B站上有不少详细测评，我看了一些，自己也跑了一些测试。
总体水平在第一梯队，但是比较靠后的位置，稍微落后顶尖闭源image模型一点。
实力是其次，重要的是minimax终于补齐了全模态的最后一块拼图。
文，图，视频，音频，语音，音乐。
闫俊杰前两天放出来的采访中说到，要把视频模型和语言模型合并。
把理解和生成统一。
大厂如谷歌字节阿里，他们都还只是局部整合，字节有豆包 ， Seedream ，Seedance，在 App 层整合一下，用户根本感觉不到背后是三个模型。
minimax则是要搞一个大一统，让一个模型同时具备高水平的文字、图像、视频、语音、音乐理解和生成能力。商业模式从卖单项生成能力，转向卖完整创作能力。
未来minimax真正的差异点：不是模型更聪明，而是能交付别人交付不了的东西。
用开源，高性价比，抢未来字节的蛋糕的一部分。
不好意思，跑题了。
