--- title: "MiniMax (0100.HK) 首份年度业绩分析" type: "Topics" locale: "en" url: "https://longbridge.com/en/topics/39081681.md" description: "截至 2025 年 12 月 31 日止年度 | 发布日期：2026-03-02 | 分析日期：2026-03-05 一、核心数据速览指标 20252024 同比总收入$79.0M$30.5M+158.9% 毛利$20.1M$3.7M+437.2% 毛利率 25.4%12.2%+13.2pp 经调整净亏损（Non-IFRS）$250.9M$244.2M+2.7%IFRS 净亏损$1,871.6M$465.2M+..." datetime: "2026-03-05T11:45:56.000Z" locales: - [en](https://longbridge.com/en/topics/39081681.md) - [zh-CN](https://longbridge.com/zh-CN/topics/39081681.md) - [zh-HK](https://longbridge.com/zh-HK/topics/39081681.md) author: "[Optimus X](https://longbridge.com/en/profiles/13254986.md)" --- # MiniMax (0100.HK) 首份年度业绩分析 > 截至 2025 年 12 月 31 日止年度 | 发布日期：2026-03-02 | 分析日期：2026-03-05 * * * ## 一、核心数据速览 指标 2025 2024 同比 **总收入** $79.0M $30.5M **+158.9%** **毛利** $20.1M $3.7M **+437.2%** **毛利率** 25.4% 12.2% +13.2pp **经调整净亏损**（Non-IFRS） $250.9M $244.2M +2.7% **IFRS 净亏损** $1,871.6M $465.2M +302.3% **研发支出** $252.8M $189.0M +33.8% **销售及分销开支** $51.9M $87.0M **\-40.3%** **现金结余** $1,050.3M $880.6M +19.3% **员工数** 428 人 — — **每股亏损（基本）** $(17.23) $(4.28) — > **白话解释**：IFRS 净亏损 $18.7 亿看起来吓人，但其中 $15.9 亿是"优先股公允价值变动"——这不是真金白银的亏损，而是因为公司上市前估值暴涨，会计准则要求把优先股按新估值重新计量导致的"纸面亏损"。上市后优先股自动转为普通股，这个科目消失。所以看 **Non-IFRS 经调整净亏损** 更有意义：2.51 亿美元，同比仅增 2.7%。 * * * ## 二、业务线深度拆解 ### 总览 业务线 2025 收入 占比 2024 收入 占比 同比 AI 原生产品（To C） $53.1M 67.2% $21.8M 71.4% **+143.4%** 开放平台及企业服务（To B/D） $26.0M 32.8% $8.7M 28.6% **+197.8%** **合计** **$79.0M** **100%** **$30.5M** **100%** **+158.9%** ### 2.1 AI 原生产品（To C）— $53.1M，占 67.2% **产品矩阵：** - **Talkie / 星野**：AI 角色互动产品，海外主力营收来源，M2-her 为底层模型，100 轮长对话测试全球第一 - **海螺 AI**：国内全模态 AI 助手，含 Media Agent 一键成片，视频模型累计生成超 6 亿个视频 - **MiniMax Agent**：AI 原生工作空间（AI-native Workspace），2026-01 发布 **收入确认方式拆解（关键数据）：** 财报附注 3 披露了收入确认时间维度，这是衡量收入质量的重要指标： 确认方式 2025 2024 同比 占比变化 某一时间点转让（按次/充值消耗） $47.2M $25.7M +83.7% 84.2% → 59.7% 一段时间转让（订阅制/包月） $31.9M $4.8M **+559.8%** 15.8% → **40.3%** > **白话**： > > - "某一时间点"\= 用户充值 Token 或单次购买，用完即确认收入——波动大，不可预测 > - "一段时间"\= 订阅制，按月/按期摊销确认——稳定、可预测、复购率高 > > 订阅收入暴增 **560%**，占比从 15.8% 跃升至 **40.3%**。这是非常积极的信号——订阅收入意味着**更高的确定性和复购率**，是 SaaS 公司最看重的指标。MiniMax 正在从"充值消耗"模式向"订阅制"转型。 **合同负债（预收款 = 未来收入蓄水池）：**   2025-12-31 2024-12-31 同比 合同负债 $7.5M $1.6M **+385%** > 用户/企业已经预付但还没消耗完的钱。$7.5M 将在未来一年内全部确认为收入，相当于锁定了下一期约 9.5% 的收入底线。 **用户规模与 ARPU 推算：** - 累计用户 2.36 亿，C 端收入 $53.1M → **年均 ARPU ≈ $0.22** - 极低，说明绝大多数是免费用户，真正付费的是少数 - 但订阅收入暴增 560% 说明付费转化正在加速 - 若付费率仅 1%（≈236 万人），则付费用户 ARPU ≈ **$22.5/年**（≈$1.9/月） ### 2.2 开放平台及企业服务（To B/D）— $26.0M，占 32.8%   2025 2024 同比 收入 $26.0M $8.7M **+197.8%** 占比 32.8% 28.6% +4.2pp **增长驱动：** - 付费客户数量"显著增加"（总数 21.4 万企业客户/开发者，具体活跃付费数未披露） - M2 系列在 OpenRouter 霸榜，首个日 Token \>500 亿的中国模型 → 开发者涌入 - M2.5 极致性价比：$1/小时 @ 100 Token/s → $10K 可让 4 个 Agent 连续工作一年 - 2026-02 编程套餐（Coding Plan）token 消耗增长 **超 10 倍** - M2 系列 2026-02 日均 token 消耗是 2025-12 的 **6 倍** **企业 ARPU 推算：** - 21.4 万企业/开发者，B 端收入 $26.0M → **年均 ARPU ≈ $121** - 同样偏低，大量是免费额度试用的小开发者 - 高价值大客户集中度、客户留存率等关键指标未披露 **趋势判断：** B 端占比从 28.6% → 32.8%，增速 198% 快于 C 端 143%。随着 M2.5 在开发者社区加速采用，这条线有潜力在 2026 年进一步扩大占比。 ### 2.3 地区维度 地区 2025 收入 占比 2024 收入 占比 同比 **海外** $57.7M **73.0%** $21.3M 69.8% **+170.8%** 中国内地 $21.4M 27.0% $9.2M 30.2% +132.3% > **关键信号**： > > - 海外增速（171%）高于国内（132%），占比从 69.8% → 73.0% 持续扩大 > - Talkie 在全球市场的渗透是核心驱动力，覆盖 200+ 国家 > - 国内市场面临 DeepSeek、月之暗面等激烈竞争，海外反而是差异化优势 ### 2.4 单位经济学与人效 指标 数值 说明 人均创收 $184K/年 $79M ÷ 428 人 人均薪酬 $197K/年 $84.3M ÷ 428 人（含股份支付） 收入/研发比 0.31x $79M ÷ $252.8M，每投入 $1 研发产出 $0.31 收入 收入/销售比 1.52x $79M ÷ $51.9M，每 $1 销售费用产出 $1.52 收入 > 人均创收与人均薪酬基本持平（$184K vs $197K），尚未实现"人力盈余"。对比 OpenAI 人均创收约 $1M+，差距明显，但 MiniMax 还在早期扩张阶段。好的信号是收入/销售比从 <0.5x（2024: $30.5M/$87M=0.35x）大幅提升到 1.52x，获客效率显著改善。 ### 2.5 业务线关键问题 1. **C 端 ARPU 极低**：2.36 亿用户但 ARPU 仅 $0.22，绝大多数"用而不付"。订阅化转型（+560%）是正确方向，但付费渗透率提升空间和速度是核心命题 2. **B 端客户质量不透明**：21.4 万是注册数还是活跃付费数？大客户集中度如何？头部客户贡献多少？均未披露 3. **分业务毛利率缺失**：总体毛利率 25.4%，但 C 端（订阅 + 消耗）和 B 端（API 调用）的毛利率差异可能很大，财报没有拆开 4. **Token 消耗 ≠ 收入**：M2.5 日均 token 增长 6 倍、Coding Plan 增长 10 倍，但其中多少是免费额度、多少转化为收入？未披露 5. **C 端与 B 端哪个先盈利？**：通常 C 端订阅毛利率更高，但 B 端规模效应更强——MiniMax 的盈利路径选择尚不清晰 * * * ## 三、盈利质量分析 ### 毛利率深度分析：为何低于全球同行？ MiniMax 毛利率 25.4% 显著低于 OpenAI（~60%）和 Anthropic（~55%）。这不是技术能力问题，而是**业务结构和发展阶段**的必然结果： #### 1\. 收入结构：消耗型 vs 订阅型 收入模式 MiniMax 2025 占比 毛利率特征 成本逻辑 按次充值消耗（Token 消耗） 59.7% **低**（20-30%） 每次调用都有实打实的 GPU 推理成本 订阅制（包月） 40.3% **高**（50-70%） 用户付固定月费，但不一定用满额度 **对比 OpenAI：** - ChatGPT Plus（$20/月）是典型订阅制，大量用户付了钱但用量远低于成本上限 - **"闲置付费"是订阅模式的毛利来源**——用户买了会员但没用完，成本不发生但收入已确认 - MiniMax 目前 60% 收入还是按量付费，每一次调用都要烧 GPU，毛利自然低 **好消息：** 订阅收入占比从 15.8% → 40.3%（+560%），这是毛利率改善的核心驱动力。 #### 2\. 推理基础设施的规模效应 公司 算力来源 成本优势 OpenAI 微软 Azure 深度绑定 GPU 成本被大幅补贴，战略合作价 Anthropic Google Cloud + Amazon 获得优惠算力，云巨头"输血" **MiniMax** **自建 + 外购云服务** **没有巨头补贴，按市场价采购** 财报披露： > 销售成本 $59.0M（同比 +120.1%），主要为云服务器及 GPU 推理费用 $79M 收入对应 $59M 销售成本，**体量小意味着拿不到最低价的算力**。OpenAI 年收入 $13B，采购议价能力是 MiniMax 的 164 倍。 #### 3\. 产品组合：多模态拉低整体毛利 产品类型 毛利率 MiniMax 占比 成本差异 纯文本 API（GPT-4o 等） 60-70% 部分 基准成本 C 端订阅（ChatGPT Plus） 70-80% 40.3% 固定月费，成本封顶 **视频生成**（Hailuo） **10-20%** **未单独披露** **比文本贵 10-50 倍** **语音生成**（Speech 2.6） **15-25%** **未单独披露** **多模态推理成本高** 音乐生成（Music 2.0） 10-20% 未单独披露 生成时间长，GPU 占用高 MiniMax 的差异化在于**全模态能力**（视频、语音、音乐），但这些生成比纯文本 token 贵得多： - 视频模型累计生成 6 亿个视频 - 语音模型生成 2 亿小时 OpenAI 的 $13B 收入绝大部分来自文本类产品（ChatGPT + API），多模态占比很小。