--- title: "MiniMax（紀要）：發力編程、辦公、多模態場景" type: "Topics" locale: "zh-HK" url: "https://longbridge.com/zh-HK/topics/38991608.md" description: "以下為海豚君整理的 MiniMax FY25 的財報電話會紀要一、財報電話會詳細內容 1.1 高管陳述核心信息 1. 語言大模型 a. 模型迭代： 2025 年完成 M2/M2.1 更新，2026 年 2 月發佈 M2.5。重點突破了編程、工具調用和辦公場景。b. 關鍵指標： M2.5 在編程方面刷新 SWE-bench 記錄，Token 效率較 M2.1 提升 37%..." datetime: "2026-03-02T13:58:34.000Z" locales: - [en](https://longbridge.com/en/topics/38991608.md) - [zh-CN](https://longbridge.com/zh-CN/topics/38991608.md) - [zh-HK](https://longbridge.com/zh-HK/topics/38991608.md) author: "[海豚研究](https://longbridge.com/zh-HK/news/dolphin.md)" --- > 支持的語言: [English](https://longbridge.com/en/topics/38991608.md) | [简体中文](https://longbridge.com/zh-CN/topics/38991608.md) # MiniMax（紀要）：發力編程、辦公、多模態場景 **以下為海豚君整理的**$MINIMAX-WP(00100.HK) **FY25 的財報電話會紀要，財報解讀請移步《**[**大模型血虧 360%，MiniMax 照樣 “香餑餑”？**](https://longbridge.com/zh-CN/topics/38991861)**》** **一、財報電話會詳細內容** **1.1 高管陳述核心信息** 1\. 語言大模型 a. 模型迭代： 2025 年完成 M2/M2.1 更新，2026 年 2 月發佈 M2.5。重點突破了編程、工具調用和辦公場景。 b. 關鍵指標： M2.5 在編程方面刷新 SWE-bench 記錄，Token 效率較 M2.1 提升 37%。 c. 開發者生態： 成為 OpenRouter 上首個單日 Token 破 50B 的中國模型。2026 年 2 月日均 Token 消耗量已達 2025 年 12 月的 6 倍以上，其中編程場景消耗量增長超 10 倍。 d. 平台集成： 已部署至 Azure、AWS、Google Vertex AI 等主流平台，併成為 Notion 首個且唯一的開源模型合作伙伴。 2\. 多模態生成 a. 視頻 (海螺 2.3)： 2025 年底累計生成超 6 億個視頻。推出 Fast 模型，批量操作成本降低 50%。 b. 語音 (Speech 2.6)： 支持 40 多種語言，累計生成超 2 億小時音頻，主打超低延時交互。 c. 音樂 (Music 2.0/2.5)： 實現跨代級提升，支持複雜情感與多種唱法。 3\. AI 原生產品與工具 a. 產品升級： 發佈 Minimax Expert 2.0，支持 Agent 進入本地工作空間。 b. 用户側： 截至 2026 年 2 月，專業用户已創建超 5 萬個專家 Agent。 c. 全球化： 累計服務超 2.36 億用户，遍佈 200 多個國家。 4\. 最新進展 截至 2026 年 2 月，M2 系列單位 Token 推理成本較 2025 年底下降超 50%，海螺視頻生成成本下降 30%。管理層強調，模型能力的突破讓複雜 Agent 的經濟可行性成為現實。2026 年 2 月實現$1.5 億 ARR，勢頭強勁。 **5\. 2026 年戰略願景與業績指引** a. 三大技術/應用目標： \- 編程： 實現 L4-L5 級智能，由 “工具” 向 “同事” 進化。 \- 辦公： 復刻去年編程領域的增長曲線，提升智能體滲透率。 \- 多模態： 視頻創作走向 “直出可交付” 的中長內容及實時流式輸出。 b. 戰略定位轉型：**從 “大模型公司” 轉型為 “AI 時代的平台型公司”。