聲明:本文來自于（ID:ykqsd.com）授權(quán)轉(zhuǎn)載發(fā)布。

說到視頻生成模型，只知道Sora的，那可就有點(diǎn)掉隊(duì)了。

稀宇科技旗下的海螺AI一經(jīng)推出，便在業(yè)內(nèi)脫穎而出，廣受好評(píng)。如今，海螺AI不僅蟬聯(lián)2024年12月和2025年1月的全球出海總榜排名，更在2月的榜單中繼續(xù)占據(jù)"視頻生成"類的榜首。

當(dāng)下，國內(nèi)視頻生成領(lǐng)域的重量級(jí)企業(yè)不外乎"六小強(qiáng)"，而海螺AI無疑是其中之一。這是一家成立于2021年的科技公司，不斷深化技術(shù)優(yōu)勢(shì)，成功殺出一條血路。

稀宇科技致力于與用戶共同創(chuàng)造智能未來。

一張照片就能"創(chuàng)作"出一部電影，這是Sora的創(chuàng)新之處。

Sora的橫空出世，為視頻生成賽道注入了新的活力。然而，就像所有新技術(shù)一樣，一旦走向生產(chǎn)環(huán)境，實(shí)現(xiàn)行業(yè)應(yīng)用時(shí)，總會(huì)遇到各種挑戰(zhàn)。其中，最令人頭疼的莫過于讓視頻承擔(dān)起敘事功能時(shí)，如何統(tǒng)一主角的外貌特征。

很多人有這樣的體驗(yàn)：上一部視頻主角是小A，下一視頻主角卻變成了另一張臉。無論怎么調(diào)整，兩個(gè)版本的主角無法統(tǒng)一為同一個(gè)人。

稀宇科技最新推出的S2V-01視頻模型，將這一難題徹底解決。用戶只需提供一張正面照片，無論生成多少段風(fēng)格各異的視頻，主角始終是同一個(gè)人。人們驚嘆道，一張照片，一部大片，這不是天方夜譚嗎？

在技術(shù)研發(fā)的道路上，稀宇科技始終堅(jiān)持"技術(shù)為王"的理念。如何在動(dòng)態(tài)視頻中保持人物面部多角度的真實(shí)度和穩(wěn)定性，如何在連續(xù)片段拼接創(chuàng)作時(shí)，使人物角色保持高度一致，這些問題困擾著整個(gè)行業(yè)，成為稀宇科技"啃硬骨頭"的課題。

通過技術(shù)創(chuàng)新，稀宇科技不斷推動(dòng)行業(yè)進(jìn)步。在動(dòng)態(tài)視頻制作中實(shí)現(xiàn)人物面部多角度真實(shí)性的技術(shù)突破，正是其追求卓越的體現(xiàn)。

研發(fā)團(tuán)隊(duì)投入了大量技術(shù)探索，考察了多種技術(shù)路徑，最終開發(fā)出了S2V-01視頻模型——這一模型在計(jì)算成本和等待時(shí)間方面均遠(yuǎn)超傳統(tǒng)方案，卻提供了令人滿意的用戶體驗(yàn)。

令人稱贊的是，“海螺AI”在藝術(shù)審美方面同樣表現(xiàn)出色，它能夠通過專業(yè)級(jí)調(diào)光與構(gòu)圖營造美學(xué)氛圍，精細(xì)控制光影效果與景別變化，其畫面質(zhì)感堪稱頂級(jí)水準(zhǔn)。

可以說，MiniMax的突破徹底解決了跨視頻片段主體一致性創(chuàng)作的痛點(diǎn)，使得用戶在進(jìn)行更完整內(nèi)容表達(dá)的視頻創(chuàng)作時(shí)，能夠?qū)⒏嗑ν度氲絻?nèi)容本身。

在開源首秀中，MiniMax發(fā)布“王炸”級(jí)成果

在“百?；鞈?zhàn)”的“亂斗”階段，要想讓大模型“活下去”并走得更遠(yuǎn)，仍有許多技術(shù)難關(guān)亟待攻克：錯(cuò)誤率持續(xù)下降、支持無限長輸入與輸出、多模態(tài)能力等。

在AGI（通用人工智能）領(lǐng)域，OpenAI一度成為風(fēng)向標(biāo)。當(dāng)全球期待OpenAI盡快給出答案，哪怕是提供解題思路時(shí)，MiniMax已暗下決心——在算力與數(shù)據(jù)資源都不占優(yōu)的情況下，開創(chuàng)一條獨(dú)特的優(yōu)化大模型之路。

