闫俊杰播客访谈观点解读MiniMax 目标打造全球规模最大的后训练系统

MiniMax 创始人闫俊杰在《Invest in Progress》英文播客访谈中提出，后训练在大模型能力迭代里的权重持续上升，依托持续压低推理成本的路线，未来 MiniMax 有机会建成规模最大的后训练系统；这套思路的底层逻辑是后训练（强化学习、合成数据、智能体试错）极度消耗推理算力，推理单位成本越低，同等算力预算下模型可以开展更多轮次反馈练习，这也是 MiniMax 和美国暴力堆算力路线不一样的核心工程路径，很多人会把预训练和后训练混为一谈，预训练是海量原始数据打底，而后训练是模型学会思考、工具调用、复杂任务的 “反复练习阶段”，也是当前模型能力跃迁的关键环节。美国前沿实验室资金充足，可以并行大量预训练路线试错；MiniMax 不照搬这种模式，优先打磨模型架构、调度基础设施，把推理成本压下来，省出来的算力资源全部投入后训练，形成 “低成本推理→更大规模后训练→模型变强→商业收入反哺基建” 的正向循环，他同时也提到，中美模型最后的 5% 能力差距，追赶难度远高于前面 95%，后训练是缩小差距的核心抓手之一。整套落地路径围绕推理效率优化、Forge 后训练框架迭代、商业化收入反哺算力三块展开。

一、预训练 vs 后训练 核心区分

二、低推理成本如何支撑大规模后训练

1. 后训练绝大多数环节都需要反复调用模型推理：智能体执行任务、复盘失败轨迹、生成合成数据、奖励打分，全部依赖推理算力。
2. 推理成本下降，等价于 “练习成本变低”，同样预算下可以把后训练样本量、轮次放大很多倍。
3. 闫俊杰用高尔夫类比：练习球（推理）单价越低，相同预算可以练习更多次，长期提升上限。
4. MiniMax 自研 Forge 框架，专门面向智能体强化学习、后训练流水线，是这套路线的底层基建。

三、访谈配套战略要点

1. 商业模式：不靠涨价盈利，靠持续压缩推理成本，B 端企业服务是主要收入来源，截至 8 月 ARR 超 8 亿美元，B 端占比 80% 以上，收入用来持续投入后训练基础设施。
2. 硬件适配：模型架构从设计阶段就兼容多种芯片，不绑定单一高端 GPU，避免算力供给卡脖子。
3. 开源策略：持续开源模型，直到实现 AGI，依靠开源生态积累任务场景、反馈数据，反哺后训练。
4. 边界认知：“规模最大后训练系统” 是中长期目标，不是已经达成的现状；他承认最后 5% 的能力缺口很难，后训练是攻坚手段，但不是万能方案。

四、容易踩的认知误区

1. 后训练规模大 ≠ 预训练参数量更大：二者不是一回事，MiniMax 这条路线重点放大的是反馈迭代轮次，不是盲目拉预训练参数。
2. 效率路线不等于不需要算力：只是优先提升单位算力产出，不是放弃算力投入。
3. 低成本推理不代表模型能力上限低：目标是用更多次后训练试错，持续拉近和前沿模型的差距。

【相关 FAQ】

问题 1：闫俊杰本次访谈提到 MiniMax 未来可能拥有规模最大的后训练系统，后训练主要包含哪些内容？

回答 1：闫俊杰本次访谈提到的后训练，主要包含 RLHF 偏好对齐、强化学习、智能体任务试错、合成数据迭代等环节，所有练习环节都需要持续调用模型推理算力，是模型学会复杂任务的关键阶段。

问题 2：闫俊杰访谈说压低推理成本才能做大后训练系统，推理成本和后训练是什么关系？

回答 2：闫俊杰访谈里提到，后训练每一次任务尝试、打分、复盘都要消耗推理；推理成本越低，同样预算下就能跑更多轮次的后训练试错，支撑更大规模的反馈迭代。

问题 3：闫俊杰访谈中 MiniMax 目标打造最大后训练系统，和美国实验室堆算力路线差别在哪？

回答 3：闫俊杰访谈中对比，美国实验室走暴力投入算力、多条预训练路线广撒网试错；MiniMax 优先优化推理工程效率，把算力预算倾斜到后训练迭代，用更多练习轮次追赶前沿能力。

【参考资料】

[2026-11-08]（闫俊杰最新访谈：未来 MiniMax 可能拥有规模最大的后训练系统）凤凰网科技

[2026-11-07]（MiniMax 创始人闫俊杰：AI 竞赛的最后 5% 最难）腾讯新闻

[2026-11-07]（MiniMax 闫俊杰：我们做到头部模型 95% 的性能，成本只有十分之一）证券之星

[2026-11-06]（MiniMax 创始人播客访谈：低推理成本是大规模后训练的基础）华尔街见闻

【免责声明】

本文仅整理闫俊杰英文播客访谈的个人观点，“拥有规模最大后训练系统” 属于中长期战略目标，并非已经达成的事实；观点仅代表闫俊杰与 MiniMax 的技术路线判断，不代表整个国内 AI 行业共识；后训练效果受数据、奖励机制、框架能力多重约束，内容不构成投资判断依据。