【AIGC 前沿】蓝耘 MaaS 搭载海螺 AI 视频，开启视频创作 “芯” 时代

海螺AI

海螺 AI 是由上海稀宇科技有限公司（MiniMax）基于自研的万亿参数 MoE 大语言模型 ABAB6.5 和 MiniMax语音大模型研发的一款多功能 AI 工具。

MiniMax是一家人工智能初创公司，核心团队来自商汤科技等知名企业，聚焦多模态大模型研发。

海螺AI官网

核心模型架构

基础模型：abab-6.5

（自研万亿参数 MoE 架构）

混合专家系统设计

• 动态路由机制：采用 Sparse Gating Network，根据输入内容自动激活 8-12个子专家模型（如代码专家、多语言专家、逻辑推理专家）。
• 参数规模：总参数量达 1.2 万亿，其中活跃参数量控制在 2000 亿/query，实现高容量与低推理成本的平衡。

训练优化：

• 数据并行：128 路模型并行 + ZeRO-3 显存优化
• 损失函数：Task-MoE 联合训练（任务损失 + 专家负载均衡损失）

语音模型：speech-01

（多语言语音合成引擎）

技术栈：

• 前端处理：HiFi-GAN 声码器 + FastSpeech2韵律控制

核心创新：

• 音色解耦编码：通过 Vector-Quantized VAEs 分离音色与语义特征
• 跨语言迁移：共享音素编码空间，支持 8 语言音色无缝切换

声音克隆：

• Zero-shot 克隆：基于 10 秒样本提取 音色指纹（d-vector），适配预设音素序列
• speech-01：语音大模型，支持 8 种语言（中/英/德/法等），内置 30+ 音色，实现高拟真语音交互。

视频生成管线

三阶段生成流程：

图像理解层：

• 基于 GLIPv2 的开放域对象检测 + 关系提取

物理引擎层：

• 集成 NVIDIA PhysX 实现粒子/刚体运动模拟

渲染层：

• 基础帧生成：Stable Video Diffusion-XL
• 特效合成：NeRF 动态光照 + GAN 细节增强

关键子系统

长文本处理引擎

• 上下文窗口：支持 128K tokens 连贯处理

内存优化：

• Hierarchical Attention：分层压缩历史上下文
• FlashAttention-2：实现 3.2 倍于常规 Transformer 的吞吐量

结构化输出：

• 基于 CodeLlama 的文本到 Markdown/LaTeX/JSON 自动转换

智能搜索系统

混合检索架构：

def retrieve(query):  
    bm25_scores = sparse_retriever(query)  
    dense_embeddings = colbert_encoder(query)  
    reranked = cross_encoder.rerank(bm25_top100, dense_top100)  
    return fusion(reranked, dbpedia_graph.expand())  

• 集成 ColBERT 稠密检索 + BM25 稀疏检索
• 知识图谱扩展：基于 ROG（Reasoning Over Graph） 实现多跳推理

边缘推理优化

移动端部署方案：

• 模型压缩：采用 AWQ（Activation-aware Weight Quantization） 实现 4-bit 量化，精度损失<1%

异构计算：

• iOS：CoreML + ANE（Apple Neural Engine）加速
• 安卓：TFLite GPU 委托 + Hexagon DSP 协同

蓝耘MaaS平台

什么是MaaS平台？

• MaaS（Model-as-a-Service，模型即服务）平台
  

模型即服务（MaaS）平台面向企业开发者、创业者及非技术背景用户，提供开箱即用的热门AI模型服务，支持零代码体验、API快速集成与灵活计费，降低AI应用开发门槛，加速业务创新。允许用户通过API接口或其他方式访问和使用预先训练好的机器学习模型，无需自己从头开始训练模型，使得即使没有深厚机器学习背景的用户也能享受到高水平的AI技术支持。

蓝耘MaaS平台属于企业级AI模型服务基础设施，旨在通过云服务形式提供预训练模型、行业定制化模型及配套工具链，降低企业AI应用门槛。

核心目标

• 模型快速部署：简化模型从开发到生产的全流程。
• 资源弹性扩展：按需调用算力与模型服务，优化成本。
• 垂直场景适配：针对金融、医疗、工业等领域提供专用模型。

技术架构

• 云原生架构：基于 Kubernetes 的弹性资源调度，适配混合云/私有云部署。
• 异构计算支持：集成 GPU/NPU 算力池，优化推理效率。
• 数据隐私合规：提供联邦学习、隐私计算选项，满足金融/医疗等敏感场景需求。
• 开放生态：可能支持 PyTorch、TensorFlow 等框架，并与主流数据平台（如 Hadoop、Spark）集成。