自2023年夏季起，公司投入了80%的算力與研發(fā)資源用于底層架構(gòu)研發(fā)，這在外界看來似一場冒險(xiǎn)。幸運(yùn)的是，MiniMax成功推出國內(nèi)首個(gè)基于MoE架構(gòu)的模型。研發(fā)團(tuán)隊(duì)隨后將目光轉(zhuǎn)向提升模型速度的技術(shù)難關(guān)——線性注意力。

在大多數(shù)學(xué)術(shù)集上，MiniMax均取得與海外第一梯隊(duì)相媲美的成績。

今年1月，MiniMax完成了開源首秀，以兩個(gè)“王炸”之勢(shì)亮相：分別是基礎(chǔ)語言大模型MiniMax-Text-01和視覺多模態(tài)大模型MiniMax-VL-01。在與海外頂尖模型的基準(zhǔn)性能測試中，這兩款模型在多個(gè)核心任務(wù)上表現(xiàn)不遜，甚至在某些任務(wù)上超越對(duì)手。在綜合性能與海外頂尖模型持平的基礎(chǔ)上，MiniMax-Text-01在處理長文本時(shí)更是大顯身手——支持高達(dá)400萬個(gè)token的上下文輸入。

這是什么概念呢？400萬個(gè)token的上下文窗口相當(dāng)于可以一次性處理約700萬個(gè)漢字。通行的一百二十回本《紅樓夢(mèng)》總字?jǐn)?shù)約為96萬字，700萬個(gè)漢字相當(dāng)于7部多《紅樓夢(mèng)》。

更值得關(guān)注的是，MiniMax在架構(gòu)設(shè)計(jì)上實(shí)現(xiàn)了突破性創(chuàng)新，通過大規(guī)模應(yīng)用線性注意力機(jī)制，成功突破了傳統(tǒng)Transformer架構(gòu)的內(nèi)存瓶頸。這一突破使中國公司首次實(shí)現(xiàn)了對(duì)傳統(tǒng)Transformer架構(gòu)的重大突破。

MiniMax-Text-01模型架構(gòu)

研發(fā)團(tuán)隊(duì)需要具備"極致熱情"

當(dāng)前，AI行業(yè)正處于蓬勃發(fā)展的階段。 MiniMax副總裁劉華向新民晚報(bào)記者表示，這一現(xiàn)象得到了廣泛認(rèn)可。他認(rèn)為，高水平模型的開源不僅能夠讓更多普通人享受到大模型技術(shù)的能力，還能推動(dòng)人工智能技術(shù)的普及和應(yīng)用率提升；同時(shí)，通過開源也能吸引更多開發(fā)者參與進(jìn)來，共同促進(jìn)大模型技術(shù)的快速發(fā)展。

在開源模型的后續(xù)更新方面， MiniMax開發(fā)者社區(qū)負(fù)責(zé)人蔡佳人補(bǔ)充道，全球開發(fā)者的智慧對(duì)于將AI變得可用、好用至關(guān)重要。無論是對(duì)模型優(yōu)化的建議，還是對(duì)創(chuàng)作者體驗(yàn)的改進(jìn)，公司都會(huì)給予高度關(guān)注，并采取積極措施跟進(jìn)。同時(shí)， MiniMax也會(huì)第一時(shí)間向開發(fā)者分享開放模型的后續(xù)更新。

劉華進(jìn)一步指出，創(chuàng)業(yè)公司在中國大模型領(lǐng)域?qū)⒗^續(xù)發(fā)揮著重要作用。大模型研發(fā)框架需要不斷迭代，研發(fā)團(tuán)隊(duì)對(duì)技術(shù)變革的熱忱和開放態(tài)度是關(guān)鍵。 MiniMax正是通過招聘大量年輕研究員，并給予充分的授權(quán)，才得以建立起高效的研發(fā)組織體系。公司目前擁有一支年輕化、專業(yè)化的發(fā)展團(tuán)隊(duì)，其中許多人仍在攻讀博士學(xué)位，但已在公司實(shí)習(xí)并加入團(tuán)隊(duì)。

在這一充滿活力和潛力的領(lǐng)域， Mini華表示， MiniMax將保持專注，堅(jiān)持技術(shù)回歸本源，這也是公司未來發(fā)展的核心理念。

原文標(biāo)題：連續(xù)三個(gè)月登頂全球AI視頻榜，這家上海大模型初創(chuàng)公司憑什么 standing out？ | 產(chǎn)業(yè)進(jìn)化論

欄目編輯：左妍 圖片來源：采訪對(duì)象供圖，東方IC

來源：新民晚報(bào) 郜陽