二级市场为什么不买账？

文 |《中国企业家》记者   孔月昕

编辑 | 马吉英

头图来源 | 视觉中国

进入 9 月以来，MiniMax 在海外市场频频落子。

9 月 16 日，新加坡技能与劳动力发展局推出的 AI 学习计划中，MiniMax 的三款产品，作为唯一入选的国产大模型代表，与 ChatGPT Plus、Google AI Pro、Microsoft 365 Personal 并列成为可选服务。9 月 3 日，沙特公共投资基金旗下 AI 公司 HUMAIN，以 MiniMax M3 为底座，用超过 1 万亿 Token 的阿拉伯语原生语料继续预训练的 Humain-M3 发布，在七项阿拉伯语基准测试中平均分居首。

受此带动，MiniMax 股价在 9 月 17 日、18 日连续两日上涨，其中 18 日港股收盘大涨近 19%。截止到 9 月 21 日收盘，MiniMax 股价为 298 港元 / 股。

对比巅峰时期 1330 港元 / 股的股价表现，外界目前可能更关心的是：M3.1 和 M3 Pro 什么时候发布？

在 8 月 26 日的财报电话会上，MiniMax 创始人兼 CEO 闫俊杰表示：" 随着 M 系列与 H 系列两条管线的持续完善，模型发布周期将显著缩短，后续可期待 M3.1、M3 Pro 和 H3.1 等新产品。其中 M3 Pro 参数规模预计提升至约 3T，搭载 MSA 2.0 架构，计算效率预计提升约 3 倍。"

然而截至目前，M3.1 仍未有上线消息。

与此同时，2026 年下半年国产大模型迭代节奏明显加快——智谱于 8 月 14 日发布 GLM-5.3，Kimi 于 7 月 17 日发布参数达 2.8 万亿的 K3，DeepSeek V4 Pro 也于 8 月 13 日推出正式版。

MiniMax 虽然在 7 月 31 日发布了多模态视频模型 H3，但当前的评价体系下，文本模型能力更受关注。而 M3 由于发布仓促、准备不够充分，且时间上正好夹在 GLM-5 和 K3 这两个在 Coding、Agent 等领域表现突出的模型之间，加之价格定位引发的开发者强烈反弹，在竞争格局中显得分外尴尬。

从产品迭代逻辑看，用一个更优秀的模型覆盖上一次的失误本应是最优解，但公司迟迟未发布 M3.1 和 M3 Pro，也使得外部对 MiniMax 的模型能力存在质疑。

当下，提起智谱，资本市场想到的是 Coding；提起 Kimi，是 Agent 集群；提起 DeepSeek，是专注文本和价格优势。这些标签和模型能力的部分领先性，确实让这几家公司在资本市场有了清晰的估值锚点，也让用户对它们的认知更加明确。但 MiniMax 的多模态战略，在单项能力或价格上目前都没有形成绝对领先的优势，外界感觉其定位始终模糊，估值体系也因此摇摆。

摩根大通曾在 2026 年 6 月将 MiniMax 的评级从 " 增持 " 下调至 " 中性 "，并大幅下调目标价，核心理由正是 MiniMax 旗舰模型 M3 缺乏定价权、模型能力仍在追赶阶段。这意味着接下来，MiniMax 必须拿出一款足够有力的模型，才能证明自己的路线选择没有错。

实际上，MiniMax 需要回答的问题，远不止模型本身。

从 to C 到 to B

8 月 26 日，MiniMax 发布上市后首份中期业绩。

公司上半年总收入 1.17 亿美元，同比增长 283.1%，仅半年即达到 2025 年全年收入的 1.5 倍。Q2 收入环比增长 81.8%；7 月 Token 消耗量已达到 1 月份的 20 倍；8 月 ARR（年度经常性收入）进一步提升至超 8 亿美元。毛利 2081 万美元，同比增长 464.8%，毛利率从 12.1% 提升至 17.9%，同比提升 5.8%。

但同时存在的另一组数字是：公司上半年研发开支 2.97 亿美元，同比增长 138.8%；期内净亏损 3.58 亿美元，较上年同期的 4.022 亿美元收窄 11%；但剔除股份支付、金融负债公允价值变动及上市开支后的经调整净亏损为 2.93 亿美元，同比扩大 111.2%。经调整净亏损率从约 455.9% 收窄至约 251.4%，看起来改善了，但主要原因是收入基数变大，亏损的绝对额仍在加速扩大。

