AI融入社会生涯的过程中极度沉要 。这代表了一种极度卓越的能力，由于这是humanlike的——它有感情，它理解你的感情，而不只是解几路考试题 。这是AI能力的另一面 。”
MiniMax的理想标语是“Intelligence with Everyone”（智能与每幼我） 。对Olive幼我而言，这意味着AI若何切实扭转了她的生涯 。“以前有好多极度专业的问题我无法理解，好比专业的编程问题或优化问题，此刻借助AI我能做到了 。这样我就能和更多人互换，互换更多设法 。”另一方面，AI也援手了她的日常生涯，工作、日常事务、自我治理 。“它扭转了我的生涯，我但愿它也能扭转每幼我的生涯——当然是往好的方向 。”
主持人问到了一个现实问题：有没有在基准测试中没有露出、但在真实Agent使用中才显露的强化进建失败模式？MiniMax若何网络反馈来改进下一代模型？
Olive描述了一个两阶段的流程 。第一阶段是内部，开发者使用模型并指出问题，团队据此建复，但这还不够 。第二阶段在模型正式颁布之后，来自表部的大量反馈会涌入 。“我们系统地网络这些反馈，分析每一个问题 。有些是基础性的，有些只是我们遗漏的幼问题，能够很快建复 。”
MiniMax的团队按能力�？榉止� 。网络到必要改进的问题后，分歧的人认领各自掌管的部门 。“他们会说‘我感触我能解决这个问题，我会鄙人一代模型中解决它’，这就是我们网络反馈并改进模型的方式 。”
随后，主持人问了一个敏感的问题：盛开模型在真实出产环境中，最先出问题的处所是什么？推理、工具挪用、状态追踪、评估——哪个环节最先崩溃？
“好比好多人用Claude在分歧的编码环境里工作，他们以为模型在所有环境里都阐发一样好 。但我不觉切当前的盛开模型能达到那种正确度，或者说对分歧环境、分歧工具界说的理解深度 。”
她认可这是一个能够解决的问题，MiniMax在为此致力 。“我们在2.2里改进了这个问题，但还没有达到Opus的水平 。2.5的时辰可能能够 。我们的确有一些系统性的钻研在进行，已经展示了一些成就，但还不是最终结论，所以我不会说出来 。”
这段话在M2.5颁布后得到了印证 。MiniMax在M2.5的技术文档中强调，模型在“齐全没见过的环境”甚至“齐全超出散布的环境”（out of distribution，训练时从未接触过的场景）中都展示出了比M2.1更高的得分 。他们把“数十万个真实复杂环境中的大规模强化进建训练”列为主题技术蹊径 。
被问到是不是算力差距造成的，Olive的回覆很有分寸：“算力是一个方面，但我们怎么构建问题、怎么靠近问题，是另一个方面 。我们对后者更有信念，相信我们能解决这个问题 。”
MiniMax的M2系列主打编码能力，但这并不料味着他们烧毁了通用模型的方向 。Olive澄清说，他们在走向通用化，只是在编码上投入了更多精力 。“BB电子模型也能够放进任何通用Agent scaffold（Agent框架/脚手架，为AI提供工具挪用、影象治理等基础能力的软件架构）里，蕴含我们自己的Agent产品，那是通用主张的 。我们也在做钻延注汇报写作、PPT之类的通用工作 。”
她给出了一个很幼我化的理由来诠释为什么编码如此沉要：“我感触通过编码，你能够结构化整个世界，用工程的方式建模好多器材 。对我来说，它背后是对人类能力的放大（scaled up humanity） 。它自身蕴含了大量的智能和大量的工作 。”
长程工作（long horizon，指必要模型在好多步骤中持续规划和执行的复杂工作）是Agent模型的主题挑战 。Olive把Agentic RL（面向智能体场景的强化进建）与传统RL的区别拆成了三个层面 。
第一，界说 。“首先你必要界说Agent是什么，界说Agent模型的工作方式 。你必要界说工作，界说模型的指标 。尤其在长程工作中，指标必须足够难题和多样 。”
第三，基础设施 。“你必要卓越的RL基础设施，让模型真正能在很长的horizon上rollout（在RL中手印型在环境中执行一系列齐全作为的过程），同时保障GPU使用效能、训练与rollout之间的高效衔接、训练不变性 。”
MiniMax有一个专门的团队掌管推算效能优化 。“他们的指标是最幼化推算使用量，同时训练更多 。”但被问到这是一个独立的团队还是她自己必要参加的工作时，Olive笑了：“我们其实是统一个团队，由于我们就是强化进建团队 。我们从分歧视角看统一个问题——能够从实现角度看，能够从数据角度看，但指标是一样的 。”
