中国公司继续推出与OpenAI及其他美国AI公司开发的系统相媲美的AI模型。
本周，MiniMax这家由阿里巴巴和腾讯支持的初创公司，已筹集了约8.5亿美元的风险资本，并且估值超过25亿美元，推出了三款新模型：MiniMax-Text-01、MiniMax-VL-01和T2A-01-HD。其中，MiniMax-Text-01仅处理文本，而MiniMax-VL-01能够理解图像和文本，T2A-01-HD则生成音频——具体来说是语音。
MiniMax声称，其456亿参数的MiniMax-Text-01在MATH和SimpleQA等基准测试中表现优于Google最近发布的Gemini 2.0 Flash。参数大致对应于模型的解决问题能力，参数越多通常意味着性能越好。
至于MiniMax-VL-01，MiniMax表示，在需要多模态理解的测试中，如ChartQA（要求模型回答图表相关的问题），它与Anthropic的Claude 3.5 Sonnet相当。然而，在许多测试中，MiniMax-VL-01并未超越Gemini 2.0 Flash。OpenAI的GPT-4o和Meta的Llama 3.1也在某些测试中超过了它。
值得注意的是，MiniMax-Text-01具有极大的上下文窗口。模型的上下文窗口指的是模型在生成输出（例如额外文本）之前考虑的输入（例如文本）。拥有400万令牌的上下文窗口意味着MiniMax-Text-01一次可以分析大约300万词——相当于五本《战争与和平》。
相比之下，MiniMax-Text-01的上下文窗口大约是GPT-4o和Llama 3.1的31倍。
本周最后推出的模型T2A-01-HD是专为语音生成优化的声音生成器。它可以生成具有可调节语调、音调和风格的声音，在大约17种语言中生成合成语音，包括英语和中文，并且只需十秒音频记录即可克隆一个声音。
尽管MiniMax没有发布T2A-01-HD与其他语音生成模型对比的基准结果，但据记者听来，T2A-01-HD的声音质量与Meta和其他初创公司如PlayAI的声音模型相当。
除了T2A-01-HD外（仅通过MiniMax的API和Hailuo AI平台提供），其他新模型可以从GitHub和AI开发平台Hugging Face下载。
尽管这些模型“公开”可用，并不意味着它们在某些方面没有限制。MiniMax并没有真正开源其组件（例如训练数据），使得用户无法从零开始重建这些模型。此外，它们受到严格的许可限制，禁止开发者使用这些模型改进竞争对手的人工智能，并要求月活跃用户超过一亿的应用平台向MiniMax申请特殊许可。
成立于2021年的MiniMax由SenseTime前员工创立。该公司项目包括Talkie这样的AI角色扮演平台以及在Hailuo发布的文本转视频模型。
部分迷你max的产品已经引起了一些争议。
Talkie因不明的技术原因在去年十二月被苹果App Store下架，其中包含公共人物的人工智能化身（如唐纳德·特朗普、泰勒·斯威夫特、埃隆·马斯克和勒布朗·詹姆斯），这些人物似乎并未同意出现在这款应用中。
去年十二月，《广播》杂志报道说，迷你max的声音生成器可以复制英国电视频道的品牌标志，暗示迷你max可能在其训练数据中使用了这些频道的内容。此外，迷你max还被中国视频流媒体服务iQiyi起诉称非法训练了iQiyi版权录音的内容。
就在美国总统拜登政府提议对中国的AI技术出口实施更严厉的规定之际，迷你max的新款产品应运而生。此前中国公司已经禁止购买先进的AI芯片，如果新规定生效，则会面临更严格的半导体技术和构建复杂AI系统所需模型的技术限制。
周三，拜登政府宣布了进一步措施以防止复杂的芯片流入中国。希望出口某些芯片的晶圆厂和封装公司将面临更广泛的许可要求，除非他们能够更加严格地审查并确保产品不会到达中国客户手中。
总结：本文介绍了中国公司迷你max近期推出的三款新AI模型：仅处理文本的MiniMax-Text-01、能够理解图像和文本的MiniMax-VL-01以及专为语音生成优化的T2A-01-HD。文章还提到了迷你max的一些产品争议以及美国政府对中国的AI技术出口实施更严厉的规定背景。
