← 返回

2026.09.22 | TB | LLM | MiniMax Iteration & Commercialisation

原标题：AI Foundation Model Industry 2026 Series – MiniMax Model Iteration & Commercialisation (Conducted in Mandarin)

#llm #china

Third Bridge · 2026-09-22

分析师主导 • 17 Sep 2026

Companies: 700 HK, BABA US, 100 HK, 2513 HK, 301396 CN

专家 Independent Consultant

Eric Shen (ES) — Third Bridge Sector Analyst

Agenda

Key Insights

Introduction

ES: 欢迎参加高临 (Third Bridge) 关于AI基础模型行业2026年系列——聚焦MiniMax模型迭代与商业化的访谈。我是高临公司 (Third Bridge) 的行业分析师Eric Shen，将负责协调本次访谈。非常荣幸邀请到[专家]参与此次访谈，[专家]是前任阿里巴巴集团控股有限公司高级市场经理。

[专家]，您好。在我们开始今天的访谈前，请您就以下陈述表明我同意或我不同意：您知道保密信息的定义，并同意不会在访谈中透露任何此类信息或任何其他的保密信息。

专家 [00:00:28]: 我同意。

Questions

[00:00:31] 首先请您介绍一下MiniMax下一代的模型，可能是M4或者其他的代号，迭代预期跟进展大概如何？大概是多少参数量？

专家 [00:00:46]: 目前各家大模型公司都已经进入了非常快速的整体模型的迭代周期，但是MiniMax M4会有一点不同，因为M4并不是2026年迭代的一个主线。因为MiniMax在2026年的下半年，就目前，它其实还是重点会在M3.1或者M3的Pro这些，M3版本的重大的升级。而M4因为并不是M3的放大版本，也并不是一个简单的M3堆参数的版本，是在MiniMax架构上用全新架构重新训的一个大模型产品项，所以我们预测M4应该会在2027年的Q1进行总体上架或者对外发布版本项。M4总的参数会是更大，预计可能会在5-8T之间，用的是MoE的稀疏架构，并且它的激活参数量会显著高于它们现在的万亿级参数M3，也会显著高于之后的M3 Pro这一些。

M4的话，行业内部包括MiniMax公司内部其实也还在做一些权衡，比如如何去做一些参数的总体激活，最大参数基础上还做一些参数的把控，避免推理成本爆炸，也避免像MiniMax一贯的大总参数、小激活参数的这么一个路线。并且在开源或者商业这一块，M4应该会继承之前各代版本的特点，它可能会做一些主基座的闭源，优先会给MaaS、海外大客户使用，会配套一些版本的开源的权重，给到开发者使用。另外，M4其实对标的还是像智谱的GLM-5.3以及后续模型，以及DeepSeek的V4这些模型，确实是它最新一代的核心版本。只不过从时间上面来讲，我们相对比较明确的一个主线，应该会在2027年的Q1季度进行发布。

ES [00:03:42]: 您刚提到它会对标像智谱或者DeepSeek其他的一些模型，是近期发布的，整个迭代节奏上MiniMax会相比于其他竞争对手更慢一些，可以这样理解吗？

专家 [00:03:56]: 可以这么理解。因为本身MiniMax目前从今年总体的模型竞争上面来看，无论是它发的M3，还是它发的H3，其实都是后置型的一个版本。它们会从市场上，比如M3在多模态和coding能力上面可能是发出来对标智谱GLM的，它的H3可能发出来是对标视频模型，就是对标Seedance的。虽然它迭代速度并不算慢，但是它其实是面向国内包括面向海外开发者，它会看竞争对手出了一些产品版本之后，再持续地去优化它的吞吐、agent稳定性、代码能力等等这些能力项。

接下去，在M4上面，它也会更多地看竞争对手的情况。今年年底的时候，智谱应该会发GLM-6这个版本。其他的一些竞争对手像Kimi，K3已经好久没迭代，估计接下去Kimi可能会发更高的版本，比如K4等等。对标这些能力，MiniMax可能会等竞争对手有一定的市场的动作之后，它可能再发自己大的核心的M4这个版本。这也是MiniMax，说句实话，从根本上面来讲，目前在市场竞争上没有获得很大优势的一个被迫的选择。