** a. 管理層提出公司價值 = 提供智能的密度 × Token 的吞吐量。 b. 模型儲備： 正在研發 Hailuo 3 系列模型，以應對未來 1-2 個數量級的 Token 增長需求。 **1.2 Q&A 問答** **Q：面對 Google 和 OpenAI 等巨頭的先發優勢，MiniMax 作為一家初創公司，成為 AI 平台型公司的核心邏輯和機會在哪裏？** A：關於 AI 時代的平台化機會，**我們認為當前 AI 市場並非存量博弈，而是一個增量遠大於存量的階段，且這並非一個 “勝者全拿（Winner-takes-all）” 的市場。**只要具備創新能力和獨特性，初創公司依然有巨大機會。在接下來的 2 到 3 年內，隨着模型研發和基建能力的持續提升，編程、辦公、互動娛樂等領域將迸發出巨大的創新空間。 從模型層面看，壁壘源於長期的積累與極速的迭代。在過去的 108 天內，我們連續推出了 M2、M2.1、M2.5 三個版本，每一次迭代都直接驅動了用户數和成交比的高速增長。此外，我們從創業初期就堅持跨模態模型研發，這種在多模態融合趨勢下的先發優勢，將成為我們未來的核心競爭力。 在產品與能力集成層面，MiniMax 是國內首家實現 “技術模型驅動產品” 的公司。我們深信**“模型 + 產品” 的雙重能力構成了更強的壁壘**，因為模型的能力直接定義了產品的上限。這種模型與產品一體化的能力具有極高的複製難度，是公司非常獨特的標籤。 從生態層面來看，我們已經通過模型特性開始構建小範圍生態。例如在 OpenClaw 生態中，MiniMax 的模型憑藉高性價比，幫助開發者大幅降低了門檻。同時，我們的 Agent 產品進一步集成了模型能力，降低了用户使用門檻。目前，我們也在積極為開源社區貢獻代碼，證明了我們推動生態快速發展的能力。 展望未來，形成全球化生態才剛剛開始。**下半年我們計劃通過 M3 及其後續版本的發佈，進一步突破智能邊界。**我們希望圍繞模型建立獨特的產品與生態體系。放眼亞洲，MiniMax 可能是目前極少數、甚至唯一的能與大廠並肩，同時在模型、產品、生態三層進行深度佈局的初創公司。 **Q：關於多模態路徑的選擇，業界有觀點認為 “單點突破再融合” 可能更高效。MiniMax 堅持全模態並行的策略，是否會導致研發負擔過重或進度落後？** A：我們始終認為**多模態融合是持續提升智能的基本前提。**過去半年，行業內已出現多個通過模態融合帶來智能質變的案例，例如 Google 的 Nano Banana Pro，通過視覺理解與生成的融合，極大地拓展了圖片生成的邊界。 MiniMax 的多模態戰略分為兩個階段。第一階段在過去四年已經完成，我們針對語言、視覺、聲音、音樂等每個模態都分別做出了具備行業影響力的模型，積累了技術口碑。目前我們正處於第二階段，即通過底層整合將這些獨立走通的模態形成合力，實現新的智能突破。今年上半年即將推出的 M3 和 L3 正是這一階段的階段性成果。 這種策略並非負擔，而是深厚的壁壘。每個模態從數據積累、算法路徑到人才梯隊，都需要漫長的建設週期。**目前國內僅有三家公司能做到各模態均處於領先水平，而 MiniMax 是其中唯一的初創公司。**這種全棧積累讓我們在接下來的多模態融合趨勢中佔據了獨特性。 關於市場機會，**我們認為視頻生成將是 AGI 領域除編程和智能助手之外最大的市場。今年視頻生成技術有望推進到中長視頻甚至接近實時的水平，**這種變革將顯著放大市場空間，而我們的多模態融合能力在其中具備獨特的機會。 至於研發挑戰與財務壓力，我們從創業第一天起就認定 AGI 必須包含多模態的輸入輸出，因此搭建了不同模態可複用的底層能力架構。**從財務數據來看，我們的研發費用並未顯著高於單一模態的創業公司，且遠低於巨頭。**事實證明，我們的技術判斷和前瞻性持續得到驗證，我們在多模態並行的前提下，模型表現甚至優於部分只做單一模態的公司。隨着時間推移，這種路徑的優勢會變得更加清晰。 **Q：如何看待 L4/L5 級編程智能帶來的行業變革（如 AI 替代軟件公司），以及 MiniMax 在其中的定位？** A：關於 L4 與 L5 級別的智能，我們認為 L3 是目前行業普遍達到的水平，而 L4 意味着具備創新性，例如單個研究員能基於論文完成實驗或解決極具挑戰的工程問題。L5 則是組織級智能，能將多人或多個 Agent 有效協同起來，完成像 “開發領先模型” 這種需要算法創新、訓練優化和運維配合的綜合性任務。 