导语
在“十字路口”圆桌交锋上，MiniMax创始人闫俊杰与多位AI实践者，就模型进化、AI工程化、开源生态及垂直领域应用展开了深度对话。闫俊杰回顾了MiniMax从M1到M3的技术突破路径，坦言模型能力的提升并非一蹴而就，而是需要经历参数量级增长、数据积累和系统性挑战的逐代迭代过程。他强调，在模型能力快速进步的今天，理解AI自身的可解释性与安全性变得至关重要，并预测这可能最终需要AI自身的协助来突破。
MiniMax闫俊杰：AI模型进化需逐代积累，与人类智慧共探智能终局
MiniMax创始人闫俊杰分享了从M1到M3模型的突破历程，指出AI模型能力的提升需要参数量逐代增长和系统性数据积累。他强调模型与智能体（Agent）是相辅相成的关系，共同服务于更高智能。闫俊杰认为，当前AI行业一年的进展相当于其他行业数年，而理解AI自身的可解释性将是未来关键，可能需借助AI自身来完成。
大纲与深读 7 章
展开「深读」看每一段讨论的问题与论据。
01
活动初衷与开源生态
03:22- 感谢核桃等开源项目作者及社区贡献者参与活动
- AI编程让更多非专业人士获得生产力，市场认知已发生根本转变
- 活动将作为持续性社区交流平台举办
深读这一段
讨论的问题：为什么这个AI编程活动对你如此重要？
论据 / 案例：两年前有同行认为中国会写代码的人仅100-200万，市场不大；现在AI编程已改变这一认知。
02
M1至M3模型迭代与突破
05:34- M1模型效果未达预期，但首次跑通编程流程时已感受到技术突破的潜力
- M2模型聚焦单一编程Agent场景，Token日消耗量从1万亿目标跃升至10万亿，超预期十倍
- M3模型目标为实现无限制使用的大语言模型和多模态模型，Token消耗量预计将达非常可观的量级
深读这一段
讨论的问题：从M1到M3，哪些技术突破超出预期？
论据 / 案例：M2.7版本Token日消耗量达到约10万亿，是原定1万亿目标的十倍。
03
AI在金融分析中的应用
23:05- AI降低金融术语门槛，帮助用户理解数据背后的原因及影响
- 股票决策需要实时动态分析与风险预测，而非一次性信息罗列
- AI在金融场景的应用需符合合规要求，不能直接提供投资建议
深读这一段
讨论的问题：在金融垂直领域，AI已产生哪些直接商业价值？
论据 / 案例：以‘帮我选几只个股’为典型用户问题为例，AI需提供信息筛选、术语解释及动态影响分析。
04
DearFlow开源项目与社区
13:23- 项目初衷是使用中国模型降低Deep Research任务成本，实现桌面工作者多模态工作流
- 项目已发展为拥有1000+全球贡献者的社区，面临代码管理与质量提升挑战
- 核心身份是开源项目与开发者社区，需持续优化以适应贡献者增长
深读这一段
讨论的问题：DearFlow为何受欢迎及当前面临什么挑战？
论据 / 案例：项目拥有1000+覆盖除极地外所有大陆的贡献者，目前被部分用户指出代码已成‘屎山’。
05
模型与AI工程的协同进化
27:52- 模型进步与AI工具（如Cursor）发展是共同进化、相互促进的关系
- 模型能力提升是工程化的持续积累过程，需要时间、数据、算法和算力的系统性突破
- 国内模型与美国顶尖模型存在约两代（10倍参数量）的差距，需逐代提升
深读这一段
讨论的问题：如何看待模型与AI工具（Agent）的关系？
论据 / 案例：OpenAI GPT-5.5发布后，Cursor才真正崛起；模型与工具是相互成就的关系。
06
AI编程的工程化挑战
35:43- AI编程（Vibe Coding）需从一次性交付转向持续维护的软件工程思维
- 当前AI编程在验证、代码审查和长期项目维护上存在不足，易导致项目崩溃
- 需要将清洁代码等工程最佳实践蒸馏为技能，指导AI进行长期代码库维护
深读这一段
讨论的问题：完全依赖AI做复杂项目时，如何做好软件工程实践？
论据 / 案例：早期项目约几千行代码即崩溃，现在可达十几万行，但最终仍因缺乏长期维护能力而失败。
07
AI赋能生活与未来探索
52:45- AI的核心价值之一是‘陪伴’，在金融等压力场景中缓解用户焦虑
- AI正从被动响应转向主动引领模型进行创造性思考与决策
- AI可解释性研究对安全与发展至关重要，且可能需AI自身参与解决
深读这一段
讨论的问题：未来半年最想All in什么方向？
论据 / 案例：案例：为焦虑的家人构建个人LLM知识库，整合体检报告、用药记录与聊天记录，显著改善医患沟通效果。
金句
- "去年这个时候是想不到现在的模型是什么样的，按照这个道理来说，我感觉明年会怎么样，我觉得现在可能我们也没法预测。"
- "模型的进步跟Agent的进步，它其实也不是一个互斥的关系，它其实是一个共同进步的关系。"
- "我觉得我们可以把模型加Agent都看成是说，我们能够实现更高智能的一个手段。"
- "模型基本上它的特点是这样，就是说每提升一代，比如说你的参数量，比如说可以大三倍或者大五倍...所以它其实是一个非常大的系统性的一个挑战，我们只能一代一代的往外走。"
- "我特别关心的一件事是，什么时候AI能够帮助大家理解AI。我觉得这是一个非常本质的事。"