[00:05:35] 您刚提到参数量可能会有比较大的提升，M4会到5-8T，参考行业同等规模模型的研发节奏，从预训练、后训练、安全评测、灰度测试再到正式发布，大概需要多长时间？目前它已经开始训练了吗？

专家 [00:06:00]: 不同的模型之间会有不同的时间节奏。一般来说，像MiniMax这样5-8T总参数的MoE基座，从正式启动预训练，预训练做好做后训练，后训练做好做安全评测、做灰度，然后正式对外商用，常规的周期一般来讲是需要大概6-10个月。如果中间遇到像数据、收敛的一些问题、遇到算力调度的一些波动，它很容易拉到12个月以上训练的时长。

因为现在国产其实还没有真正特别大参数的模型出来，5-8T的总体模型已经是国产非常第一梯队的超大型的大模型参数了，它可能更容易会遇到一些梯度爆炸、更容易会遇到一些收敛和数据的问题，所以总体的训练时长可能会往一年去靠。这也就是为什么MiniMax可能发布M4会发布得相对较晚的一个原因。

再来说它们目前训练的节奏，真正来讲，预训练可能分为几个阶段。第一个就是时间线上面，前期的准备加上小规模的试训，就是前期的强制预学习的这个阶段，这个大概是2-3个月的时间，这包括架构选型、数据清洗，然后做数据去重，会做比如压力测试，这一块的话MiniMax M4[大概率]已经做完了。

第二个是全量预训练的主训练，这个可能也需要三个多月的时间，这个是最核心的阶段。5-8T的模型需要巨大的一个GPU集群，超大的一个万卡集群，中间要经过多次的checkpoint、要经过多次的监控，还有一些异常数据的剔除，还可能会遇到一些不收敛的现象，还要做一些数据污染的治理，甚至还要退回重训数据。MiniMax因为M4[可能]是一个多模态统一基座，它是文本、图像、视频、音频等等叠加在一起的，所以数据维度比较多，预训练的难度会稍微长一点。目前，全量预训练阶段的主训练接近尾声。

后续它还要做比如后训练，后训练就偏好RL、SFT、价值对齐、安全评测、做合规测试，以及内度的灰度内测和性能的压测，这一些大概需要2-3个月的时间。目前它们可能马上要进入到后训练和安全评测这些阶段。我们预测，包括跟行业里面的同事聊，可能还是需要三个月左右的时间，才能把这些后训练评测还有灰度内测给它做完。

目前时间线的推演，它们会在今年年内敲定方案。模型的前期训练准备和全量预训练的主训练都会在今年做完，可能今年年底会做少量的一些后训练和安全测评。到明年Q1阶段，会做更多的一些灰度测试、性能压测，在2027年的上半年再找机会进行正式发布。

[00:09:54] 从外部视角观察，最早提前多久能看到厂商下一代模型进入发布倒计时的明确信号？您是否有基于公开信息的判断模式？

专家 [00:10:35]: 这里面对我们一些观察者的考验可能会稍微比较强。因为一般来说外部的一些公开信息，一般在正式发布前的3-6个月会出现一些比较集中、可观测的强信号，最早的弱信号可能是六个月之前就会有零星的出现。弱信号只能证明项目正在推进，在做预训练，强信号才代表着真正进入发布的倒计时。我先来说外面可以看到哪一些相对比较弱的信号，就是它发布前可能3-6个月的时间或者六个月以上的时间能够看得到的一些，比如项目启动、立项，距上线还比较远的。

第一个就是算力采购和算力租赁以及集群扩展的痕迹。因为往往大模型预训练会需要向它的算力租赁公司和云厂商进行大额的GPU的订单，机架要做一些扩容，可能海外区域的占用会出现一些波动。公司开始招聘大量的分布式的训练，还有算子、集群、测试的一些工程的岗位。第二块就是，因为全模态模型，它们会进行一些数据和多模态相关人才招聘，比如招大量的视频标注工程师、多模态数据治理工程师还有一些评估岗位，以及专门招视频理解、视频生成的一些算法人员。