比盈亏数字更值得关注的，是收入结构的剧烈变化。2025 年上半年，MiniMax 的 AI 原生产品（海螺 AI、Talkie/ 星野等 C 端产品）收入占比约七成，是公司的绝对支柱。到了 2026 年上半年，B 端开放平台及企业服务收入从上年同期的 920 万美元增至 7390 万美元，同比增长 703.1%，占比从 30.3% 跃升至 63.4%，成为第一大收入来源；AI 原生产品收入虽同比增长 100.9% 至 4260 万美元，但占比降至 36.6%。到 8 月，ARR 中 to B 占比已攀升至约 80%，to C 仅剩约 20%。

摄影：孔月昕

半年之间，一家靠 C 端产品被普通用户认识的公司，收入结构彻底掉了个头。

不过，这种转向并非没有预兆，至少在 Coding 这条线上，MiniMax 内部的讨论开始得远比外界想象的早。2025 年 10 月 27 日，MiniMax 就正式开源并上线了号称专为 Agent 和代码而生的 MiniMax M2。

创业者、MiniMax 前员工余洋告诉《中国企业家》：" 公司对 Coding 的判断，其实在 2025 年 Claude 刚冒头的时候就已经有了，那时候在 CD 会上 IO（闫俊杰）就已经分享过。"CD 会是 MiniMax 每周五中午召开的内部会议，由闫俊杰向员工汇报业务发展，回答员工问题，并分享他对 AI 前沿发展的看法。

因此，在余洋看来，MiniMax 商业化向 B 端发力是很早就可以预见的事情。" 因为进入 Coding 赛道，做的就是 B 端的客户。"

在 2026 年 6 月举办的 MiniMax 开发者线下交流活动中，闫俊杰也谈到，两年前，他就问过梁文锋要不要做 AI Coding。他表示，当时大家的共识是，全中国会写代码的人可能只有 100 万到 200 万人，这似乎不是一个足够宽广的市场，但现在显然变了。AI Coding 确实能让更多普通人拥有生产力。

不过，布局早并不意味着认知领先可以转化为市场优势。MiniMax 在 Coding 赛道上的模型参数和能力，并未在开发者群体中形成足够强的认知壁垒。

这种认知滞后很快反映在资本市场上。当模型能力的市场感知未能匹配其技术投入时，估值逻辑便开始动摇。二级市场的解禁压力与估值回归随之而来，尽管当时超八成 Pre-IPO 及基石股东公开表态继续持有，阿里和米哈游两大战略股东明确力挺，公司股价仍剧烈震荡，较最高点跌超 80%。

8 月 26 日 MiniMax 财报发布后，次日股价只涨了 3.83%。8 月 31 日，基于 H3 Max 搭出的直播上线后，MiniMax 股价快速拉升，盘中一度涨近 20%，收涨 16.18%；9 月 1 日延续涨势，两个交易日累计涨超 20%。

这也说明市场依然相信模型能力叙事。闫俊杰在财报电话会上也再次强调了这一点。他在分享公司的定位和战略时表示：" 大语言模型带动的智能提升几乎没有尽头。从去年下半年开始 Coding 和 Agent 能力的实用化，到后续更加自主性和创造性地完成长程任务，再到未来可预期的端到端交付可依赖的结果，我们持续在追求更高的智能。"

M3 的 " 翻车 " 与 H3 的 " 反转 "

6 月 1 日，MiniMax 发布了 M3。该模型的总参数规模 428B，激活参数 23B，采用混合专家（MoE）架构，原生支持百万级 Token 上下文。

放在当时的竞争格局里看，这个参数规模显得有些尴尬。

M3 发布时，国内已有 Qwen3-Max-Thinking、DeepSeek V4 Pro、Kimi K2.6 等多款万亿级模型落地，海外则有 GPT-5.5、Gemini 3.1 Pro 和 Claude Opus 4.7 等同期竞争。万亿级参数正在成为头部玩家的入场券，两个月后，Kimi K3 以 2.8 万亿参数开源、Qwen-3.8 Max 达到 2.4 万亿，进一步拉大了这一差距。

发布前夕，M3 被寄予厚望，公司内部也希望模型能力能就此再上一个台阶。但上线后，不少开发者尝试后表示，M3 的实际表现并没有达到预期。有内部人士也承认，M3 的上线有些 " 匆忙 "，或者说 " 着急了 "。

个人开发者 Alex 表示，自己目前日常使用的主力模型是 Kimi K3，额度用完后会尝试智谱 GLM，MiniMax 则是备用选项。"MiniMax 给我的感觉是能力没那么强，但干活比较稳定。"

