报道
围绕“通过极致提效扩大后训练规模，坚持开源直到实现 AGI”，MiniMax 创始人闫俊杰给出了公司技术路线的核心判断：在后训练成为模型能力跃迁关键阶段的背景下，效率不是配角，而是决定规模能否持续扩大的前提。所谓极致提效，既包括训练与推理基础设施的工程优化，也涉及数据管线、算法迭代和实验管理体系的协同压缩；只有把单位算力、单位数据与单位人力的产出抬高，后训练规模才具备可持续性。
分析
这一表述指向当前大模型竞争的重心变化：预训练决定能力底座，后训练则越来越多地决定模型在推理、对齐、工具使用和复杂任务上的上限。后训练天然具有“高频实验、强反馈、重工程”的特征，若效率不足，规模扩大很容易变成成本堆叠。MiniMax 将提效置于规模之前，本质上是以工程能力换取迭代速度。
“坚持开源直到实现 AGI”则是对生态策略的公开承诺。开源有助于吸引开发者验证、形成反馈闭环，并降低技术扩散门槛；但同时也要求企业在商业闭环、安全治理和社区运营之间保持平衡。若这一路线持续落地，MiniMax 的策略可概括为：以极致提效支撑后训练规模化，以开源换取生态协同，最终指向 AGI。其关键不在口号，而在效率优势能否转化为稳定的模型能力增量。