另外，还有一些学术专利的发布，比如放出一些新的架构、稀疏注意力的机制、多模态的一些数据，还有相关论文专利等等。以及还有，比如少数核心伙伴可能会拿到一些小规模的邀测，这个可能就比较难了。这些工作其实在MiniMax M4的阶段上面，我们多多少少零星地都已经捕捉到一些了。

第二个是强信号阶段，强信号阶段一般都发布前可能三个月左右，甚至是更短的时间，往长了说3-6个月，短的来说就1-3月。强信号阶段是指进入到预训练的收尾，是SFT、RL的一个后训练的阶段，可能已经快进入到发布的倒计时了。这里面有很多叠加的，比如模型测评，榜单上出现了一些匿名的新模型的影子。比如之前智谱在开放社区上有牛来等等，比如这些多模态测评榜单上面出现新模型，性能是显著于当前的主力模型。对这一些新模型进行测试之后，你可能觉得它比较像哪一家公司，它可能像MiniMax的，还是像Kimi的等等。这是一个。

第二个就是像MiniMax这样的厂商，内部已经出现大规模的安全测评相关的招聘、外包岗位的需求。因为它[可能]已经进入到后训练阶段了，可能它已经启动专门的一些模型的安全、深度的版权风险的红队测试，这些环节基本上是预训练结束之后才会大规模启动。第三个，可能会出现一些内部的压测、API的灰度测试以及客户PoC的邀约。可能它会定向地邀请头部KA或者海外的一些大客户做一些封闭式的PoC，它们可能会签署一些NDA协议，客户侧会流出一些零星的内测模型非公开的反馈。

另外，还会出现一些比如算子还有引擎团队转向推理优化团队的工作。比如招聘的重心，公司招聘的岗位从训练分布式的一些核心岗位，慢慢转向一些推理吞吐、KV缓存、上下文的优化等等。这些信息都是比较强的拐点，说明它可能这块模型预训练主体已经基本跑完了。另外，可能临近上线的个把月的时间已经是一个很强的信号了，基本上可以确认能够发布的一些窗口了，比如官方社交媒体、开发者文档，甚至是这些大模型原厂的一些官方页面上已经出现一些隐藏的模型版本型号了，甚至是已经预留了一些接口、预留字段了。

还有就是它可能技术博客、发布材料、定价方案等方面的一些信息出来了，以及算力资源已经从预训练的一些算力集群、已经从预训练算力池子切出来一部分算力去部署到它的推理服务上面去了。这些其实都是模型临上线、马上就要上线的最明显的一些信号等。

我们可以总结，从外部信息来看，我们仅仅是一个推测，弱信号的话可能6-12个月都有可能会出现，主要是算力、人才、底层技术这一些能证明相关立项已经在做的事情了。真正进入发布倒计时的强信号可能会集中在发布前的三个月，有可能是3-6个月。比较典型的就是匿名测评榜单出现了一些新模型，团队重心从预训练转向推理优化，启动了很多大客户的封闭式的PoC的专门邀测。在临上线前的一个月可能会有一些beta内测、预留接口这些更直接的信号。当然，刚才跟您分享的这些，单一的信号是不可靠的，我们要多条信号交叉验证，而且需要反复的多条信息链路的验证，才能够推理出来。

[00:16:56] MiniMax下一代大版本的模型，您觉得个人和企业客户真正能够感知到的能力提升会落在哪些方向？主要的升级点应该怎么去判断？

专家 [00:17:13]: MiniMax M4这代模型因为是它的一个旗舰版本的模型项，所以它会有比较强的综合能力的非常大的提升项，包括感知，因为MiniMax一直是在音频、语义理解、声音复刻这一块，所以对于下一代版本，我觉得用户最强的感知，对C端用户可能还是图文、音频这一些不再是割裂的，它已经融合了图像、文本、视频还有音频等等的统一理解。