MiniMax 的多模态收入占比更高，拉低了整体毛利率。 #### 4\. 定价策略：以价换量 M2.5 的核心卖点： > 100 Token/s 连续工作 1 小时只需 $1 > $10K 可让 4 个 Agent 连续工作一年 这是**极致低价策略**，目的是快速抢占开发者市场份额。对比： - OpenAI GPT-4o API：$2.50 / 1M input tokens - MiniMax M2.5：约 $0.50 / 1M tokens（便宜 5 倍） 低价 → 薄利 → 低毛利率，但换来了： - M2 系列 2026-02 日均 token 消耗是 2025-12 的 **6 倍** - 成为 OpenRouter 首个日 Token \>500 亿的中国模型 - 编程套餐（Coding Plan）token 消耗增长 **超 10 倍** #### 5\. 销售成本结构 财报披露的销售成本构成（$59.0M）： - 云服务器及 GPU 推理费用（主要） - 带宽及 CDN 成本（视频/音频分发） - 第三方 API 调用费用（部分能力外采） - 折旧及摊销 其中 GPU 推理是大头。对比： - OpenAI 自研芯片（与微软合作），降低单位推理成本 - MiniMax 依赖英伟达 GPU + 云服务商，成本刚性 #### 6\. 改善趋势：一年翻倍 `2024 毛利率:  12.2%  ████`  `2025 毛利率:  25.4%  ████████  (+13.2pp)` 驱动力： 1. **模型推理效率提升**：同等 GPU 处理更多请求（模型蒸馏、量化、推理优化） 2. **订阅收入占比扩大**：从 16% → 40%，高毛利部分快速增长 3. **基础设施配置优化**：自建 + 云服务混合部署，降低边际成本 4. **收入规模扩大**：固定成本摊薄效应开始显现 #### 7\. 未来路径：如何逼近 50%？ **短期（1-2 年）：目标 35-40%** - 订阅收入占比提升至 60%+ - M3 系列模型推理效率再提升 30-50% - 自建算力中心（降低对云服务商依赖） **中期（3-5 年）：目标 45-50%** - 收入规模达到 $500M-1B（规模效应充分释放） - 自研推理芯片或与芯片厂商深度定制 - 企业级高价值客户占比提升（定制化溢价） **对标参考：** - SaaS 公司成熟期毛利率：70-80% - AI API 公司成熟期毛利率：50-60% - MiniMax 合理目标：**45-55%**（考虑多模态成本） #### 8\. 关键风险 1. **价格战加剧**：DeepSeek、月之暗面等竞争对手也在打低价牌，毛利率提升空间被压缩 2. **算力成本刚性**：英伟达 GPU 供应紧张，议价能力有限 3. **多模态占比过高**：如果视频/音乐收入占比持续扩大，整体毛利率难以提升 4. **订阅转化不及预期**：C 端用户付费意愿不足，订阅占比增长停滞 * * * **结论：** MiniMax 毛利率 25% 不是"做得差"，而是**业务结构和发展阶段的必然**。按量付费 + 多模态 + 低价策略 + 无巨头补贴 = 低毛利率。但从 12% → 25% 的改善速度证明方向正确，未来 2-3 年有望逼近 40%。关键看订阅化转型和推理效率提升能否持续。 ### 毛利率跃升是核心亮点 毛利率从 12.2% → 25.4%，翻倍式提升。原因： - 模型推理效率提升（同等算力服务更多请求） - 基础设施配置优化 - 收入规模扩大摊薄固定成本 > **对比参考**：同类 AI 公司毛利率一般在 50-70%（如 OpenAI 约 60%），MiniMax 的 25% 仍偏低，但从 12% 快速提升说明方向是对的。 ### 费用控制：销售费用大幅下降 - 销售及分销开支同比 **\-40.3%**（$87M → $51.9M），管理层说靠"自然增长及口碑传播" - 研发开支同比 +33.8%，远低于收入增速 158.9% → 研发效率在提升 - 行政开支 +155.9%（$14.4M → $36.8M），主要是上市费用 $6.9M + 股份支付增长 ### "真实亏损" 剔除非现金、非经常项后： - 经调整净亏损 $250.9M，同比仅 +2.7% - 收入翻了 1.6 倍，但调整后亏损基本持平 → **单位经济学在改善** * * * ## 四、现金与生存能力 项目 2025-12-31 2024-12-31 现金及等价物 $507.6M $288.9M 金融资产（FVTPL） $508.5M $390.6M 受限制现金 $20.4M $27.3M 定期存款 $13.8M $26.3M **现金结余合计** **$1,050.3M** **$880.6M** 银行借款 $35.5M $19.5M > 手握 **$10.5 亿** 现金，加上 2026 年 1 月 IPO 净募集约 **$5,293M HKD（≈$680M USD）**，总弹药超过 $17 亿。按目前 Non-IFRS 亏损 $2.5 亿/年计算，即使不再融资也能撑 **6-7 年**。 ### IPO 后事项 - 2026-01-09 港交所主板上市，发售价 HK$165/股 - 发行 29,197,600 股 + 超额配股 4,379,640 股 - 净募集约 HK$52.9 亿（≈$6.8 亿） - 优先股全部自动转换为普通股 → 负债净额问题消除 * * * ## 五、业务亮点与护城河 ### 技术产品 **M2 系列语言模型**：M2 → M2.1 → M2.5 三代快速迭代 - M2 成为 OpenRouter 首个日 Token \>500 亿的中国模型 - M2.5 刷新 SWE-Bench Verified 纪录 - 关键价格优势：100 Token/s 连续工作 1 小时仅 $1 - 2026 年 2 月日均 token 消耗是 2025 年 12 月的 **6 倍** **多模态全矩阵**：视频（Hailuo 2.3）、语音（Speech 2.6，40+ 语言）、音乐（Music 2.0/2.5） **用户规模**：2.36 亿用户，21.4 万企业客户/开发者，覆盖 200+ 国家 ### 战略方向 - 从"大模型公司" → "AI 时代平台型公司" - AI-native Workspace（2026-01 发布） - 内部 90% 员工已使用 Agent 实习生 → 自身是 AI 原生组织的试验场 * * * ## 六、风险警示 1. **仍在大幅亏损**：经调整净亏损 $2.51 亿/年，虽然收入增长快，但距盈亏平衡还有很远距离 2. **竞争激烈**：面对 OpenAI、Anthropic、Google 等巨头，以及国内的 DeepSeek、月之暗面等 3. **知识产权诉讼**：财报披露有若干 IP 侵权索赔案件（初期阶段，未计提拨备） 4. **毛利率偏低**：25.4% 在 AI 行业属于较低水平，说明推理成本负担仍重 5. **收入绝对额小**：$7,900 万年收入对应目前估值，PS 倍数极高 6. **不派息**：短期内无分红预期 * * * ## 七、综合评价 维度 评分 说明 增长势头 ⭐⭐⭐⭐⭐ 收入 +159%，毛利 +437%，开放平台 +198% 盈利质量 ⭐⭐⭐ 毛利率快速提升但仍偏低，调整后亏损持平 现金安全 ⭐⭐⭐⭐⭐ $17 亿弹药，可支撑 6-7 年 竞争壁垒 ⭐⭐⭐ 全模态+全球化有差异化，但技术护城河不深 管理层执行力 ⭐⭐⭐⭐ 销售费用大降、研发效率提升、模型迭代快 估值合理性 ⭐⭐ PS 倍数极高，需要持续高增长才能消化 ### 一句话总结 > MiniMax 交出了一份**增长漂亮、效率改善、现金充裕**的首份财报。但 $7,900 万收入对应数百亿港元市值，定价已经 price in 了非常乐观的未来。短期看增长故事成立，长期看能否从"烧钱换规模"转向"真正盈利"是关键分水岭。 * * * _数据来源：MiniMax Group Inc. 截至 2025 年 12 月 31 日止年度业绩公告 | 分析仅供参考，不构成投资建议_ * * * ## 附录：横向可比公司对比 > 数据截至 2026 年 3 月初，部分为估算值（标注 \*），非上市公司用最新融资估值 ### A. 全球 AI 大模型公司全景对比 公司 所在地 2025 年收入 盈亏状态 估值/市值 PS 倍数 员工数 关键产品 **OpenAI** 美国 ~$13B 亏损（计划2029盈利） ~$300B（最新融资$110B） ~23x ~3,500\* ChatGPT, GPT-5, o3 **Anthropic** 美国 ~$9B（ARR $20B） 亏损 $380B（2026-02 融资） ~42x ~1,200\* Claude Opus/Sonnet **xAI** 美国 ~$0.5B\* 巨亏（月烧$10亿） 已并入SpaceX（$1.25T） N/A ~500\* Grok **Google DeepMind** 美国 内含于Google 内含 Alphabet $2.2T N/A ~3,000\* Gemini **智谱 AI (2513.HK)** 中国 ¥3.1亿（2024），2025 +300%\*→~¥12亿 累计亏损\>¥62亿 ~HK$2,500亿（≈$32B） ~180x\* ~1,200\* GLM-5, ChatGLM **MiniMax (0100.HK)** 中国 **$79M（¥5.7亿）** **经调整亏$251M** **~HK$2,300亿（≈$30B）** **~380x** **428** M2.5, Talkie, 海螺AI **月之暗面 (Moonshot)** 中国 未披露（K2.5发布20天\>2025全年） 亏损 ~$10B（最新估值） N/A ~800\* Kimi, K2.5 **百川智能** 中国 未披露 亏损 ~$3.5B\*（A轮¥50亿） N/A ~500\* Baichuan **DeepSeek** 中国 未独立披露 幻方量化内部孵化 未独立估值 N/A ~200\* DeepSeek-V3, R1 > 标注 \* 为估算或公开报道数据，非经审计数字 ### B. 关键维度对比分析 #### 1\. 收入规模：MiniMax 仍在早期 `OpenAI        ████████████████████████████████████████  $13,000M Anthropic     ██████████████████████████████            $9,000M xAI           ██                                        $500M* MiniMax       ▌                                         $79M 智谱AI        ▌                                         ~$170M* 月之暗面      ?（K2.5 爆发中，具体数字未披露）` > MiniMax $79M 收入在全球 AI 大模型公司中处于**早期阶段**。OpenAI 是其 164 倍，Anthropic 是 114 倍。但在中国"大模型六小虎"中，MiniMax 是**首家披露经审计财务数据的公司**，透明度领先。 #### 2\. 估值泡沫度：PS 倍数对比 公司 PS 倍数（估值/年收入） 解读 OpenAI ~23x 相对"合理"（考虑增速） Anthropic ~42x 偏高但 ARR 增速极快 **MiniMax** **~380x** **极高，需要多年高速增长消化** 智谱 AI ~180x\* 也很高，且营收更少 参考：SaaS 高增长公司 15-30x 正常高估值区间 > MiniMax 的 PS 380x 意味着：即使未来 5 年保持 100% 年增长（$79M → $2.5B），到 2030 年 PS 仍有 12x。