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

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

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：

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）：

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%

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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"

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

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

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

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

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-W(00100.HK) $Z.AI(02513.HK)