对于企业客户最强的感知可能是长链路的一些agent任务的稳定性、多模态任务的闭环能力，还有就是有效任务成本，相对性价比比较高，任务成本，跑完有效任务的价格会比较低一些。但是有一个比较强的区分，单纯靠榜单上面的分数上涨，用户感知是不强的，只有任务成功率、可复用率以及端到端的闭环能力出来了、提升了，才是商业层面上真正有价值的升级。

围绕这一些，我觉得MiniMax可能会做一些大的提升点，应该会在这几个方面，这还是要看C端跟B端，因为MiniMax本身是比较注重C端的，它跟其他的国产一些大模型创业公司不太一样。它的C端这一块，可能会把M4应用到它的一些比如Talkie、星野这一类产品上面去。

最直观的会分为四个，第一个就是跨模态的一个一体化的交付，比如它可能会把文本理解模型的一些prompt单独使用视频生成模型的H3，之间会把M3、H3这些模型能力做一个比较强的结合，你也可以理解为拼凑，生成统一的一个原生的M4的基座。C端用户可以同时读文字、读图片、生成长段视频和音频，可以直接输出音频、语言、文字这一块，这个的话其实就比较好的一个体感了。

举个例子，在星野上面上传一个一分钟的视频，可以直接让M4修改剧情、修改人物的表情、修改后续的镜头，还做一些同步的配音。不再需要多轮拆解，这一轮先进行修改镜头，下一轮再修改配音，需要截图，然后生成，再进行理解，多步骤是不需要的，它可以同时把这一些都做掉，所以它的逻辑的连贯性会大幅提升。这些的话在数字人对话、数字人剧创是它非常好的一个应用场景。

对C端感知，第二个比较明显的是长时序视频的生成，就是逻辑的一致性提升。因为我们看到H3现在经常会出现人物变脸、穿帮、剧情前后矛盾，M4应该会在长片段的视频人物、物体还有空间关系这一些，一致性会做得更加好，影片的叙事、故事性也会很明显。

第三个就是复杂多模态、复杂多轮agent的角色交互比较强，它会有一个比较强的长记忆，会跨对话，它可能会通过超长上下文记住人物设定、故事背景，长对话也不会进行跑偏。它还会自助帮你做一些多步骤的任务规划，也不再需要用户反复补充约束条件了。

第四个可能就是成本，同等任务下面，因为M4的推理磨合做得更好，可能是推理吞吐更高、延迟更低。对C端的付费，可能也会支持更便宜的一些套餐出来。这些更多的是一些to C的，这些能够做好。

对于企业或者开发者来说，它的提升点在哪里？第一个就是企业最关注的agent长链路任务的稳定性。因为现在M3的agent更加适合中短任务，因为它还不具备超长任务，比如智谱的百万工程的上下文，M3是没有的，H3也是没有的。M4可能拥有百万代码的上下文能力，它可以重点提升像多步骤、反复校验，还有工具调用的一些长任务的能力。通过这些长任务能力，进行一些代码计算、生成可视化的视频或者演示视频等等。

第二个，对企业来讲，M4可以有很多原生的多模态的闭环。这些原生的多模态的闭环，它主要会去对标Kimi跟DeepSeek。当然，这也是它领先智谱的一个最核心原因，因为智谱没有多模态的能力，它这个M4就是做一些，比如可以更好地做一些短剧、漫剧，输入剧本就可以直接生成分镜、可以直接生成视频和配音，这些都在一个视频模型里面进行完成。它也可以支持一些售后，比如支持企业用户上传设备实拍的一些视频，它可以根据这些视频定位出来企业的一些设备的故障，生成维修方案，甚至生成一些教学演示的视频等等。

第三个，我觉得就是代码、数学这方面的逻辑推理的追赶。虽然M3的代码能力还行，但是对一些复杂工程、多链路的推理，相比于智谱来说就有比较大的差距了。M4应该补全这一块，M4既会补全百万tokens的代码上下文，也会补全复杂工程的能力的理解。这个复杂工程理解就是它要帮客户除了做简单的代码开发以外，它要做数据分析、要做量化建模这些场景的提升，降低客户因为代码能力不足而被切换到智谱、DeepSeek的潜在风险。我觉得M4在C端跟B端提升的一些技术工程点主要集中在这几个方面。

