前几天，著名外宾AI应用 Genspark 干了一件以前不太像它会干的事。
它开始自己训模型了。
9 月 10 日，Genspark 发布了一个专门做 PPT 的模型 Gen-1 Slides。底座是 MiniMax M3，训练这件事则找了 Fireworks 一起做。
现在，这个模型已经成了 Genspark AI Slides 标准模式的默认选项。
Genspark 过去一直是很典型的 AI 应用公司。
模型是谁家的不重要，谁好用就用谁。
今天 Claude Opus 4.8强一点，就多调一点 Claude；明天GPT-5.6更便宜，就重新把请求都切过去。
应用公司最擅长的事情，本来就是不对模型公司产生感情。
所以看到 Genspark 自己下场训练模型，我停了一下。
因为这已经不是这个 API 好不好用的问题了。
调 API 不好用，最多改个配置。
自己训练，先得交 GPU 的钱。
行业里夸模型的人很多。
愿意为了这句夸奖，自己买单继续训练的人，就没那么多了。
这也是我后来重新去看 MiniMax 的原因。
PART.01 开源模型准备好了
先说 Genspark 为什么选 M3。
现在开放模型很多，甚至有些模型在榜单上的成绩比 M3 更好。
但还有一个前提：
现在这批开放模型，本身已经跨过了可用线。
放在前几年，应用公司拿到权重以后，可能还得先补 Coding、Agent、长任务这些基础能力。
现在像 M3 这样的模型，底子已经够用了，应用团队才有资格把资源集中到自己的业务上。
但对一家准备继续做后训练的应用公司来说，选基座模型并不是简单从排行榜第一名往下挑。
Genspark 做的是 PPT。
一份复杂 PPT，要读很长的参考资料，规划页面，写代码，调用工具渲染，再自己检查和修改，跑几十轮很正常。
所以它需要的底座，最好同时具备原生多模态、长上下文、不错的Coding和Agent能力，而且还得开放权重。
M3 基本把这些条件凑齐了。
但我觉得还有一个很现实的原因：
它的模型大小也刚刚好。
M3 大约有 428B 总参数，每个 Token 激活约 23B。
400 多 B 当然不能叫小模型，但放在今天前沿的开放模型里，又没有大到完全脱离应用公司的训练和部署范围。
市面上确实还有一些跑分更高的模型，但模型越大，后面强化学习、部署、推理、持续迭代的成本都会跟着上去。
对模型公司来说，可能更关心谁是最强的。
但对应用公司来说，选基座模型不是找最聪明的那个，而是在能力、成本和可训练性之间，找性价比最高的那个。
能力已经足够覆盖自己的任务，模型规模又没有大到让后训练失去商业意义。
所以 Genspark 选 M3，我觉得本质上 M3 是在这个区间里找到了一个平衡点。
Genspark 自己也说，因为有 M3 这样的开放底座，他们才能直接跳过预训练，把预算花在 Slides 这件事上。
这句话其实把事情说得很清楚。
应用公司真正需要的，不是再造一个最强基础模型。
而是找到一个已经足够好的模型，然后把有限的钱和工程资源，花在自己真正懂的业务上。
PART.02 为什么要训模型
但有一个合适的底座，不代表 Genspark 就一定要自己训。
真正的问题是这件事值不值得。
答案首先藏在 Genspark 自己的调用规模里。
Fireworks 披露，Genspark Slides 每个月消耗的 Token 已经超过 1 万亿。
到了这个量级，模型成本就不再只是技术团队关心的事情了。
哪怕每百万 Token 只便宜一点，乘上每月上万亿 Token 的消耗，最后都会变成一笔很具体的成本。
所以 Genspark 真正要算的是：如果把最常用、最稳定的一部分任务自己做专项训练，能不能把效果留下来，同时把成本压下去。
他们做了一组测试。
Gen-1 Slides 完成一份 PPT，平均模型调用成本是 0.44 美元。
而用之前行业主力模型 Opus 5 的成本是 4.16 美元。
这是接近十倍差距。
这时候，Genspark 为什么愿意自己训，就比较容易理解了。
更重要的是，成本降下来以后，效果并没有明显打折。
Gen-1 Slides 的平均评分是 4.25，略高于 Opus 5 的 4.23；下载率也达到 33.1%，高于后者的 31.5%。
这时候，Genspark 为什么愿意自己训，就比较容易理解了。
它不需要做一个全面超过所有通用模型的新模型。
