MiniMax开源首个视觉RL统一框架，闫俊杰领衔！推理感知两手抓，性能横扫MEGA-Bench
MiniMax提出的新框架V-Triune能够实现视觉任务的统一强化学习，通过三层组件设计和动态IoU奖励机制弥补了传统RL方法无法兼顾多重任务的空白。
MiniMax
Agent 与邀请码齐飞丨特工最新情报（二）
该系列汇总了近期Agent领域的动态。介绍了几款新发布的Agent产品及昆仑万维、Genspark等厂商的产品进展，并预告多个厂商将在六月初推出全新功能升级。
Speech-02语音模型登顶国际榜单：完美复刻声音，同事听后难辨真伪
文章介绍了藏师傅使用AI听书功能体验后对MiniMax Speech模型Speech-02的评价，强调其在ELO评价榜单上的表现优异，并详细描述了该模型的主要创新点和技术优势。
MCP零基础教程，我用MiniMax MCP，5分钟做了一个单词记忆助手。
MCP发布后，作者基于MiniMax MCP+Cursor的功能，设计了一个单词记忆助手应用。文章详细介绍了如何配置MCP并使用UV环境搭建网站，还列举了自媒体创作辅助软件、互动式故事创作平台和虚拟旅游体验等几个应用场景。强调了MCP让技术门槛更低的重要性，并鼓励开发者探索更多创新用途。
不藏了！让PDF瞬间说话，这款国产工具10秒学会说全球30+种语言
国内AI玩家MiniMax新上线的MiniMax Audio语音工具获得用户好评。其中文、粤语及英文语音效果卓越，支持30多种语言；还提供高精度声音克隆服务，以及丰富的预设音色库和参数调节功能。价格亲民，注册即可获得免费点数，并可按月付费使用基础套餐生成音频。
从零搭一套可复现、可教学、可观察的RL for VLM训练流程，我们试了试
MAYE 是一个从零实现的 RL for VLM 框架与标准化评估方案，旨在提升透明度和可复现性。它通过简化架构、提供标准评估体系及实证研究支持，帮助学者更清晰理解模型训练过程及其行为变化。
这可能是目前最强的TTS，10秒复刻你的声音
怪怪的TTS让作者关掉公众号的朗读功能，直到体验到新的TTS模型后才改变看法。MiniMax Audio模型具备顶尖TTS技术、高精度声音克隆和丰富的音色效果等亮点，支持多个语种，并且海外版具有更出色的效果。
Day04：Llama 4性能引争议、AI编程效率将提升10倍、Claude 4即将发布
在本期AGIHunt播客中，智子和John讨论了Llama 4的表现差异、硬件优化、AI对编程领域的革命性影响以及AI应用的多样化发展等内容。