[00:23:45] 听起来MiniMax下一代模型提升还是比较大的，但相比对标竞品其打磨时间更久，可能发布会滞后。您预期它发布时在同代头部厂商模型中总体处于什么位置？会收获强烈的好评与预期，还是仅作为基于原产品路线的小幅迭代？

专家 [00:24:20]: 这个问题其实非常好，它已经涉及到总体的MiniMax跟各家原厂大模型，甚至跟大模型头部公司进行竞争了。我觉得最有可能的一个场景，就是M4发布后，它会形成在多模态一体化上的第一档位的能力，甚至硬核的能力，和语音、声音复刻再加上多模态的融合，综合能力应该是处于第一梯队的。

但是仅仅是处于第一梯队，而并不能达到一个全面碾压的格局。最大的风险，我觉得同期竞品其实多模态的能力补全得也挺好的，像Kimi、DeepSeek、阿里和豆包，它们的多模态能力也非常强大，这个就会压缩MiniMax M4总体的亮眼的一些表现。我觉得一个相对比较基准的行情来说，M4作为代际提升，它的优势会比较集中在原生统一多模态的闭环，在这个细分赛道它有比较大的领先优势，但不是所有赛道的通杀。它领先的区间会在文本和图像，再加上音频、长视频的联合的理解和联合的生成。

它也是会有很多竞品的，比如Kimi、DeepSeek大概率还是会在文本基座，还有独立的一些视频生成方面也会做一些组合的方案。在单独的、单纯的视频生成，它的主要竞争对手的话，Seedance 2.5和后续的Seedance 3.0可能并不会比它弱，甚至我觉得在单一的视频生成领域，Seedance应该还是比MiniMax会具有比较明显的优势。

它只能是强在能够长时序并且跨模态做一些长任务、做一些视频内容的解读，加上一体化的能力上面，做一个统一的结合，它在这一块会有一些比较明显的领先。它哪里会比较弱一些？我觉得它的纯文本的推理、模型的深度思考、coding能力、代码能力，还有数学能力和长文本的agent，这些的话它肯定会有一些落后。

智谱、DeepSeek这些下一代的模型，它们其实就不需要承担太多的多模态、非常复杂多模态的一个巨大的训练任务。可能像智谱就是把多模态能力进行加入，补全自己多模态上面的短板和不足就行了。这样子来的话，智谱会有更多的时间去打磨它的coding能力，再加上它本身coding有巨大的优势，它就可以把算力、标注这些资源全部砸在文本代码和算子优化上面。

但是MiniMax不行，MiniMax本身的客户群体就是偏C端用户的声音理解跟视频生成的多模态上面的，它没法把所有的资源都用到文本推理跟代码生成上面。所以它在文本推理、代码生成这些工程上面，它可能大概率能够勉强追上智谱跟DeepSeek，但是说是绝对领先甚至反超，我觉得不可能。所以B端的一些纯文本的、代码的以及政企文档类的客户，依然会选择DeepSeek跟智谱。

还有一个情况，MiniMax可能会在多模态融合方面做出超预期的效果，就是跨模态的任务执行出现显著的提升。跨模态任务执行不只是一个demo好看，比如端到端的一些生成任务的成功率显著高于竞品。这一块，我觉得它有可能会做到国内独一档多模态融合能力。它的水平，最多我觉得可能会接近Seedance的能力，但是反超Seedance，我觉得不太现实。

相对比较乐观的情况的话，它在多模态能力上成为继承豆包的Seedance能力之后全国第二的模型，我觉得是有机会的。可能约束条件就是需要它很多高质量多模态的数据集，预训练的时候收敛要非常顺利，并且多模态的后训练，RL的对齐效果要非常达标。这三重条件同时满足的情况下面，它能够达到原生多模态国内第二、第三的位置，这已经是非常不错的一个结果了。这就是我觉得总体的一个可能性。