她还泄漏，团队在做一些”新的Agentic RL工作“，不会随当前版本颁布 。」剽取决于BB电子功夫，我还不是很有信念，但我们在专一地做这件事 。“
“我们钻研团队从第一天就想做开源 �？瓷缜袅�，我入职第一天就学到了这一点 。”但她也坦言公司层面有分歧思考 。“作为公司，各人会关切这能不能赢利，这是不是一门生意 �？慈ǔ恋幕�，用API的人可能会削减 。”
MiniMax自己也大量使用开源工具 。推理框架方面，他们和vLLM、SGLang（两个主流的大模型推理和服务框架，专一于高效部署和推理加快）深度合作 。Olive说团队会钻研各类开源Agent框架的代码和设计逻辑，“看他们的代码，看他们若何设计scaffold和引擎，而后反思我们自己对问题的思虑方式，看是不是在统一个方向上 。我们相互进建 。”
M2.5颁布时，MiniMax选择在Hugging Face（全球最大的开源模型托管平台）上以批改版MIT和谈开源全数权沉 。OpenClaw在1月30日的更新中就已经参与了MiniMax OAuth插件，让开发者零配置接入MiniMax模型 。尔后，OpenClaw社区起头涌现大量基于M2.5的Agent利用，从Telegram机械人到全自动化办公流程 。有博主实测，三个M2.5 Agent通过Telegram全天候运行，成本仅为使用关源前沿模型的5% 。
主持人追问了一个开发者关切的问题：团队是否低估了盛开模型相比关源API所必要的工程投入？终于使用盛开模型意味着自行部署、治理算力、调试兼容性，这必要齐全分歧的工程能力 。
Olive说她幼我没有这个困扰 。“若是有其他开源模型颁布，我就下载下来部署到BB电子机械上使用 。”但她理解表部幼我开发者的处境：“尤其是当他们没有自己的算力时，通过OpenRouter（一个聚合多个AI模型API的服务平台）之类的服务衔接到模型会更容易 。”
“从专业评估的角度，五个问题远远不够 。”她说 。要做公正的模型对比，必要在每个领域有足够数量的测试题，并且通常必要屡次测试，由于“模型自身不够不变” 。
她指出了评估中的多个隐患：有些问题自身不正确，有些问题的答案不惟一，有些测试环境不固定，好比gold pattern（尺度答案/参考模式）自身就通不外 。“若是做专业评估，必须确保评估集是正确的、多样的、达到肯定数量阈值的，这样测试才有相信度 。”
不外若是只是为了好玩，她建议用那些你幼我感兴致的问题就好 。她自己维持着一套个人测试集 。“我从入职以来一向在网络各类问题，涵盖逻辑推理、数学证明、汇报写作、Agent工作等等，好多好多 。每出一个新模型我就拿这些问题跑一遍，看分歧模型怎么靠近这些问题，怎么反映 。分歧的模型有分歧的个性 。”
“一个通用模型应该占有所有脾气，或者说应该能表演所有角色 。它可能有一个默认脾气，但若是用户想让它造成分歧的角色，它应该做到 。若是通过system prompt（系统提醒词，预先设定模型行为和身份的指令）注入新角色，它应该能切换 。”
她以为分歧模型脾气差距的原因很可能是“训练数据的分歧模式，以及分歧团队可能有自己的constitution（行为准则/宪法度规范，界说模型默认行为的内部规定集）” 。
“每天都有大量新文章、博客、论文颁布 。BB电子处置方式是，我们有一个内部Agent，它追踪所有新的文章、博客和论文，而后按主题分发，做提要，做分析 。”她管它接装内部钻研员”（internal researcher） 。这个Agent先做第一轮过滤，把筛选后的了局推送给人类钻研员 。“若是我们感触它过滤得不好，我们还能够改进它 。”
在这之后，团队会用编程Agent来急剧上手新的代码仓库，“这样我们能够更快地理解新器材、更快地尝试 。我们用Agent和我们自己的模型来加快跟进所有的进展 。”
“参与公司工作几个月后，你就已经站在这个领域的最前沿了，或者说站在行业的顶端 。你必须想出真正新的器材，或者面对底子不知路怎么解决的问题 。这不是读一堆论文而后在论文基础上堆集思虑就行的 。你必要从最基础的层面理解问题，从最基础的层面去思虑，能力找到正确的解决规划 。”
