Gen-1 Slides发布：开源模型以1/17成本对标Claude Opus 5

一款专注幻灯片生成的开源模型

Genspark AI 近日发布了 Gen-1 Slides，这是一款专门面向幻灯片生成任务的开源模型。根据官方公布的信息，这款模型在幻灯片生成质量上可以对标 Claude Opus 5，而其输入 token 价格仅为后者的约 1/17。这一价格与性能的组合，让它在成本敏感的场景中具备了相当明显的吸引力。

该模型目前已经上线，成为 Genspark AI Slides 产品中的默认引擎。换句话说，用户在 Genspark 平台上生成幻灯片时，背后驱动的正是这款新模型。这种"先落地、再宣布"的做法，意味着模型已经经过了实际产品环境的验证，而非停留在实验室阶段。

技术路径：从 MiniMax M3 基座后训练而来

Gen-1 Slides 并非从零构建，而是基于 MiniMax AI 的 M3 模型作为基座（base model），再进行后训练（post-training）得到的成果。这一训练过程由 Genspark 与 Fireworks Lab 合作完成，采用了长程强化学习（long-horizon RL）的方法。

长程强化学习在这里是一个关键词。幻灯片生成本质上是一个多步骤、结构化的任务——它需要模型理解内容主题、规划页面结构、组织每一页的排版与文字层级，并保持整体风格一致。相比单轮问答，这类任务的"决策链"更长，对模型的长期规划能力要求更高。采用 long-horizon RL 来优化，正是为了让模型在这种跨越多个生成步骤的任务中做出更连贯、更符合预期的决策。

这种"开源基座 + 专项后训练"的组合，也代表了当前一种务实的技术路线：不必投入巨额资源从头预训练，而是站在成熟开源模型的肩膀上，通过针对性的后训练在垂直任务上做到极致。

成本优势意味着什么

约 1/17 的输入 token 价格，是这次发布中最具冲击力的数字。对于需要大规模、高频次生成幻灯片的企业和个人用户而言，成本往往是决定能否规模化使用的关键因素。

如果 Gen-1 Slides 真能在质量上接近 Claude Opus 5，同时把输入成本压到约十七分之一，那么在幻灯片这个特定场景里，选择昂贵的通用旗舰模型的理由就会大幅减弱。这也反映出一个正在形成的趋势：垂直专用模型正在特定任务上，以更低的成本挑战通用大模型的地位。

需要说明的是，官方强调的是"输入 token 价格"这一维度，实际使用成本还需结合输出 token 定价、生成质量的稳定性以及具体业务量来综合评估。单一价格指标固然亮眼，但真实的性价比仍需在实际使用中检验。

开源与产品化的双重意义

Gen-1 Slides 作为一款开源模型发布，意味着社区和开发者有机会围绕它进行研究、复现或二次开发。这与它同时作为 Genspark AI Slides 默认引擎的商业落地形成了呼应——一方面通过开源建立技术影响力，另一方面通过自家产品完成商业闭环。

从行业角度看，这类项目也体现了模型厂商之间的协作生态：MiniMax 提供基座、Fireworks Lab 提供训练能力、Genspark 完成产品化与场景落地。多方分工协作、各取所长，正在成为构建垂直 AI 应用的常见模式。

小结

Gen-1 Slides 的核心卖点清晰：在幻灯片生成这一垂直任务上，以远低于顶级通用模型的成本实现可比的质量。它验证了"开源基座 + 长程强化学习后训练"路线在专项任务上的可行性，也让"专用模型平价化"的趋势更加具象。当然，官方给出的对标和价格数据仍需更多第三方评测来佐证。对于关注 AI 生成内容成本的用户来说，这是一款值得关注的新选择。