当然，非常悲观的情况也有。比如它投入虽然很巨大，但是多模态融合红利这块不及预期，并没有出现很多的质的跃迁。它虽然时序的一致性、物理逻辑做得相对比较好，但是没有解决根本性问题。这个的话那就不好意思，它可能就是一个投入大、产出能力小的国内的一般的产品，它这一块可能在国内跟现在一样，第一梯队都不一定能够站得进去。

[00:30:01] 目前MiniMax M4主模型的预训练应该已经完成了，是吗？目前您了解到的反馈是比较乐观的吗？后面您提到的这种悲观的场景可能性高吗？

专家 [00:30:18]: [可能]是，它现在总体的前期的任务最重要的一些，强制预训练这些任务[大概]已经做得差不多了，总体的口径的话，我们还是要看它的情况是不是属实。如果就说它们内部传出来的一些消息，就是预训练做得差不多了这个信号的话，相对比较属实，而且并没有遇到什么大的困难，我觉得它相对来说，已经是比较乐观的一个情况了。

M4的原生多模态这一块的话我觉得它可能总体情况是乐观的，但是悲观的可能性存在三个方面。第一个就是目前国内的大模型原厂商，几乎没有把原生多模态融合做得很好的一个公司，也就是属于行业几乎没有成熟的参考路径给到它，所以它的不确定性会显著放大。这个悲观的可能性会存在。

第二个比较悲观的可能性就是它的推理成本，因为融合多模态推理成本会很高。如果它的推理成本极高，会导致在做商业化的时候，商业价值是达不到前期的战略预计，也就是说市场会判定为它是一个投入巨大，但是目前无法跟市场上的客户的主流需求相结合的一个实验室的版本，这样对MiniMax M4的话会做一些非常大的商业化的挑战。

目前来讲，从我了解到的信息，我就觉得是比较乐观大概能够有个三成左右，就符合预期。比如我刚才跟你说的是国内的统一的多模态的原生融合视频，底座能力，它可能是勉强达到第一梯队，但是要实现全方位的断档式领先是不太可能的，可能在某些多模态融合的细分领域达到第二第三、数一数二的位置是可能的。基本行情我觉得占了五成，悲观行情占了两成。

这个悲观行情的话，除了刚才跟您说的一些不确定性，没有成熟参考路径，以及市场它如果是推理成本太高，居高不下，无法完成自己的商业化等等，这些都是比较大的风险。当然这是因为一般来说，它内部的一些原型、小规模的一些训练，包括loss的一些收敛，以及benchmark的结果，一般来讲，是可以通过比如很好的前置预训练跟后训练效果对齐做得好，都能够展现出比较好的结果。

这个结果的话，其实不到比如定向邀请客户做专项PoC验证，不到最后模型发布后第1-2周市场广泛的下载、开发、测试之后，都不能算得上是后期的总体市场的认可。总体我还是相对保持一个谨慎态度，大概就三分的乐观情况，五分的基本情况和两分的悲观情况。

[00:34:16] 您刚提到它的一些提升点，但从商业化的角度，目前能做得比较好的还是短剧、漫剧的生成。这块Seedance现在已经占据市场绝对主流的位置，很多外界的观点认为H3出来之后，也没有办法拿走更多的市场，它后面做这么大的投入，考量点是什么？是有一些其他的场景可以运用到它融合多模态的整体的能力并产生更大空间，还是想进一步抢夺字节的既有份额？

专家 [00:34:59]: MiniMax为什么一定要死磕融合多模态？因为本身MiniMax用户群体跟字节、豆包的用户群体其实相对重合度还是比较高的。因为本身做融合多模态，谁最喜欢使用？肯定是泛互联网，泛互联网这一块也是字节最大的一个总体的用户群体。本身这两者就存在比较强的竞争，它只能迎难而上。不然MiniMax的那些C端用户，喜欢情感陪聊的、喜欢互动问答、喜欢语音的客户，肯定马上就会转到字节、豆包上面去，所以它一定要把自己的融合多模态这部分能力给它做出来才行。这是一个。

