海螺AI

定义

海螺AI是上海稀宇极智（MiniMax）开发的多模态人工智能产品，官方外文名为Hailuo AI，也被称作「小海螺」^[1]。它最初是面向普通用户的对话式智能助理，可进行智能问答、长文本阅读分析、文案创作与文件处理；2024年8月上线视频创作功能后，又发展为AI创意视频平台，提供文生视频、图生视频、主体参考与图片创作等能力^[2][3]。

海螺AI的定位与母公司MiniMax「共创智能」的理念相关，即通过提高模型效率来降低使用门槛。其用户覆盖全球200多个国家和地区，主要使用者包括影视内容创作者与动画CG创作者^[2]。

原理

海螺AI的对话与创作能力建立在MiniMax自研的多模态大模型之上，早期版本接入的是万亿参数混合专家模型（MoE）abab6.5系列，同时配合语音大模型与图像大模型^[1]。该大语言模型支持200k tokens的上下文长度，可在1秒内处理近3万字的文本，因而适合书籍、长篇报告与学术论文等长文本的阅读与写作^[3]。

视频生成方面的核心是2025年6月随海螺02公布的NCR架构，全称Noise-aware Compute Redistribution，即按噪声水平重新分配算力。该架构在同等参数量级下把训练与推理效率提升约2.5倍，使模型总参数量扩大到上一版的3倍、训练数据量扩大到4倍，同时仍能生成原生1080p视频^[4]。其做法是训练初期大量引入人工噪声、对视频作高度压缩处理，进入更清晰的训练阶段后再以全分辨率处理。

在推理流程上，用户输入文字提示词或上传首帧图片，模型据此逐帧生成视频片段，并提供768p-6秒、768p-10秒与1080p-6秒等输出规格。主体参考功能则从用户上传的照片中提取人物特征，使同一角色在不同场景的视频中保持一致的外观与面部细节。

发展历程

2024年5月15日，MiniMax发布面向普通用户的AI产品海螺AI，支持文本、音频与图像输入，官方将其定位为「人生搭子」^[3]。同年8月底，公司推出首个视频模型，并在海螺AI中上线视频创作功能；10月加入图生视频能力，用户可上传图像作为生成视频的首帧^[5]。视频模型上线一个月内，海螺AI网页版访问量增速超过800%，在AI产品榜2024年9月全球与国内增速榜均列首位^[5]。

2025年6月18日，MiniMax发布视频生成模型海螺02（Hailuo 02），支持原生1080p输出，其早期版本在Artificial Analysis视频竞技场测评中排名全球第二。据官方数据，该模型生成的「猫跳水」视频在海外社交平台一周内获得3亿次播放。同年8月，海螺AI更新视频Agent并开启半自定义模式。

2025年10月28日，MiniMax发布海螺2.3（Hailuo 2.3）及海螺2.3 Fast版本，在动态表现力、风格化呈现与人物表演细腻度上作了提升，同时保持原有定价水平，并同步上线网页端、App客户端与开放平台API^[6]。同日，海螺Video Agent升级为支持全模态创作的Media Agent，可在用户输入内容描述后自动完成从素材匹配到成片的流程。同年12月，MiniMax与导演陆川创办的猿动力达成AIGC技术合作，联合开发AI漫剧项目^[2]。

应用

作为助理类工具，海螺AI用于长文速读、文档摘要、智能搜索、文案写作与解题答疑，支持在输入框发消息、上传图片、PDF、PPT、TXT、DOCX等文件，或直接进行语音交流^[3]。语音通话可应用于英语口语练习、背单词与模拟面试等场景，产品支持语速与声音设置、声音克隆^[7][8]。

在视频创作方面，海螺AI的文生视频与图生视频功能用于短视频内容、广告与影视前期可视化等方向，主体参考功能可用于制作角色形象连贯的系列内容^[9]。MiniMax还通过开放平台API向企业和开发者提供模型能力，影视、广告、电商等专业场景可调用其模型^[10]。据官方披露，其视频模型已累计帮助全球创作者生成超过3.7亿个视频。

局限

视频生成的结果存在随机性，要达到较理想效果往往需要多次重新生成，官方也把提高稳定性与「抽卡率」列为后续迭代方向。生成速度同样是尚待改进的方面^[11]。

输出规格上，海螺02提供的最长时长为10秒、最高分辨率为1080p，用户无法自定义视频长度；更高分辨率等能力需要通过订阅获得^[11]。在角色一致性方面，主体参考在安静状态与小幅度动作下表现较稳定，但处理舞蹈、蹦跳等大幅度肢体动作时仍有不足，生成效果整体略逊于其文生视频与图生视频模型，场景一致性也尚未解决^[12]。

此外，海螺AI作为工具类应用推出时间较短，截至2025年4月仍处于起步阶段。有分析指出，包括海螺AI在内的国产AI出海产品虽在海外打开局面，但实际成本仍难以覆盖。

参见

• 上海稀宇极智 —— 海螺AI的开发公司，同时自研其依赖的多模态大模型。

• 多模态大模型 —— 海螺AI处理文本、语音、图像与视频的基础模型类型。

• 混合专家模型 —— 海螺AI早期接入的abab6.5系列采用的模型架构。

• 文生视频 —— 海螺AI视频创作功能的核心生成方式之一。

• 图生视频 —— 以静态图片为首帧生成动态视频的功能。

• 智能体 —— 海螺Video Agent与Media Agent所属的技术形态。