另一个巨大的落差是工程 。“Engineering is very, very, very important 。我在学堂不知路这一点 。”学堂和尝试室里的尝试更像是toys（玩具），规模有限 。但一旦真正scale up数据、算力和人员，就会遇到必须美丽地解决的工程问题 。“这是和我设想中分歧的第二点 �８暇驼饬降� 。”
MiniMax在公司层面有一个meta goal（元指标）：“好比我们想提升AI在改善出产力方面的能力，由于这是人们看沉的价值 。”在这个公司使命下，每个钻研员设定自己的指标 。
Olive的幼我指标是什么？“对于下一代模型，我真的想让模型可能和专家优雅地合作，更好地与专家和开发者合作 。”她估计这个指标约莫必要两个版本的迭代，也就是三个月左右 。
Olive在AI Engineer峰会上谈到过一个概想：模型不是执行单一作为，而是持续在循环中提问和尝试 。主持人问她这是否属于持续进建（continual learning，手印型在部署后仍能从新经验中不休进建和改进） 。
她具体描述了她在峰会上分享的内容：“好比模型在一个新环境中接管到环境反馈，它必要知路该索求什么，该查看哪些环境信息，由于这是一个部门可观测的环境（partially observed environment，指Agent无法一次看到所有信息，必要自动索求能力获取全貌） 。它必要知路采取什么行动来获得更好的信息，而后做出更好的反映，而后在环境中执行更难题、更复杂的工作 。」剽是第一阶段，“根基上此刻所有Agent模型在某种水平上都能做到，也许不美满，但能做到一些 。”
之后的阶段涉及模型自己界说指标 。“那会是一个分歧的界说，和我刚才说的分歧 。模型自身会界说自己的指标 。”她说团队在这个方向上已经看到了一些分歧大局的模型自我改进，但还没有最终结论 。“也许在2.5的时辰我们会有 。”
“我说，人们会商AGI，也会商ASI（超等人为智能），每天都在会商 。人们有分歧的界说，并且界说每天都在变，进展太快了，人们有分歧的见解 。但我以为更沉要的是，我们现实去朝着自己的界说致力 。当我们搞明显的时辰，它就成真了 。”
她提到了一本关于创造力的书，是她在本科时读的 。她记不清确切的书名了，或许接装The Art of Creativity”之类的 。“它打开了我对自己思想的意识，扭转了我对待世界和对待问题解决的方式 。”
《我的健身男教练》中文版莱克斯: 而在当下，在互联网上观看这些戏剧性的事情等很有趣，人们很快就将一切视为理所当然，然后我们人类似乎就用戏剧性的事件来娱乐自己。对于任何被创造出来的事物，总有人需要持一种观点，另一个人需要持相反观点，并互相争论。但是当你审视事物的发展轨迹时，我的意思是，仅仅是机器人技术的发展，退一步来看，就会觉得，哇，人类能够创造出这样的东西真是太美妙了。这花了一些时间，但最终，我在正确的时机做出了决定。我不着急，不想受到压力，也不想仓促做决定。就像克里斯托夫(弗罗因德)说的，我们去年就谈过，当时我也有不错的感觉，所以现在事成了我很开心。《我的健身男教练》中文版《湿透jo避雨的强造1~2的象征意思》他们觉得儿子大学四年的书都白读了，于是经常打电话给林宇，要求他将来去考研、考编或者考公务员，希望他能通过这些途径找到一份更有发展前景的工作。体坛：对于巴黎和曼城的崛起，您怎样看待？在您看来，像巴黎和曼城这样的俱乐部的崛起，对皇马这样的传统豪门会有什么样的冲击呢？
20260410 ? 《我的健身男教练》中文版2022年下半年，黄光裕在一封公开信中表示：“我们对执行的困难预料不足，加之疫情长时间扰动，导致现实与这一目标有一定差距”。《已满十八岁可看的美国电视剧》《雪国》也是作者在被授予诺贝尔文学奖时被评奖委员会提到的三部小说之一。在川端的所有作品中，《雪国》被海外翻译最多，先后被译介到很多国家和地区，中国也出版了不同的译本。
20260410 ? 《我的健身男教练》中文版“山西人民医院IT维护可能二三十个人，但是懂AI的可能就没几个人。”孔亮说。医院需要控制预算，也需要合作方提供完整的落地方案，以及人员AI培训。公交系列短文100篇阅读答案这意味着基础模型竞赛已趋尾声，大模型进入应用与生态的新竞争维度。而“六小龙”等大模型创业公司显然无法在基础模型领域保持跟进，急需在资金短缺、人才流失、巨头环伺中，找到一条可持续的自我造血新路径。
京公网安备11010202000001号