要支撑当前估值，需要**持续多年的超高速增长**。 #### 3\. 毛利率对比 公司 毛利率 说明 OpenAI ~60%\* 订阅为主，规模效应强 Anthropic ~55%\* API + 企业订阅 **MiniMax** **25.4%** 偏低，但从 12% 快速提升中 智谱 AI 未披露 预计类似或更低 > MiniMax 毛利率 25% 远低于美国同行的 55-60%，说明推理成本控制仍有很大优化空间。好消息是同比翻倍提升（12% → 25%），趋势正确。 #### 4\. 研发强度 公司 研发支出 研发/收入比 说明 OpenAI 未单独披露 — 总支出远超收入 **MiniMax** **$252.8M** **320%** 每赚 $1 花 $3.2 在研发 智谱 AI ¥22亿（2024） \>700%\* 研发投入极重 > 所有大模型公司都处于"重研发投入换未来"阶段。MiniMax 研发/收入比 320% 虽然高，但已在改善（2024 年约 619%）。 #### 5\. 全球化程度 公司 海外收入占比 说明 OpenAI ~50%\* 全球化，但美国为主 Anthropic ~40%\* 主要美国+欧洲 **MiniMax** **73%** **中国AI公司中全球化最强** 智谱 AI <10%\* 主打国内 To B 市场 月之暗面 较高（Kimi 海外增长快） 未披露具体比例 > MiniMax 73% 海外收入是**最大差异化优势**。在中国 AI 公司中，这个全球化程度独一档。Talkie 在海外市场的渗透力远超同行。 #### 6\. 现金储备 公司 现金/可用资金 按亏损能撑多久 OpenAI \>$100B（含$110B新融资） \>10 年 Anthropic \>$30B（最新轮） \>5 年 **MiniMax** **~$17B（含 IPO）** **6-7 年** 智谱 AI IPO 募资约 HK$45 亿 3-5 年\* 月之暗面 ~$6亿（最新融资） 1-2 年\* > MiniMax 现金储备在中国 AI 初创中**最充裕**，6-7 年的跑道给了充足的试错空间。 ### C. 总结：MiniMax 的位置 **优势（相对国内同行）：** - ✅ 首家披露经审计财务数据，透明度最高 - ✅ 海外收入 73%，全球化程度遥遥领先 - ✅ 现金储备最充裕（~$17 亿） - ✅ 毛利率改善最快（12% → 25%） - ✅ 428 人做到 $79M 收入，人效不低 **劣势（相对全球巨头）：** - ❌ 收入规模差 2 个数量级（$79M vs $13B） - ❌ 毛利率差距大（25% vs 60%） - ❌ PS 380x 估值极度乐观 - ❌ 面临 OpenAI/Anthropic 的模型能力碾压风险 - ❌ Talkie 等 C 端产品护城河不深，易被复制 **核心判断：** > MiniMax 在中国"六小虎"中综合实力靠前（财务透明、全球化、现金充裕），但横向对比全球 AI 领导者，仍处于**早期追赶者**位置。当前 HK$2,300 亿市值对应 $79M 收入，估值已充分 price in 未来 5 年的高增长预期。**不是"好不好"的问题，是"贵不贵"的问题。** * * * _对比数据来源：各公司财报/招股书、公开融资信息、媒体报道 | 标注_ 为估算值 | 不构成投资建议\* # MiniMax 看多观点深度验证 ## 观点 1：M2.5 性能好 + 性价比高 = 高性价比的 Opus ### ✅ 数据验证：性能确实接近 Opus Benchmark MiniMax M2.5 Claude Opus 4.6 差距 **SWE-Bench Verified** 80.2% 80.8% **\-0.6%**（几乎持平） **BFCL Multi-Turn**（工具调用） **76.8%** 63.3% **+13.5%**（M2.5 领先） **推理速度** ~25 tokens/s ~40 tokens/s Opus 快 60% **完成速度**（SWE-Bench） 比 M2.1 快 37% 与 Opus 持平 相当 **关键发现：** - 编程能力（SWE-Bench）确实接近 Opus，差距仅 0.6% - 工具调用（Agent 场景）**M2.5 反超 Opus 13.5%**——这是 Agent 时代的核心能力 - 但推理速度慢 60%，意味着同样任务 M2.5 需要更多 token 才能完成 ### ✅ 价格优势：1/20 的成本 模型 定价（每百万 token） 1 小时连续工作成本 Claude Opus 4.6 $15 input / $75 output ~$25 MiniMax M2.5 ~$0.75 input / $3 output **~$1** **性价比计算：** - 纸面价格：M2.5 便宜 **20 倍** - 考虑速度差异：Opus 40 tokens/s vs M2.5 25 tokens/s → 实际差距约 **12-15 倍** - 考虑 reasoning token 消耗：M2.5 需要更多思考步骤 → 实际差距约 **8-10 倍** **结论：** 即使考虑所有因素，M2.5 仍然便宜 **8-10 倍**，且编程能力接近 Opus。**"高性价比 Opus"的定位成立**。 ### ⚠️ 但有两个隐患 **价格战不可持续**： - DeepSeek R1 免费开源，推理成本更低 - 月之暗面 K2.5 也在打低价牌 - 如果所有人都打价格战，毛利率会被压到 10% 以下 **性能差距在缩小但未消失**： - Reddit 用户反馈：M2.5 在复杂推理任务上仍不如 Opus - Opus 的"一次性正确率"更高，M2.5 需要多次迭代 - 对于高价值场景（金融、医疗、法律），客户仍会选 Opus * * * ## 观点 2：用户多 → 数据多 → 飞轮效应 ### ❓ 理论成立，但实践存疑 **飞轮理论（OpenAI 模式）：** `更多用户 → 更多交互数据 → RLHF 训练 → 模型更好 → 吸引更多用户` ### ✅ MiniMax 确实有用户规模 - 2.36 亿累计用户（Talkie + 海螺 AI） - 21.4 万企业/开发者 - M2 系列 2026-02 日均 token 消耗是 2025-12 的 **6 倍** ### ❌ 但数据飞轮有 3 个致命问题 #### 问题 1：用户数 ≠ 高质量数据 数据类型 对模型提升的价值 MiniMax 的情况 **专家标注数据** ⭐⭐⭐⭐⭐ 需要花钱买，财报未披露投入 **用户反馈（RLHF）** ⭐⭐⭐⭐ 2.36 亿用户但 ARPU $0.22，大量免费用户不提供反馈 **代码执行结果** ⭐⭐⭐⭐ 编程套餐 token 增长 10 倍，这部分数据有价值 **闲聊对话** ⭐⭐ Talkie 角色扮演对话，对通用模型提升有限 **关键问题：** MiniMax 的 2.36 亿用户中，**大量是 Talkie 的角色扮演用户**（AI 女友、虚拟角色聊天）。这类数据对提升编程、推理、专业知识能力的帮助**非常有限**。 对比 OpenAI： - ChatGPT 7 亿用户，每周 180 亿条消息 - 大量是专业场景（编程、写作、分析、研究） - 用户付费意愿强（$20/月），愿意提供高质量反馈 #### 问题 2：数据飞轮的护城河在消失 **2023 年的共识：** 谁有更多用户数据，谁就能训练出更好的模型。 **2026 年的现实：** - DeepSeek R1 用**纯合成数据**（AI 生成的数据训练 AI）就达到 GPT-4o 水平 - 开源模型（Llama 3.3, Qwen 3.5）用公开数据集就能接近闭源模型 - **数据的边际价值在递减**——从 1 亿条到 10 亿条数据，模型提升幅度越来越小 **Character.AI 的案例（2026-03 最新论文）：** - 他们有海量角色扮演对话数据（类似 Talkie） - 通过 CharacterFlywheel 流程（数据筛选 + RLHF + RL）持续迭代 - 但论文承认：**"数据量不是瓶颈，数据质量和标注成本才是"** #### 问题 3：飞轮需要时间，但竞争不等人 假设 MiniMax 的数据飞轮真的有效，从数据收集 → 模型训练 → 上线验证 → 下一轮迭代，至少需要 **6-12 个月**。 但在这期间： - OpenAI 发布 GPT-5.3, o3 - Anthropic 发布 Claude Opus 5 - DeepSeek 发布 V4 - 月之暗面 K2.5 已经在 20 天内收入超过 2025 全年 **结论：** 数据飞轮理论上成立，但 MiniMax 的用户结构（C 端角色扮演为主）决定了数据质量不如 OpenAI。且在当前 AI 竞速阶段，**飞轮转速太慢**。 * * * ## 观点 3：中国成本优势（人力 + 电力 + 基建 + 自研芯片） ### ✅ 电力成本：中国确实有巨大优势 地区 工业电价 数据中心电价 AI 推理成本占比 **中国西部（贵州/内蒙古）** ¥0.1-0.3/度 ¥0.2-0.4/度 基准 **美国** $0.10-0.15/kWh（≈¥0.7-1.0/度） $0.12-0.20/kWh **3-5 倍** **欧洲** €0.15-0.25/kWh（≈¥1.2-2.0/度） €0.20-0.35/kWh **5-8 倍** **关键数据：** - 电力 + 算力占 Token 成本的 **70%+** - 中国工业电价仅为美国的 **1/3-1/5** - 2025-2028 年美国数据中心电力缺口 **47GW**（相当于 9 个迈阿密的用电量） **实际案例：** - 智谱 AI 全程用华为昇腾芯片训练 GLM-Image，成本比用英伟达 H100 低 **30-40%** - 寒武纪 2025 年营收暴增 453% 至 ¥65 亿，首次全年盈利 - 国产推理芯片（昇腾、寒武纪、燧原）正在快速上量 **结论：** 电力成本优势**真实存在且巨大**。这是中国 AI 公司最大的结构性优势。 ### ✅ 人力成本：中国 AI 工程师确实便宜 岗位 美国年薪 中国年薪 差距 AI 研究员（PhD） $200K-400K ¥60-120 万（$85K-170K） 2-2.5 倍 机器学习工程师 $150K-250K ¥40-80 万（$57K-114K） 2-2.5 倍 数据标注员 $15-25/小时 ¥20-40/小时（$3-6/小时） 4-6 倍 **MiniMax 的人效：** - 428 人创造 $79M 收入 → 人均创收 $184K - 人均薪酬 $197K（含股份支付） - 对比 OpenAI：~3,500 人创造 $13B 收入 → 人均创收 $3.7M **问题：** 人力成本优势存在，但 MiniMax 的人效仍远低于 OpenAI（差 20 倍）。说明**不是人便宜就能赢，关键是人效**。 ### ⚠️ 自研芯片：理想很美好，现实很骨感 **财报披露：** MiniMax **没有提及任何自研芯片计划**。 **行业现状：** - 智谱 AI 与华为昇腾深度合作（GLM-5 原生适配昇腾） - 月之暗面、百川智能也在用国产芯片做推理 - 但**训练仍然依赖英伟达 H100/H800** **国产芯片的现实：** 1. **推理芯片可用**：昇腾 910B、寒武纪 MLU370 已经能跑推理，成本比英伟达低 30-40% 2. **训练芯片差距大**：单卡性能接近，但**万卡集群互联能力**远不如英伟达 NVLink/InfiniBand 3. **生态不成熟**：PyTorch/TensorFlow 对国产芯片的支持仍需大量适配工作 **MiniMax 的算力策略（推测）：** - 训练：英伟达 H100/H800（或云服务商） - 推理：混合部署（英伟达 + 国产芯片） - 未来：逐步提高国产芯片占比 **结论：** 自研芯片不是 MiniMax 的优势（他们没做），但**国产推理芯片的成熟**确实能降低 MiniMax 的推理成本 30-40%。