第二个，您说场景，确实字节的护城河不只是模型画质，而是全链路的闭环，它是从剪映、即梦、番茄、抖音红果的一些流量、素材库、分镜，以及剧本分发以及后期的上线，所有的这一整套都全部拿下来了。这个的话可以说，我觉得细分到短漫剧这个行业，MiniMax除非在模型能力上能够极大地反超字节，不然的话，我觉得它的机会点不太多。但是除了短漫剧这个行业以外，还是有很多相关的行业Seedance并没有完全吃掉，也是适合MiniMax长期发力的。

再比如还有很多广告的拍摄，就说拍一些广告素材，用视频生成模型就不用再去广告棚拍了。这一块广告的拍摄等等，这个市场也并没有被其他友商全部占据，所以MiniMax仍然还是有自己比较好的一些行业跟场景可以去开拓的。还有些教育行业，比如一些培训视频的生成、虚拟的课件、操作教学视频的生成，这些其实都不是字节吃掉的存量市场，而是一个广阔的可以去做的增量市场，都是可以做出来的。

MiniMax除了一些视频生成以外，MiniMax接下去要做的，比如一些视频、语音、文本的一体化交互，它要做些企业级agent能力的，它要去做一些比如全链路多模态的agent客户的落地。这些我觉得目前市场上并没有特别红海，还是有属于MiniMax的市场空间。

再来讲就是MiniMax本身对于这个市场上面也有一个非常强的把控。大模型API调用本身是没有什么用户粘性的，只要自己的模型技术底座足够强大，就是能够获取到很多客户，因为对于客户来讲，谁的模型强大我改用谁的，我可能只需要做一个API key的重新接入。这个API key重新接入是很快速的事情，它甚至比一些短信流量CDN切换供应商都还要快，所以还是一个模型技术为王。

留给MiniMax的就是它只要技术能力做得绝对领先，它就能够反过头来把很多商业化市场给吃下来的。这也是为什么除了MiniMax以外，所有的主流模型原厂商都要做技术迭代的原因，就是因为谁掌握了技术的绝对领先优势，谁就能吃掉由这个技术所能够覆盖到的这部分用户市场。

[00:39:52] 一般来说，一家模型厂商旗舰模型发布之后，日调用量大概要多长时间才能够看到明显抬升？您觉得这波升级对MiniMax的总调用量有多大帮助？收入提升预期如何？两者是正相关关系吗？

专家 [00:40:17]: 确实是会有一些正相关的。一般来说，现在在大模型API时代，用户比如从接入到大量上量这么一个时间线，一般来讲就是1-3个月左右能够完成。因为本身API提供的是一个相对比较标准化，而且是简单方便标准化的一个调用工具。而且能够大量使用智谱API或者能够大量使用MiniMax API的客户，本身也是行业里面大客户，而且前期已经做过评估，可能对业务结合帮助比较大的。因为现在API竞争比较卷，用户市场对每一家模型原厂的产品能力也是有一些了解的，所以这类节奏上面会比较快。

我觉得最快的肯定是一些泛互联网科技公司跟海外的开发者，基本上就1-3个月。上线的比如开发的第一周，完成第一轮的测试。第二周各家可能会完成第一轮的流量爬坡，大部分业务都要进行一个尝鲜测试。从第三周开始，就会进行一个稳定的上量接口，可能很多客户会把模型正式集成到产品，然后日操作区间就已经开始上行了。并且从第三周比如到第四周的时候，已经开始做反复的流量测试、灰度测试、深度的场景落地。这第一个月把这些东西都做完，用户就已经从生产环节当中完全可以接受大模型比如新产品了。

从第二个月，很多就开始做自己所有场景的接入。会做一个主体业务，比如一些公司会围绕这款大模型开发，做很多新的agent能力，然后做一些比如把大模型全面接入到自己的官网、app、小程序上面去，所以第二个月会迎来一波又一波的高峰。这些事情如果做下去都没有问题，第三个月就是稳定上量的阶段。一般来讲，对于客户或者泛互联网客户，一般就前三个月会完成大量的上量，1-3个月，甚至第一个月就已经做好了充足的准备，有些快的话，可能第四周左右用量高峰期就已经来了。

