MiniMax 计划推出 2.7 万亿参数开源模型，或成全球最大开源 AI

发布时间表

根据多名知情人士透露，该模型 最早有望在 2026 年第三季度发布并开源。不过，路透社也指出内部研发工作仍在进行中，尚未确定确切的发布日期 。与此同时，MiniMax 还计划在本月晚些时候推出其前沿级多模态视频生成模型 H3 。

对比 MiniMax 现有模型

MiniMax 的模型迭代速度惊人，从 M1 到 M3 再到规划中的 M3 Pro，参数量实现了跨越式增长：

从 M3 的约 4280 亿总参数跃升至 2.7 万亿，意味着参数量增长了约 6.3 倍。如果 MiniMax 延续其 MoE（混合专家）架构路线，每次前向传播的活跃参数量可能仍保持在数百亿级别，但模型的总参数规模将史无前例 。

与 DeepSeek V4 Pro 的对比

DeepSeek V4 Pro 是 DeepSeek 的旗舰开源模型，于 2026 年 4 月 23 日发布 。以下是核心规格对比：

来源：

多数分析指出，MiniMax M3 和 DeepSeek V4 Pro 实际上 "并不直接竞争"——它们针对不同工作负载进行了优化：M3 更适合多模态智能体编程和长上下文任务，而 V4 Pro 则在纯文本算法编程和低成本吞吐方面更胜一筹 。

中国开源模型浪潮的宏观背景

2025-2026 年，中国 AI 实验室密集发布了一系列强大的开源模型，MiniMax 的 2.7 万亿参数计划正是这一浪潮的最新高点：

• DeepSeek V4 Pro（2026 年 4 月 23 日）：1.6 万亿参数 MoE，MIT 许可证，前沿编程性能
• 腾讯 Hy3（混元 3.0）：2026 年 4 月 23 日发布预览版，7 月 6 日完整开源（Apache 2.0 许可证）。2950 亿参数 MoE 模型（210 亿活跃参数，192 个专家，top-8 路由），256K 上下文窗口，由前 OpenAI 研究员 Shunyu Yao 领导
• 蚂蚁集团 Ling-2.6-flash（2026 年 4 月 22 日）：1040 亿/74 亿活跃参数的高效 MoE 模型
• 阿里巴巴（通义千问 Qwen）、字节跳动、百川智能等也推出了各自的开放权重模型

这一系列动作反映了中国 AI 实验室的战略选择：以 Apache 2.0 或 MIT 等宽松许可证 开放模型权重，与西方闭源模型（如 OpenAI、Anthropic、Google 的旗舰模型）形成鲜明对比 。

对全球 AI 竞争格局的影响

中国开源模型的快速迭代释放出多重信号：

• 规模竞赛升级：MiniMax 的 2.7 万亿参数模型将超越任何已知的西方开源模型总参数量，挑战 "美国算力优势" 的叙事
• 开源作为地缘杠杆：通过开放权重，中国模型可以自由提供给全球开发者，有效绕开硬件出口管制。西方和全球南方的开发者可在自己的基础设施上运行这些模型
• 人才双向流动：腾讯 Hy3 由从 OpenAI 挖来的研究员领导，体现了 AI 人才的双向流动趋势
• 价格竞争白热化：DeepSeek V4 Pro 和 MiniMax M3 在 API 价格上已接近或低于 GPT-5.5 级别，推动全球成本下降
• 基准测试实现追赶：MiniMax M3 在 SWE-bench Pro 上以 59.0% 略超 GPT-5.5 的 58.6%，DeepSeek V4 Pro 在 SWE-bench Verified 上的 80.6% 是所有开源模型最佳

部署 2.7 万亿参数模型的技术挑战

一个 2.7 万亿参数的开源模型在部署上将面临极端挑战：

• 内存需求：即使用 8-bit 量化，加载 2.7 万亿参数也需要约 2.7 TB 显存。FP16 格式下则高达约 5.4 TB。这意味着需要数百块 GPU（例如 200 块以上 80GB 的 H100）才能将模型加载到内存中
• MoE 架构可能是关键：MiniMax 的 M1 和 M3 都采用 MoE 架构，仅有部分参数在每次 token 处理时激活（例如 M3 总参数 4280 亿，活跃仅 230 亿）。如果 2.7 万亿模型遵循类似模式，保持较低的活跃参数比（例如约 1350 亿活跃），推理时的实际硬件需求可能远低于总参数规模所暗示的水平，但仍远超单 GPU 的能力范围
• 推理延迟和吞吐量：即使有 MoE 稀疏性，大规模部署这样的模型仍需复杂的张量并行、流水线并行和专家并行技术，以及高带宽互联
• 训练成本：训练 2.7 万亿参数模型需要巨大的算力预算——即使使用高效的 MoE 训练技术，也可能需要数万 GPU 月的计算量

不过，MiniMax 在效率工程方面已有积累：M1 的训练计算量比 DeepSeek R1 少 70%，同时达到了具有竞争力的基准成绩 ；M3 则采用了稀疏注意力机制 。这些创新可能同样应用于 2.7 万亿模型的开发中。

全球开发者对中国开源模型的接纳

中国开源模型正获得全球开发者的广泛采用，主要原因包括：

• 定价优势：DeepSeek V4 Pro 价格约 $0.435/百万输入 token，MiniMax M3 约 $0.30/百万，极具竞争力
• 宽松许可证：Apache 2.0（MiniMax M1、腾讯 Hy3）和 MIT（DeepSeek V4 Pro）允许商业使用、修改和再分发，无地域限制
• 基准测试竞争力：这些模型在编程、推理、数学等关键基准上已能与 GPT-5.5 和 Claude 匹敌甚至超越
• 开发者生态：模型权重已上传至 Hugging Face，集成到 OpenRouter、Kilo Code 等平台，全球开发者均可轻松访问

这一趋势表明，中国已不再是 AI 领域算力受限的追赶者——它正通过开放权重的策略，在开源模型领域占据领先地位。计划中的 2.7 万亿参数模型若能落地，将成为中国 AI 开源路线最强有力的宣言。