支持的大模型

文本模型：

Token是指模型处理和生成文本时的基本单元，中文的Token通常是一个字或词，英文的Token通常是一个单词、子词或词组。

除了上述文生文的deepseek，Maas平台还支持图像理解与生成、音视频理解与生成、数学领域、法律领域等方面的大模型。平台后续将纳管众多主流的第三方大模型，例如Llama、ChatGLM、零一万物、Stable Diffusion等大模型。

其他大模型：

为什么选择蓝耘使用海螺AI？

技术适配性优势

核心技术协同架构

视频生成加速方案

# 视频生成管线优化示例
def generate_video_optimized(image, prompt):
    # 阶段1：蓝耘MaaS并行预处理
    with parallel_process(
        feature_extractor=ViT-22B, 
        scene_graph=GraphRCNN
    ) as (features, graph):
        
    # 阶段2：海螺AI核心生成
    frames = StableVideoXL(
        latent_space=features, 
        physics_constraints=PhysX(graph)
    )
    
    # 阶段3：边缘端实时渲染
    return render_with_neRF(frames, device='edge')

性能指标：4K视频生成速度从15分钟/秒提升至2分钟/秒（Tesla T4环境）

全生命周期工具链

# 示例：从训练到部署命令行工具链
$ bluecloud train --model=abab6.5 --task=ner --dataset=medical
$ bluecloud quantize --precision=int8 --accelerator=jetson
$ bluecloud deploy --target=edge --protocol=MQTT

开放生态集成

• 支持ONNX/TensorRT等工业标准格式
• 提供与Kafka/Spark/Flink等大数据组件预集成方案

部署架构对比

蓝耘MaaS平台与海螺AI的组合，本质上是通过领域工程化能力（蓝耘）放大基础模型潜力（海螺AI），在成本可控前提下实现“AI能力即插即用”。建议通过其官网申请制造业/金融/医疗专项试用包，针对性验证业务场景匹配度。

蓝耘MaaS使用海螺AI

如何注册并部署

首先得注册蓝耘平台账号，老生常谈的问题我就不细说了哈。

接下来我们为大家介绍如何注册蓝耘平台。

点击一键跳转注册🔥

跳转到如下界面：我们根据需要填写对应信息就可以注册成功。

注册成功后进入主页面，点击MaaS平台

随后选择视觉模型，可以看到已经MaaS平台已经提前为我们部署了海螺AI的模型，有图片生成视频和文本生曾视频两种途径。

使用教程

接下来我以图片生成视频为例，教会大家如何利用海螺AI快速实现图片生成视频。

操作步骤：

• 首先我们需要上传相应的图片，比如我这里就上传一个我喜欢的壁纸
• 然后还需要对想要生成的视频进行一段文字描述，上限200字，用来给AI知名视频的创作方向，
• 接着选择对应的视频模型，我以基础版的模型为例，最后点击下方的立即生成即可

注意：

• 每个用户都是有一次免费的生成机会的，由于我之前已经用过好多次，所以我都免费次数已经耗尽，我需要购买次数，大家可以借助免费的生成体验一下海螺AI的视频生成水平

可以看到视频已经在生成中，即便退出后AI仍会继续生成，接着等待一会，我们来看视频效如何

示例视频1：

然后我们优化一下提示词，同样是选择最基础的视频模型，让海螺AI重新生成视频，略微等待，我们查看视频效果

• 优化后的提示词如下：

大朵大朵的雪花如同鹅毛般纷纷扬扬地飘落，将整个世界装点得银装素裹。在这漫天飞雪之中，一位女孩静静伫立。她的发丝间沾着少许晶莹剔透的雪花，宛如点点细碎的钻石在闪烁。只见她缓缓眨动着那双明亮的眼睛，长长的睫毛如蝴蝶翅膀般扑闪，眸中似藏着星辰与雪花交融的光芒。紧接着，她微微抬起手，动作轻柔得仿佛怕惊扰了这漫天飞雪，那纤细的手指轻轻穿过发丝，将沾着雪花的几缕头发捋到耳后，一举一动间，尽显温婉与柔美。