Alex 解释了自己的选择逻辑：他不是软件工程师，没有很强的鉴别能力，让 AI 做功能时，模型问他的问题他大部分听不懂。这种情况下，他希望把决定权交给 AI，让它自己决定怎么做，他再验证 AI 给出来的结果，" 所以我需要更强的模型，而不是笨笨的但速度快的模型，因为后者会大大增加我检查作业的频次 "。因此，他会优先选用 Kimi 或更强的 SOTA 模型。

由于日常工作是为工业领域提供软件，伊塔工业智能科技创始人陈李骏对模型能力和代码准确性要求更高，M3 的表现并不能满足他的交付要求。他认为，问题的根源在于参数量。他以千问的模型为例："3.7 Max 和 Plus 总参数量一样，但 Plus 是多模态，相同参数下增加了多模态参数，导致 Coding 质量急剧下降。换到万亿级参数量的 3.8 Max，虽然是多模态模型，但它的能力就跟 3.7 平起平坐，甚至更高。" 在陈李骏看来，为 Coding 专项训练过的模型或在同参数级的模型中，纯文本模型相较多模态模型一般更强。

对于陈李骏而言，M3 的问题是参数量不够。他算了一笔账：" 真正消耗 Token 的是返工。我宁愿前期调研多加点 Token，每个模块一遍过，后期互相调用，收益最高。如果做出来再让 AI 改，它可能改着改着把前面的东西删掉了，很不可控，这是我亲自踩过的深坑。" 在他看来，模型的 " 性价比 " 在日常工作流中并不成立：低价省下的钱，可能会在返工中加倍还回去。

不过，M3 并不意味着不好用。开发者小冯强调，方法比模型本身更重要。在他看来，每个人的使用方法不一样，有些人可能连内置的 Skill 都没用上，问题未必出在模型上。" 你把大方向给 AI，AI 帮你做实现，但执行之前要用 Plan 先计划，生成一个待办清单，你自己核对完里面的内容符不符合要求，再基于清单让它去做。" 他还提到，删掉 Claude Code 的 80% 提示词，效果也能达到，关键在于需求描述是否清晰、是否有结构性。" 方向选好再执行，不能完全依赖 AI。"

小冯表示，他日常在 Coding、图像和图片识别会使用 MiniMax，比如用 DeepSeek 生成文本，再把文本丢到 MiniMax 里生成视频或图片。

这也是 MiniMax 模型在很多开发者心中的状态：作为一个多模态执行工具，M3 可用，但并非不可替代。

真正让用户不满的，是 M3 的定价方案。模型发布当天，MiniMax 将沿用已久的订阅制 Coding Plan 切换为按 Token 计费的新版 Token Plan，但这一变化并没有提前通知用户，官方页面的解释信息也不清晰，大量个人开发者登录后才发现规则已变。很快有人发现，同样强度的使用，额度消耗速度远超预期，不满迅速发酵，有人涌向投诉平台 【下载黑猫投诉客户端】要求退款，有人宣布不再续订，并在社交媒体上发泄情绪。

很快，MiniMax 发布道歉公告，承认调整前未与用户充分沟通、老用户周限额处理不妥，" 是我们工作不到位 "，并推出了一套组合补偿方案。但其市场表现和风评依旧无法完全挽回。

多名内部员工后来对媒体描述 M3 发布前几个月的状态：" 我们的全部注意力都放在了模型的智能本身上了。" 闫俊杰也在财报电话会上坦承："M3 的研发过程中我们也曾经有过实践上的不足。"

转折出现在 7 月 31 日，MiniMax 发布开源多模态模型 H3。在 Artificial Analysis 视频模型榜单中，H3 视频编辑能力排名全球第一，0.8 元 / 秒（2K 分辨率）的生成价格仅为同类旗舰视频模型的三分之一。

H3 发布后，MiniMax 的模型能力风评也一定程度上得到逆转，从数据上也可以看出。闫俊杰在财报会上表示：" 从 H3 开源到 8 月 26 日三周多的时间，H3 的下载次数已超过 2400 万次，诞生了超过 300 个公开的衍生模型，是今年全球下载量最大的模型之一。"

与此同时，公司组织层面也在不断进行调整。8 月下旬，MiniMax Agent 工程部主管阿岛（缪宇航）传出离职消息。他曾是 MiniMax 技术路线的公开解释者，负责 M3.x、Agent、Audio 和 Hailuo AI。他的离职也被解读为 MiniMax 从 " 工程师驱动 " 走向 " 系统化组织能力建设 " 的一个信号。

