MiniMax 闫俊杰想要实现 AGI，核心思路不是硬堆算力追前面的对手，而是走 “抄后路” 也就是放大后训练价值的路线，原因是中美大模型现在还有最后 5% 的能力鸿沟，这一段差距比前面 95% 更难追赶，直接对标头部的预训练路线成本高、压力大，所以他选择先压低推理成本，靠低成本放量使用模型，拿到更多真实交互数据，持续做大后训练的规模，一步步拉高模型智能上限，最终朝着 AGI 推进。这套思路拆开就是先落地 Mini（压低推理成本）、再做 Max（拉高智能上限），搭配持续开源、多模态同步研发、产品反哺数据的整套打法，不靠一次性超大预训练一步到位，而是循环迭代慢慢逼近通用人工智能。
一、闫俊杰所说 “抄后路” 到底是什么意思
这里的 “抄后路” 并不是抄袭，核心是后训练（Post-training）优先的差异化路线，和海外大厂优先砸钱做超大预训练的路线错开。
- 预训练：用海量原始数据一次性训练基础大模型，算力、资金门槛极高，是当前头部玩家的主流打法。
- 后训练：基础模型做好之后，依靠真实用户交互、反馈数据、对齐、微调、强化学习持续迭代优化模型能力。
闫俊杰的判断：国内模型已经摸到头部约 95% 的能力，剩下最难的 5%，单纯靠加码预训练很难追上，后训练才是缩小差距、走向 AGI 的突破口。
二、MiniMax 实现 AGI 的完整步骤清单
- 压缩推理成本：优化模型架构、推理方案，把单次调用成本压下去，对应 Mini 的含义，成本足够低，才能支撑海量用户高频调用模型。
- 放量获得真实交互数据：通过海螺 AI、星野、开放平台 B 端客户等产品，扩大模型使用规模，产生大量用户反馈数据，这些数据是后训练的原料。
- 持续大规模后训练：用收集到的真实交互数据反复微调、对齐模型，稳步补齐推理、规划、复杂任务能力，持续抬升智能上限，对应 Max 的含义。
- 坚持多模态并行研发：文本、语音、图像、视频能力一起推进，闫俊杰认为多模态融合是 AGI 必备条件，单一文本模型很难走到通用智能。
- 长期开源模型权重：对外开放模型，吸引全球开发者一起基于模型做二次后训练、开发应用，借助外部生态一起迭代模型，承诺一直开源直到 AGI 实现。
- 形成闭环循环：底层模型能力变好→产品体验提升→用户使用变多→新增更多高质量反馈数据→继续喂给后训练优化底层模型。
三、这条路线的优势和风险
✅ 优势
- 算力资源压力更小，适配国内算力约束环境，不用和海外巨头比拼无上限的预训练投入；
- 用户真实场景数据持续流入，模型能力会贴合真实使用需求；
- 开源生态可以借力外部开发者，放大模型迭代速度。
- 后训练的能力天花板依赖基础底座模型，如果底座本身存在硬短板，只靠后训练很难突破；
- 大规模后训练对高质量标注、反馈数据供给要求很高，劣质数据反而会让模型能力下滑；
- 路线周期偏长，AGI 本身没有统一判定标准，很难确认什么时候才算达成目标。
⚠️ 风险
四、闫俊杰对中美 AGI 竞赛的核心观点
- 中美所有团队都还处在 AGI 早期阶段，没有谁已经摸到终点；
- 比起某一次榜单上的性能排名，迭代进步速度才是竞争关键；
- 成本效率本身就是智能的一部分，能用更低成本跑出同等智能，就是一种核心竞争力。
【常见问题】
问题 1：MiniMax 闫俊杰的抄后路 AGI 路线，核心是不是放弃预训练？
回答 1：并不是放弃预训练，MiniMax 闫俊杰抄后路 AGI 路线，是不把全部资源押在超大预训练上，优先把资源倾斜到后训练环节，底座预训练依然要做，只是依靠低成本放量 + 后训练迭代作为追赶 AGI 的核心抓手。
问题 2：后训练为什么能帮 MiniMax 闫俊杰推进 AGI？
回答 2：后训练可以依托海量真实用户交互反馈修正模型，补齐模型在复杂任务、对齐、逻辑规划上的短板，MiniMax 闫俊杰认为最难的最后 5% 智能差距，靠后训练持续打磨，比单纯堆预训练算力更容易推进 AGI 目标。
问题 3：MiniMax 闫俊杰说一直开源到 AGI 实现，对这条后训练路线有什么帮助？
回答 3：持续开源可以吸引全球开发者基于 MiniMax 模型做二次后训练和应用开发，带来更多场景数据和优化方案，扩充后训练的来源，加速闫俊杰这套抄后路方案向 AGI 推进。
【参考资料】
[2026-11-08]（MiniMax 怎样实现 AGI？闫俊杰的办法是抄 “后” 路）钛媒体
[2026-11-08]（MiniMax 闫俊杰揭秘 AGI 实现路径：以技术后发优势探索通用人工智能落地之道）36 氪
[2026-11-07]（MiniMax 创始人闫俊杰：AI 竞赛的最后 5% 最难）腾讯新闻
[2026-11-06]（MiniMax 创始人罕见公开访谈：将一直开源直到实现 AGI，盈利靠压低推理成本不靠涨价）ZAKER 新闻
[2026-07-01]（中国大模型突围）人民日报
[2025-07-26]（WAIC 主论坛主题演讲 | MiniMax 创始人：每个人的 AI）MiniMax 官网
【免责声明】
本文内容仅基于公开访谈、媒体报道信息整理，属于行业观点解读，不代表 MiniMax 官方最终技术路线承诺；AGI 目前没有公认的定义与落地标准，闫俊杰这套后训练路线能否成功实现 AGI 仍存在不确定性，相关技术进展、商业效果均存在风险，不构成任何投资和技术决策建议。