MiniMax发布Music3音乐模型，可生成5分钟完整歌曲；百度GenFlow正式命名”库库AI”，月活破1亿

AI一天两发重磅：MiniMax Music3开源权重、5分钟成曲；百度”库库AI”独立端上线，剑指专业办公赛道

AI音乐”OpenAI时刻”来了？MiniMax Music3开放权重引热议；百度GenFlow更名”库库AI”，2500万办公用户抢滩

一、MiniMax Music3：AI音乐生成的开源”分水岭”

2026年8月14日，AI公司MiniMax正式推出音乐生成模型MiniMax-Music3，并同步开放模型权重，在GitHub和Hugging Face上公开。这是MiniMax音乐产品线首次开放权重发布，被业界视为AI音乐生成走向”开源时代”的标志性事件。

核心能力：5分钟完整歌曲

MiniMax-Music3可根据歌词和音乐描述生成最长5分钟的完整歌曲，输出格式为32kHz、16-bit立体声WAV文件。与许多只能生成纯音乐或简单哼唱的AI音乐工具不同，Music3能够直接生成包含歌词、演唱和编曲的完整歌曲，覆盖前奏、主歌、预副歌、副歌、桥段、器乐间奏和尾奏等完整音乐结构。

官方表示，模型能够在长音频中稳定保持音乐主题、节奏、歌声身份和编曲推进，不会出现”主题漂移”或”乐器消失”等问题。

技术架构：8B+0.6B的分层设计

Music3采用分层自回归架构，由两大核心组件协同工作：

• Global LLM（全局语言模型）：参数规模8B，基于Qwen3-8B初始化，逐帧预测语义码本，负责建模歌曲的长程语义与结构变化
• Local LLM（局部语言模型）：参数规模0.6B，预测每一帧中的声学码本，恢复细粒度声学信息

此外，模型还通过隐状态融合（Hidden-State Fusion）机制，将全局模型和局部模型的连续隐状态输入2.4B的流匹配模块，再由123M的Flow-VAE解码器输出最终音频。这种设计直接连接了语言模型的结构理解与声学模型的音频重建，在保证长程一致性的同时，提升了发音准确度、乐器连贯性和细节保真度。

三条推理路径，降低使用门槛

MiniMax同步提供了三条推理路线：官方推荐的SGLang-Omni、diffusers流水线，以及ComfyUI工作流。其中ComfyUI正好是H3视频模型玩家已经熟悉的生态，可以无缝继承。显存需求最低可降至8GB（量化后），但仅支持CUDA。

对于不想本地部署的用户，MiniMax也提供了免费的在线演示应用”MiniMax Music 3 Studio”。

开源的意义与争议

Music3的slogan是”Open-Weights, Production-Ready & Versatile”，在”5分钟完整歌曲+开放权重”这个方向上，MiniMax先于国内外同行站了出来。但也有开发者提醒：目前Hugging Face仓库下载量有限，没有第三方独立评测，中文歌曲的生成质量尚需验证；且开源≠免费商用，商用前需仔细阅读许可条款。

二、百度GenFlow正式命名”库库AI”，独立端全面上线

同日，在百度AI Day开放日上，百度文库网盘通用智能体GenFlow正式官宣中文名——“库库AI”。

数据亮眼：月活破亿，办公MAU超2500万

据百度官方披露，GenFlow月活用户已突破1亿，其中办公用户体量指数级增长，目前AI办公MAU（月活跃用户）超过2500万，位居通用AI办公赛道行业第一。这一数据表明，百度在AI办公领域的布局已进入规模化增长的快车道。

从”功能”到”独立端”的战略升级

与中文名同步，百度文库网盘宣布进一步发力AI办公赛道，上线”库库AI”独立端产品矩阵，包括：

• 库库AI办公PC客户端
• 库库AI网页端
• 库库AI小程序
• 库库AI企业版

作为最早探索AI办公的通用智能体，库库AI自2025年4月上线1.0版本以来，一年内迅速迭代到4.0版本，可在文库、网盘、Oreate AI等海内外产品全端通用。

核心能力：跨设备、跨模态、全场景

库库AI的核心特色可概括为”三个跨”：

跨设备端云接力：用户用一台手机就能实现全链路办公，电脑关机也能在小程序处理任务，远程并行操控多台电脑及文件夹，真正实现”随时随地办公”。

跨模态全格式生成：可自由调用Office Agent等智能体，一句指令即可并行调用PPT、Excel、Word Agent完成复杂办公任务，一站式完成Office三件套及AI海报、AI视频、AI播客、思维导图、代码、小程序、网页等跨模态文件生成和转换。

全场景主动服务：支持全天候自动化任务执行，例如长时间股票盯盘、每日收盘自动生成持仓简报、每周抓取行业数据输出复盘报告等，无需代码基础即可搭建周期性自动任务。

垂直深耕金融场景

库库AI首期办公模式面向金融场景进行专项优化。平台内置全球上市公司资料、股票行情、财报、研报等金融数据，打通百度文库18亿专业文档、学术7亿专业内容和网盘私域知识。用户可一键导入网盘文件批量处理，生成专业Word研报、金融分析PPT、财务模型Excel等能经受专业机构检验的专业级Office三件套。

此外，库库AI还拥有独家金融专家和Skill生态，包括K线图解析、投资复盘等交易Skill，三张表、DCF、可比公司等财务模型Excel Skill，以及公司&行业深度研究报告等研报Word Skill。

三、AI办公赛道”三国杀”格局初现

库库AI的独立上线，标志着国内AI办公赛道正式进入”三国杀”阶段。

2026年7-8月，国内互联网巨头同步完成了内部AI办公产品的整合与升级：

• 阿里将旗下多款产品统一为”千问办公”，深度绑定钉钉2600万企业组织资源，主打企业组织协同与行业流程自动化
• 腾讯将QClaw并入WorkBuddy体系，依托企业微信、腾讯文档、微信生态打造闭环办公工具，月访问量突破2000万
• 字节将飞书研发团队划入豆包产品线，内测对标”豆包企业版”
• 百度则以”库库AI”独立端入局，凭借文库和海量文档数据库、网盘私域存储和AI办公2500万MAU，走”专业生产力平台”路线

与通用对话产品不同，库库AI剥离了娱乐、闲聊属性，整套产品架构围绕专业工作流搭建，金融投研是当前核心落地场景。这种”垂直深耕”策略，与阿里、腾讯的”生态协同”路线形成了差异化竞争。

四、软盟观：AI赛道正在从”通用对话”走向”专业生产力”

MiniMax Music3和百度库库AI在同一天发布，看似是两个不同赛道的产品，实则指向同一个趋势：AI正在从”通用对话”走向”专业生产力”。

Music3解决的是”音乐创作”这个专业场景的生产力问题。当AI能够根据一段歌词和风格描述，生成一首结构完整、人声自然的5分钟歌曲，音乐创作的门槛被大幅降低。对于短视频创作者、独立音乐人、内容生产者而言，这是实实在在的生产力工具。

库库AI解决的是”办公”这个最大刚需专业场景的生产力问题。当AI能够自动调用Office三件套、跨设备执行任务、内置金融数据生成专业报告，AI办公就不再是”尝鲜品”，而是不可或缺的生产力基础设施。

两个产品共同指向一个判断：AI下半场的竞争，不在模型参数，而在场景深耕。 谁能把AI能力与真实工作流深度结合，谁能真正降低用户的使用门槛，谁就能在AI商业化的长跑中占据先机。

本文由软盟资讯编辑原创，转载须注明出处。