它只需要在 PPT 这件高频、稳定、自己又足够熟悉的任务上，做出一个更合适的版本。
效果够好，成本能降，而且还能围绕自己的产品继续迭代，这笔账就开始成立。
PART.03 为什么能训模型
训练过程中，Genspark 遇到过一个很典型的问题。
他们不希望 PPT 里的文字溢出，于是给模型设计了一条规则：文字超过页面边界，就扣分。
模型训练一段时间以后，很快找到了解法：
把字体缩小。
从评测器来看，问题解决得非常漂亮。
文字确实没有溢出。
只是用户也快看不见了。
这个例子其实刚好解释了，为什么 Genspark 这种应用公司有必要自己参与模型训练。
因为模型公司可以把模型训练得很聪明，却很难替每一个应用定义：到底什么叫把活干好了。
对于 PPT 来说，没有文字溢出只是一个指标。
真正交到用户手里，还要考虑字号能不能看清、信息密度是不是合适、页面结构顺不顺、用户会不会拿到结果以后又自己重做一遍。
这些东西没有一个通用 Benchmark 能完全告诉你。
它们来自产品每天和真实用户打交道。
Genspark 做了这么久 Slides，它手里真正值钱的，不只是调用量，还有大量关于什么结果用户会接受的经验。
哪些错误用户最敏感，哪些问题可以忍，哪些页面看起来没报错但根本不能交付，这些判断，模型公司很难凭空获得。
以前，这些经验主要被用来改 Prompt、改 Workflow、改产品。
现在多了一条路：
把它们变成 Reward、评测器和训练数据，直接参与模型本身的调整。
这也是 Genspark 能参与这次训练的原因。
MiniMax 负责把 M3 的通用能力做好，Fireworks 负责把训练工程跑通，而 Genspark 手里有另一类东西：
真实用户，以及这些年做 PPT 积累下来的产品判断。
它最清楚什么样的 PPT 用户愿意留下，哪些错误会让人直接重做，哪些页面看起来没报错，实际上根本没法交付。
这些东西，模型公司很难凭空知道。
所以应用公司开始训模型，不是因为它们突然更会训练一个通用模型了。
而是当开源基模的能力过线以后，它们终于可以把原本停留在产品层的经验，继续往模型里压。
说到底，Genspark 不需要比 MiniMax 更懂模型。
它只需要比 MiniMax 更懂 PPT 这门生意。
PART.04 不只是文本模型
看到 Genspark 这次拿 M3 去做后训练，我突然想起了一个月前的 H3。
8 月 3 日，MiniMax H3 正式开放权重。
这是一个可以同时理解文本、图片、视频和音频的通用视频模型，能生成最长 15 秒、最高 2K、带原生立体声音频的视频。
然后社区很快就热闹起来了。
H3 开放权重当天，ComfyUI 就做了 Day-0 支持。官方甚至专门写了一篇博客，介绍怎么把 H3 跑在本地消费级显卡上。
接下来的事情就很有互联网开源社区的味道了。
有人嫌 15 秒不够长，就自己写 ComfyUI 节点，把 H3 一段一段接起来，做长视频和多镜头连续生成。
还有人纯粹拿它玩梗。H3 开源当天，Stable Diffusion 社区里就有人用本地 ComfyUI 做各种文字生成视频，光一个帖子就拿了几百个赞。下面讨论的已经不是这个模型能不能跑，而是还能拿它干什么。
再往后，事情开始从网友玩模型变成公司改模型。
8 月 26 日，fal 发布了 H3 Max，直接在 H3 的开放权重上继续后训练，加入新的训练数据，重点优化提示词遵循、画面审美和推理速度。
fal 给出的数据里，5 秒视频可以在不到 3 秒里生成。
FastVideo 则往另一个方向走，做了 FastH3，用四步蒸馏和稀疏注意力去压推理成本和生成时间。
甚至还有研究团队把 H3 改成了一个可以用键盘控制的交互式世界模型 H3-World。
他们只训练了大约 0.2% 的骨干参数，就让视频模型开始响应玩家动作。
所以看到 Genspark 这次做 Gen-1 Slides，我再回头看 H3 开源之后发生的那些事情，感觉就不太一样了。
当时大家看到的是热闹。
有人拿 H3 做广告，有人做长视频，有人优化推理速度，还有人干脆把它往世界模型上改。
但现在回头看，这些项目其实都在做同一件事：
把一个开源通用模型，继续往自己的具体问题上推。
MiniMax 可以把 H3 的基础能力做好，但它不可能同时知道，广告团队最在意什么，视频平台最想压哪一部分成本，做交互世界的人又需要什么样的响应能力。