在場景選擇上，編程確實是 Agent 能力最早爆發的領域，它不僅服務於專業人士，更在降低編程門檻。但我們認為，**辦公場景的迭代速度會非常快，且潛在市場遠大於編程。**大部分白領在日常工作中涉及的數據分析、財務報告撰寫、PPT 準備等任務，其受眾羣體和職業密度遠超單純的編程領域。我們在編程和 Agent 領域已用較少資源取得了獨特優勢，但這僅僅是個開始。 MiniMax 在這場變革中的優勢主要體現在兩個方面。**首先是極致的迭代速度。**從 M2 到 M2.5 的三代模型迭代我們僅花了 108 天，這證明了我們在有限資源下的研發效率。目前公司已經獲得了顯著更多的資源支持，隨着投入增加，我們預期模型進步速度會更快，M3 系列模型將進一步打開增長天花板。 **其次是模型的獨特性。**在 AGI 這樣一個巨大的市場中，並非只有 Winner-takes-all，關鍵在於能否定義自己的技術特色。我們不隨波逐流，例如 M2 系列中，我們定義了 M2 的高性價比與超快速度、Hailuo 2 處理複雜任務的能力，以及 Speech 2 的多語言與低延時特性。這種差異化定義幫助我們精準打開了市場。未來，隨着資源放大，這種獨特性的勢能將釋放更高價值。我們有信心通過更強的模型、更快的迭代，在編程驅動的智能體及廣泛的辦公場景中佔據更有利的位置，持續提升市場份額。 **Q：在巨頭環伺、開源模型衝擊的複雜格局下，MiniMax 認為競爭的核心在哪一層？哪些仗是必須打贏的？** A：我們努力的目標是成為 AI 時代的平台公司，**其核心驅動力在於 “智能密度的持續提升” 以及 “Token 的吞吐能力”。**相比行業其他參與者，MiniMax 的戰略差異化主要體現在以下兩個方面： 首先，在戰略定位上，我們堅持 “有所為，有所不為”，**聚焦資源於能產生獨特價值的領域。** 一個典型的例子是，早在 2023 年我們就做出明確判斷：堅決不做移動端的通用個人智能助手（類似豆包或 ChatGPT）。我們認為在這些領域無法創造出獨屬於 MiniMax 的差異化價值，因此我們選擇將資源集中在 Agent 和多模態創新上。這種選擇有利於我們形成長期的產業化優勢，提高決策勝率。此外，我們從第一天起就堅持的全模態佈局，在當前 “模態融合” 的關鍵節點上，讓我們佔據了更有利的位置。 其次，**研發效率是決定勝負的關鍵，而非單純的資源消耗。** **在 AI 時代，最終勝出的不是靠燒錢，而是看誰的模型進步速度最快，從而率先產生規模化營收。**我們在算法優化、實驗設計、迭代頻次以及決策機制的各個環節，都貫徹了極致的效率。利用創業公司敏捷的組織形式，我們將自上而下與自下而上的決策相結合，並複用不同模態間的技術基礎設施。這種研發效率的領先，使我們在資源有限的情況下，模型表現依然能處於核心隊列。 長期來看，全球範圍內只會留下少數幾家 AI 平台型公司。我們認為 MiniMax 已經具備了獨特的競爭優勢，是極少數具備獨立發展潛力、能夠留在行業核心隊列的公司之一。 **Q：2026 年前兩個月 M2 系列模型的調用量已達去年 12 月的六倍，增速非常驚人。這可能與近期相關爆款應用的出現以及 M2 模型控制能力的進一步升級有關。請問這種強勁的增長趨勢，是一次性爆發的早期紅利（未來會出現短期的波峯波谷），還是一個長期可持續趨勢的開端？** A：我們認為這是一個長期趨勢的開端，而非一次性的紅利。不過行業的發展是有規律的，它的增長呈現出階梯式的特徵，而不是簡單的線性外推。我們能夠不斷推出新的模型並更大比例地抓住行業機會，核心在於基於自身對智能迭代的深刻理解，提前儲備研發資源，並定義好每一代模型。 關於接下來的增長來源，實際上從 2025 年下半年開始我們就在積極準備。我們認為 2026 年智能湧現會帶來幾個超級的 PMF（產品市場契合點），未來一年的滲透率和加速度會比市場預期的更快，增長來源也會更加多元化。 **第一個超級 PMF 依然在編程領域**，它有着非常高的天花板。雖然目前作為輔助工具它的表現已經很好，但我們堅定地認為今年會發生顯著的進化，真正走向 “同事級” 的協作，甚至可能走向創新性的發現和複雜的組織配合。無論是從技術演進、市場需求，還是從我們的研發進展來看，這種跨越大概率會在今年發生。 **第二個超級 PMF 是各個職業的辦公場景。**這是一個比編程覆蓋範圍更廣、市場空間更大的領域。