示例视频2：

这样看来，蓝耘MaaS平台下部署的海螺AI名不虚传，而且这还只是最基础版本的视频模型，如果追求更高的视频创作质量，可以选择更加专业的视频模型。

无论是专业版还是基础版的价格都是一样的，多种选择供你来挑选！

API接口调用

OpenAI兼容接口

直接使用 OpenAI 官方提供的 SDK 来调用大模型对话接口。您仅需要将 base_url 和 api_key 替换成相关配置，不需要对应用做额外修改，即可无缝将您的应用切换到相应的大模型。

base_url：https://maas-api.lanyun.net/v1
api_key：如需获取请参考获取API KEY
接口完整路径：https://maas-api.lanyun.net/v1/chat/completions

python

创建一个python文件命名为 ark_example.py，将下面示例代码拷贝进文件。并替换密钥为您的API KEY。替换content中的<你是谁>为您想要的提问内容。点击运行，稍等您可以在终端窗口中看到模型调用的返回结果。这样您就完成了您的首次型服务调用。

from openai import OpenAI

# 构造 client
client = OpenAI(
    api_key="sk-xxxxxxxxxxx",  # APIKey
    base_url="https://maas-api.lanyun.net/v1",
)
# 流式
stream = True
# 请求
chat_completion = client.chat.completions.create(
    model="/maas/deepseek-ai/DeepSeek-R1",
    messages=[
        {
            "role": "user",
            "content": "你是谁",
        }
    ],
    stream=stream,
)
if stream:
   for chunk in chat_completion:
       # 打印思维链内容
       if hasattr(chunk.choices[0].delta, 'reasoning_content'):
          print(f"{chunk.choices[0].delta.reasoning_content}", end="")
       # 打印模型最终返回的content
       if hasattr(chunk.choices[0].delta, 'content'):
          if chunk.choices[0].delta.content != None and len(chunk.choices[0].delta.content) != 0:
             print(chunk.choices[0].delta.content, end="")
else:
   result = chat_completion.choices[0].message.content

NodeJS

const OpenAI = require("openai");

// 构造 client
const client = new OpenAI({
    apiKey: "sk-xxxxxxxxxxx", //  APIKey
    baseURL: "https://maas-api.lanyun.net/v1/chat/completions", 
});

// 定义一个异步函数来处理请求
async function getCompletion() {
    try {
        const completion = await client.chat.completions.create({
            model: '/maas/deepseek-ai/DeepSeek-R1',
            messages: [{ role: 'user', content: '你好' }],
            stream: true, 
        });

        // 处理流式响应
        for await (const chunk of completion) {
            if (chunk.choices) {
                // 打印思维链内容
                console.log("reasoning_content:", chunk.choices[0]?.delta?.reasoning_content);
                // 打印模型最终返回的content
                console.log("content", chunk.choices[0]?.delta?.content);
            }
        }
    } catch (error) {
        console.error("Error occurred:", error);
    }
}

// 调用异步函数
getCompletion();

cURL

您可以通过 HTTP 方式直接调用模型服务。在终端窗口中，拷贝下面命令，并替换密钥为您的API KEY。替换content中的<你好>为您想要的提问内容。稍等您可以在终端窗口中看到模型调用的返回结果。这样您就完成了您的首次型服务调用

curl https://maas-api.lanyun.net/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer sk-xxxxxxxxxxx" \
-d '{
  "model": "/maas/deepseek-ai/DeepSeek-R1",
  "messages": [
        {
            "role": "user",
            "content": "你好"
        }
    ],
  "stream": true
}'

获取 API Key

进入 API平台 > 立即接入 管理，单击创建 API KEY。

• 单击创建 API Key 按钮。
• 在弹出框的名称文本框中确认/更改 API Key 名称，单击创建。

说明: 请妥善保存好API Key，强烈建议不要将其直接写入到调用模型的代码中

• 创建完成后，进入 API KEY 管理，进行新增、查看、删除操作

写在最后

蓝耘MaaS平台提供了一种便捷的途径，让用户能够快速注册并部署海螺AI，享受其强大的视频生成等核心功能。通过该平台，用户可以轻松获取API密钥并进行功能调用，同时享受平台提供的可扩展性、安全保障以及专业的技术支持。

本文到这里就结束了，如果你也被海螺AI的强大的视频生成能力所吸引，想去完成自己的探索和尝试，那么欢迎你成为蓝耘平台的新用户前来体验，注册链接就在下面，快去试试吧！我们下期再见！

 https://cloud.lanyun.net//#/registerPage?promoterCode=0131