消息稱稀宇科技 MiniMax 計劃推出參數規模 2.7 萬億新一代大模型

中國 AI 創業公司稀宇科技（MiniMax）傳出正積極規劃新一代大語言模型，其參數規模預計將達到驚人的 2.7 萬億。這個數字不僅遠超當前市場上主流模型的規模，例如 OpenAI 的 GPT-4 參數約為 1.8 萬億，也讓 MiniMax 有望一舉躍升為全球超大規模 AI 模型的第一梯隊玩家。根據中國財經媒體《科創板日報》的報導，這家以「海螺 AI」等產品打響名號的公司，已在內部啟動相關研發工作，不過截至目前，官方尚未透露具體的發布時程或應用場景。參數數量是衡量大型語言模型能力的重要指標之一，通常被視為模型「容量」的關鍵。2.

7 萬億參數意味著模型內部擁有極其龐大的權重與神經元連接，能夠儲存並處理更複雜的知識與模式。這樣的規模不僅需要驚人的算力來訓練，也需要海量的高品質數據來支撐其學習過程。若訓練順利，模型在自然語言理解、邏輯推理、文本生成與多輪對話等任務上，可能出現顯著的性能躍升，甚至挑戰當今最先進的閉源模型。稀宇科技（MiniMax）過去在 AI 領域已累積不少成績，旗下「海螺 AI」等產品在中國市場具有一定知名度，主打多模態互動與個性化助手服務。如今傳出啟動如此規模空前的模型建設計畫，不僅展現出該團隊對前沿技術的強烈企圖心，也進一步凸顯中國 AI 創業公司在超大模型賽道上的白熱化競爭。

從百度的文心一言、阿里的通義千問，到字節跳動的豆包模型，各家廠商無不試圖在參數量與性能上互相較勁，力求搶佔技術制高點。不過，業界對於這項計畫也存在諸多務實的審視。2.7 萬億參數雖然聽起來極具震撼力，但背後所需的訓練成本與硬體資源同樣令人咋舌。以目前頂級 GPU 的供應與算力價格來看，訓練一個超過萬億參數的模型，電力、伺服器租賃、散熱與維護費用可能高達數億美元，甚至更高。能否負擔如此高昂的投入，並且在合理的時間內完成訓練，是 MiniMax 必須面對的首要挑戰。此外，超大參數模型在實際部署時也面臨諸多瓶頸。

推理階段的計算量與延遲會隨著參數增加而大幅上升，如何在保持模型能力的同時，透過蒸餾、量化或稀疏化等技術進行壓縮，使其能夠在一般的雲端或邊緣設備上高效運行，將直接影響產品能否商業化落地。若僅僅停留在實驗室階段的「炫技」，而無法轉化為使用者能實際體驗的優勢，那麼參數量的意義將會大打折扣。從應用場景來看，2.7 萬億參數模型有可能在高端專業領域發揮價值，例如科學研究輔助、程式碼生成、法律文件分析、醫療診斷建議等對精準度與深度要求極高的任務。但對於一般消費者的日常對話或內容創作，或許未必需要動用如此龐大的模型，反而可能因成本過高而難以普及。

因此，MiniMax 如何為這款超大模型找到明確的市場定位與商業模式，將是外界密切關注的焦點。值得注意的是，中國監管環境對於大模型的上線與應用設有明確的審查機制，包括生成內容的安全與合規要求。任何參數規模突破萬億的模型，在正式對外開放之前，都必須經過嚴格的算法備案與內容審核。這也可能影響 MiniMax 的產品發布時間表，畢竟規模越大，潛在的不可控風險與偏見也越難完全過濾。目前，稀宇科技並未對外證實這項消息的具體細節，《科創板日報》的報導也僅引述內部人士的說法。

業內分析人士認為，MiniMax 選擇在此時釋出這樣的信息，可能帶有策略性目的——一方面爭取資本市場的關注與投資信心，另一方面向競爭對手展示自身的技術儲備。然而，從消息到實際成品之間，仍有漫長的研發與驗證路程。綜合來看，2.7 萬億參數大模型的傳聞，反映出中國 AI 產業在追趕全球領先水準上的強烈動能。但技術的終極價值仍需回歸到「能用、好用、用得起的產品」這一核心。稀宇科技能否在參數量競賽之外，真正打造出具備實用性的殺手級應用，將會決定這次大膽嘗試的最終成敗。業界與用戶都將密切關注這家公司的下一步動作。