辦公場景面臨的問題比編程更加複雜，因為它涉及眾多不同的職業以及更復雜的工具使用，並且很多任務的結果難以被客觀驗證，這對模型的迭代進度帶來了不小的挑戰。但我們已經為此做了大量的準備，**非常相信今年辦公領域的滲透速度可能會和去年的編程領域一樣快。** **第三個超級 PMF 在於多模態動態生成能力的進展。**模型能夠直接交互並生成長內容，意味着應用滲透的門檻會被進一步降低。回顧過去兩三年，整個大模型領域的競爭其實是一個互有勝負的過程，所有的公司都在面臨挑戰，沒有哪家公司可以保證永遠處在 SOTA 的地位。但我們對自己能夠持續打贏更多關鍵戰役比較有信心。這背後的核心戰略有兩點：一是技術能力要持續突破邊界；二是藉助於技術突破，讓我們的產品和業務具備越來越強的生態屬性，從而在其中享受到更大的紅利。我們有信心跟行業一起成長，讓公司的獨特性、研發效率、創新能力和全球商業化能力協同提升，最終演變成一個更具擴展性、更加長期的組織競爭力。 **Q：管理層提到公司內部的 “AI 實習生” 已經覆蓋了 90% 的員工，實際上是將公司本身當成了一個前沿的實驗場。這種做法為我們帶來了哪些外部看不到的認知？這些認知又是如何反哺我們的產品和技術的？** A：我們不僅希望未來成為一家平台型的 AI 公司，更希望在當下的研發過程中，先把自己打造成一個 “AI 原生” 的組織，這是我們組織層面非常核心的追求目標。這裏面我想強調兩點帶來的改變： 第一點是組織進步的速度。作為一家資源相對有限的創業公司，我們必須將組織效率提升到極致才能創造更大的可能性。隨着內部越來越多的同事將 AI 引入日常工作，我們看到了一個非常明顯的趨勢：一開始是人在教 Agent 怎麼幹活，現在越來越多是人在觀察 Agent 怎麼幹活，甚至有時 Agent 會給人帶來驚喜。這顯著縮短了我們的組織鏈路，讓業務的每個環節都享受到了智能紅利。從模型迭代、產品創新到服務用户，我們的迭代閉環一直在加快。同時，我們的員工也有機會把時間節省下來，投入到價值更大的事情上，這進一步加速了整個組織的思考與創新能力。 第二點是內部實驗場對模型研發的反哺作用。它讓我們更清晰地看清了前沿智能的目標定義。當 Agent 在公司內部大量運行起來時，我們能敏鋭地觀測到，即使是當下最好的模型，在很多環節依然做不好；而恰恰是這些做不好的地方，往往具備極高的經濟價值和使用價值。這些一線的痛點會直接轉化為我們下一代模型和 Agent 的研發方向，幫助我們更快速、精準地定義研發目標。當我們的模型越來越接近世界一流水平時，這種內部驗證的價值會成倍放大。在過去幾個月裏，我們的模型迭代速度、收入增速、服務用户能力以及 Token 吞吐能力，都在持續進步，這同樣得益於我們能更快地定義模型目標，讓 AI 在內部充分發揮價值。 總而言之，這種基於 Agent 構建的 AI 原生組織模式，目前在公司內部已經跑通並形成了一個正向飛輪，我們認為這將會是公司未來持續發展的一項核心競爭力。 <此處結束> **本文的風險披露與聲明：**[**海豚研究免責聲明及一般披露**](https://support.longbridge.global/topics/misc/dolphin-disclaimer) ### 相關股票 - [MINIMAX-WP (00100.HK)](https://longbridge.com/zh-HK/quote/00100.HK.md) - [谷歌-C (GOOG.US)](https://longbridge.com/zh-HK/quote/GOOG.US.md) - [谷歌-A (GOOGL.US)](https://longbridge.com/zh-HK/quote/GOOGL.US.md) - [Vertex (VERX.US)](https://longbridge.com/zh-HK/quote/VERX.US.md) - [微軟 (MSFT.US)](https://longbridge.com/zh-HK/quote/MSFT.US.md) - [American Century Multisector Income ETF (MUSI.US)](https://longbridge.com/zh-HK/quote/MUSI.US.md) ## 評論 (2) - **蔡徐kun · 2026-03-02T14:39:42.000Z**: 且看明日市場 2239 - **海豚研究** (2026-03-03T02:14:02.000Z): 今日漲的蠻好的