这是**行业红利，不是公司护城河**。 ### ✅ 基建优势：中国数据中心建设速度确实快 - 中国新建数据中心审批周期：6-12 个月 - 美国新建高压输电线路周期：**10 年+** - 中国光伏、风电、储能产能全球第一，绿电供应充足 **但问题是：** MiniMax 财报显示他们**主要用云服务商**（阿里云、腾讯云等），不是自建数据中心。基建优势是**云服务商的优势，不是 MiniMax 的优势**。 * * * ## 观点 4：现金充足 → 可以购置算力或合作 ### ✅ 现金确实充足 项目 金额 说明 2025-12-31 现金结余 $1,050M 财报披露 2026-01 IPO 募资 ~$680M HK$52.9 亿 **总弹药** **~$1,730M** **约 $17.3 亿** 年亏损（Non-IFRS） $251M 可撑 **6-7 年** **对比同行：** - 智谱 AI：IPO 募资 HK$45 亿（≈$580M），可撑 3-5 年 - 月之暗面：最新融资 $600M，估值 $10B，可撑 1-2 年 - OpenAI：最新融资 $110B，可撑 10 年+ **结论：** MiniMax 现金储备在**中国 AI 初创中最充裕**，但对比 OpenAI 仍有数量级差距。 ### ✅ 算力采购：钱能买到算力，但买不到"最好的算力" **当前算力市场现状（2026-03）：** **英伟达 H100/H200 供不应求**： - 交货周期 6-12 个月 - 价格持续上涨（算力涨价成为新迹象） - 优先供应给 OpenAI、Anthropic、Google 等大客户 **云服务商算力也紧张**： - 阿里云、腾讯云的 H100 实例经常售罄 - 春节期间主流 AI APP 排队现象严重 **国产芯片在上量**： - 昇腾、寒武纪、燧原的推理芯片可以买到 - 但训练芯片（万卡集群）仍然稀缺 **MiniMax 的算力瓶颈：** - M3 模型计划 2026 上半年发布，需要大量训练算力 - Hailuo 3（视频模型）训练成本极高 - 财报披露 Q4 研发费用环比增长 20%，说明算力开支在上升 **$17 亿能买多少算力？** - 假设 H100 单卡 $30K，$17 亿可以买 **5.7 万张卡** - 但实际上： - 买不到这么多（供应限制） - 不会一次性全买（分批采购） - 还要留钱付工资、运营、市场费用 **合理估计：** MiniMax 未来 2 年可能投入 **$5-8 亿**在算力上，相当于 1.5-2.5 万张 H100 的规模。 **对比：** - OpenAI 计划未来 4 年投入 **$115B** 在算力上 - Anthropic 最新融资 $30B，大部分用于算力 - xAI 月烧 $1B，主要是算力成本 **结论：** MiniMax 有钱买算力，但**买不到 OpenAI 那个量级的算力**。在算力军备竞赛中，MiniMax 仍然是"轻量级选手"。 ### ⚠️ 合作的可能性 **潜在合作方：** 1. **华为昇腾**：智谱已经深度合作，MiniMax 可以跟进 2. **阿里云/腾讯云**：战略合作换取算力优先供应 3. **地方政府**：在贵州/内蒙古等地建数据中心，获得电价补贴 **但问题是：** 财报和电话会议**没有披露任何重大合作**。说明 MiniMax 目前还是"自己买算力"的模式。 * * * ### 数据飞轮修正：聚焦编程 + Agent 数据 > 修正说明：前文对数据飞轮的评估基于 Talkie 角色扮演数据，低估了 M2.5 在编程和 Agent 场景产生的高质量数据价值。以下是修正后的分析。 **M2.5 编程/Agent 数据飞轮模型：** `M2.5 性价比高 → 大量开发者用来写代码/跑 Agent → 产生海量【代码执行结果 + Agent 工具调用链】 → 天然带"对错标签"（代码能不能跑通、Agent 任务成不成功） → 用这些数据做 RL / RLHF → M3 更强 → 更多开发者来用` #### 1\. 编程数据有天然的"奖励信号" 数据类型 是否有自动反馈 数据价值 说明 角色扮演对话 ❌ 没有对错之分 ⭐⭐ 无法自动判断质量 **编程任务** ✅ 代码跑通=正确，报错=错误 ⭐⭐⭐⭐⭐ **天然适合 RL** **Agent 工具调用** ✅ 任务完成=成功，失败=失败 ⭐⭐⭐⭐⭐ **Agent 时代核心数据** > 编程和 Agent 场景天然适合做 **RL（强化学习）**——不需要人工标注，代码执行结果本身就是奖励信号。这正是 DeepSeek R1 成功的核心方法。 #### 2\. MiniMax 的编程数据增速 指标 数据 来源 OpenRouter 周 token 消耗 **1.7 万亿** CGTN 2026-02-28 M2 系列日均 token（2026-02 vs 2025-12） **6 倍增长** 财报 编程套餐 token 消耗 **10 倍增长** 财报 OpenRouter 首个日 token \>500 亿的中国模型 ✅ 财报 每周 1.7 万亿 token，其中编程和 Agent 占比快速增长（Coding Plan 10 倍）。假设编程类占 30-40%，则**每周 5,000-7,000 亿 token 的代码数据**。 #### 3\. 