MiniMax 正在经历一场全新的转型，除了在技术上需要保持领先之外，一个 300 多人的团队突然变成千亿市值的上市公司，组织能力、决策机制、对外沟通都还需要时间磨合。

多模态赌局

市场对模型能力叙事的信任依然存在，但一个更根本的问题正在浮出水面：通往 AGI 的路径，究竟该走哪一条？

当前大模型行业正经历 AGI 路线的显著分化。智谱团队将主要精力投入 Coding 能力，认为 Agent 是未来关键方向；月之暗面的战略亦是通过 scaling 在预训练水平上追平世界前沿，同时垂直整合模型训练与 Agent 产品。

与之不同的是，MiniMax 坚持全模态路线。闫俊杰在电话会上明确表示：" 跟大部分公司不同，我们设计模型的时候一直原生考虑多模态的信息，因为我们认为视觉的理解和生成是生产力的重要组成部分。多模态生成目前也是除了编程之外的 AGI 的第二大市场。"

MiniMax 创始人兼 CEO 闫俊杰   来源：中企图库

这一判断并非一开始就如此清晰。闫俊杰早期接受《中国企业家》采访时曾表示，当时 MiniMax 的文生语音是行业最好的，但他觉得文本模型才是最关键的，" 文本模型能提升 10 个点，其他模块自然也能提升。语言模型还是最本质的，其他东西其实都是自然的衍生 "。

今年 6 月，他在开发者大会上进一步阐述了这一逻辑：" 现在很多同行都在主攻 Coding 这一条路线，而我们是少数坚持在 Coding 和内容生成上同时投入的公司。我们认为，AGI 的核心价值在于提高社会的生产力。而白领在电脑上完成的大部分工作，除了信息交换，主要就两件事：以 Coding 为核心的工程创造，和以内容生成为核心的创意表达。因此，从语音、图片到视频的内容生成对我们来说同样重要。"

对此，余洋提到了闫俊杰此前在内部分享过的一个判断：AI 的终局一定是多模态的。为了走到那个终局，探索是必须的，如果现在把视频等多模态能力砍掉，等到接近终局、大家都明白多模态该怎么做的时候再去追赶，就来不及了。" 作为前沿公司，你自己本身就是引领者，没有其他人可以参考。"

这意味着 MiniMax 必须同时在文本、视频、音频多条战线上与资源更雄厚的对手竞争。

闫俊杰也在电话会上强调，公司下一阶段最重要的增长来源仍然是模型能力提升，后续将推出 M3.1、M3 Pro 和 H3.1 等新产品。

但多模态路线也引发了一个现实担忧：资源是否会被分散？迟迟未上线的新模型，似乎印证了市场的这一担心。

余洋也承认，多模态业务在发展过程中会有起伏。从现状看，MiniMax 的多模态业务一直在做，只是各自的发展节奏和阶段不同。

在电话会上，闫俊杰也回应了未来的算力分配问题。公司将通过自主可控的核心集群、云厂商合作及 Token Factory 三条路径搭建算力供给网络，兼顾稳定性与弹性。文本模型是当前投入的最高优先级，训练资源约为视频模型的 4 倍。同时，M3 和 H3 正在推进国产芯片适配，即将上线大规模国产算力集群，逐步承担真实生产流量，以降低单位 Token 成本。

但无论选择哪条路径，AGI 始终是闫俊杰的目标。MiniMax 早期投资人、明势创投创始合伙人黄明明也认为，闫俊杰是真的对 AGI 有信仰。

在余洋看来，对于 MiniMax 这样的大模型公司，主干始终是模型研发，星野、海螺这些产品更像是主干上长出的枝丫，公司的一切发展都以模型为核心。他以星野为例：这类 AI 原生产品的核心体验差距永远取决于模型：模型智能足够，产品体验就好。与其说 MiniMax 是一个做产品的公司，实际上它一直在做模型。

在 MiniMax 位于上海徐汇区的办公楼墙上，装饰着 "Intelligence with Everyone" 的标语。这是 MiniMax 成立以来的愿景，也是闫俊杰反复提到的目标。因此，他认为单个模型版本并不意味着全部，更重要的是能不能持续定义和迭代自己的技术路线，能不能不断加速提升智能密度，能不能将更高水平的智能以更低的单位成本交付给更多用户。

但在闫俊杰描绘的终局到来前，MiniMax 下一个足够强大的新模型什么时候来？市场依然在等。