对比 OpenAI 的编程数据 指标 OpenAI MiniMax 周活用户 7 亿 不详（2.36 亿累计） 周消息数 180 亿条 不详 OpenRouter 周 token 不走 OpenRouter **1.7 万亿**（全平台第一） Coding 场景数据占比 ~15-20%（GitHub Copilot 分流） 快速增长中（Coding Plan 10x） **关键发现：** MiniMax 在 **OpenRouter 这个开发者平台上已经是全球 token 消耗第一**。OpenRouter 用户大多是开发者/技术人员，用 M2.5 写代码、跑 Agent——这些数据质量远高于日常闲聊。 #### 4\. 飞轮的约束条件 **约束 1：数据到模型的转化周期** - 收集 → 清洗 → RL 训练 → 评测 → 上线：至少 **3-6 个月** - M3 计划 2026 上半年发布 → 正好能用上 M2.5 爆发期的数据 - 竞争对手也在跑同样的飞轮（Anthropic 用 Claude 使用数据，DeepSeek 用合成数据） **约束 2：开源让数据壁垒变薄** - M2 和 M2.5 都是开源的 → 其他公司可以用 MiniMax 的模型生成合成训练数据 - DeepSeek 已证明：合成数据 + RL 就能训练出强模型，不一定需要真实用户数据 - 飞轮的护城河不在"数据量"，在"数据处理和训练效率" #### 5\. 修正后评分 飞轮版本 可信度 理由 角色扮演数据飞轮 ⭐⭐ 数据质量低，对通用能力提升有限 **编程 + Agent 数据飞轮** **⭐⭐⭐⭐** **天然奖励信号 + 10 倍增长 + OpenRouter 全球第一** > **关键验证点：** M3 的表现。如果 M3 在编程和 Agent 能力上有显著提升，说明飞轮在转。如果 M3 没有明显进步，说明数据有了但不会用。 ## 综合评估：4 个观点的可信度 观点 可信度 关键支撑 关键风险 **1\. 高性价比 Opus** ⭐⭐⭐⭐⭐ 性能接近（SWE-Bench 80.2% vs 80.8%），价格便宜 8-10 倍 价格战不可持续，性能差距未消失 **2\. 数据飞轮（编程+Agent）** ⭐⭐⭐⭐ 2.36 亿用户，token 消耗增长 6 倍 用户结构不佳（角色扮演为主），数据质量存疑，飞轮转速慢 **3\. 成本优势** ⭐⭐⭐⭐ 电力成本 1/3-1/5，人力成本 1/2，国产芯片推理成本低 30-40% 人效仍低（差 OpenAI 20 倍），自研芯片是行业红利非公司护城河 **4\. 现金充足** ⭐⭐⭐⭐ $17 亿可撑 6-7 年，中国 AI 初创中最充裕 对比 OpenAI 仍有数量级差距，算力军备竞赛中是轻量级选手 * * * ## 最终判断：看多 MiniMax 的逻辑成立吗？ ### ✅ 成立的部分 1. **M2.5 确实是高性价比选择**：编程能力接近 Opus，价格便宜 8-10 倍，在开发者市场有竞争力 2. **中国成本优势真实存在**：电力便宜 3-5 倍，人力便宜 2 倍，国产推理芯片降本 30-40% 3. **现金储备充裕**：$17 亿可以支撑 6-7 年，不会短期内死掉 4. **全球化做得好**：73% 海外收入，Talkie 在海外有真实用户 ### ❌ 存疑的部分 1. **数据飞轮不成立**：用户结构不佳（角色扮演为主），数据质量对通用模型提升有限 2. **价格战不可持续**：毛利率 25% 已经很低，如果继续打价格战会亏得更多 3. **算力差距巨大**：OpenAI 未来 4 年投入 $115B，MiniMax 只有 $17 亿 4. **护城河不深**：M2.5 的性能优势可能在 3-6 个月内被 DeepSeek/月之暗面/智谱追上 ### 🎯 核心矛盾 **MiniMax 的优势是"性价比"，但性价比不是护城河。** - 今天 M2.5 比 Opus 便宜 10 倍 - 明天 DeepSeek V4 可能比 M2.5 还便宜 - 后天月之暗面 K3 可能免费 **在 AI 行业，真正的护城河是：** 1. **模型能力的绝对领先**（OpenAI GPT-5, Anthropic Opus） 2. **生态锁定**（OpenAI 的 API 生态，Google 的 Android） 3. **数据护城河**（但正在消失） 4. **算力规模**（OpenAI $115B vs MiniMax $17 亿） MiniMax 目前**一个都没有**。 ### 💡 合理的看多逻辑 如果你看多 MiniMax，更合理的逻辑应该是： > **"MiniMax 不会成为下一个 OpenAI，但可以成为中国的 Anthropic——在细分市场（编程、Agent、多模态）做到前 3，靠性价比和全球化活下来，等待被收购或者 IPO 套现。"** **对应的估值：** - 当前市值 HK$2,300 亿（≈$30B） - 合理估值：$5-10B（PS 60-120x，对应 2026 年收入 $150-200M） - **当前高估 3-6 倍** **投资建议：** - 如果你相信 MiniMax 能在 2-3 年内收入增长到 $500M-1B，且毛利率提升到 40%+，当前估值可以接受 - 如果你认为 AI 行业会出现"赢家通吃"，MiniMax 会被 OpenAI/DeepSeek 碾压，当前估值太贵 * * * _数据来源：MiniMax 财报、公开 Benchmark、行业报道、研究机构报告 | 不构成投资建议_ * * * > 📋 管理层与技术团队评估详见：[MiniMax管理层评估\_20260305](MiniMax%E7%AE%A1%E7%90%86%E5%B1%82%E8%AF%84%E4%BC%B0_20260305.md) > $MINIMAX-W(00100.HK) $Z.AI(02513.HK) ### Related Stocks - [00100.HK](https://longbridge.com/en/quote/00100.HK.md) - [02513.HK](https://longbridge.com/en/quote/02513.HK.md)