这里面会有一个商务谈判的商业化进展，这个一般都同步做的，首先API协议是在网上签的电子协议，可能点击一下确认就行了。如果是一些用量很大，要跟MiniMax、智谱这样签线下协议、服务保障协议的，可能同步进行，那也是比较快的。这就是泛互联网科技类公司和海外的一些公司，我觉得1-3个月，甚至快的话，一个月左右就能完成比较好的上量。

第二类，相对比较政企类的客户、KA客户就会慢很多，但是这一类并不是MiniMax的主流客户，MiniMax主流客户仍然是泛互联网科技类公司。政企类的话，企业要做评估、做安全测试、做集成改造，还要签合同。光是签一个合同，就是大型的一个政企，光商务谈判跟签约可能都需要1-2个月的时间。而且上线之后不会立刻放量，本身大型央国企的用户场景就相对比较少一些，而且它的agent开发能力跟结合能力会比较弱，所以大型政企前期1-2个月可能签约，2-4个月会逐步上量，到第4-5个月的时候可能才会迎来用量的高峰，所以它的时间线可能是头部科技互联网公司的两倍。但是没关系，MiniMax更多的客户就是泛互联网，所以MiniMax这些客户群体的上量我觉得会比较快。您可以按照1-3个月进行参考，甚至1-2个月进行参考就OK了。

[00:44:32] MiniMax是一个多模态整合的模型，模型参数量也会有明显的提升，且可能是国内头部模型厂商里未触碰过的量级，它的算力储备能否支撑调用量的暴增？后续是否会像KimiK3中期那样遇到长期的算力短缺问题？目前它还未全量开放会员购买，您如何评估它在算力保障方面的能力？

专家 [00:45:10]: 算力问题肯定会成为它预训练最大的绊脚石，甚至从目前来看，国内也没有很多公司给它进行借鉴，所以我认为MiniMax接下去会重演Kimi类似的一个处境。但MiniMax有相对比较好的就是，因为本身它的主营业务，现在收入贡献这些都非常集中在海外，因为它的海外收入可能占了70-80%，国内收入只占20-30%。它的算力也是，会跟海外的比如AWS、Google这些海外的巨头云厂商合作，租赁当地的算力作为推理的。

第一个就是它如果训练差不多了到推理阶段，它的主营客户群体等等在海外，跟海外云厂商合作，它推理算力不用愁。它预训练算力会有些紧张，但是会比较好，它可以通过很多方式，比如租赁海外的AWS或者海外的一些云厂商的机房集群，以相对比较隐蔽的方式进行承接一部分的预训练工作。当然它预训练好了，它的很多成果可能当地政府不允许它直接把数据带回来，但是它可以把预训练的一些比较好的结果、成果带回来，然后再在国内做最后的后训练的整合。通过这些手段，它能够部分缓解算力不足的情况，这是一个。

第二个，像Kimi K3，它当时预训练的中后期算力不足，行业里面都知道，它向阿里求助，阿里其实给它调拨了很多的B卡。那MiniMax也有可能，比如它凭借自己在这行业里面圈内的影响力，比如开放自己的融资渠道各种东西，也能够跟腾讯、阿里这样大厂达成合作，来获得短期用卡的补充。

第三个可能性，哪怕市场上面没有大厂、云厂商给它进行快速算力补充，它可能预训练进入到超级重要的阶段了，那它可以以高于市场的价格去租赁B卡，这个像Kimi也做过。比如B卡现在是1,500万一台的买断和25万元左右一个月的租赁价格，那25万元一个月，市场的平均价租不到，它30万元一个月，甚至40万元一个月，我觉得肯定能租到。大不了短期租两个月，短租两个月价格是比长租价格大概1-2倍，也可以从这个方式上来缓解自己算力不足。我觉得会有比较大的影响，但是还是有比较多的化解办法的。

[00:47:56] 新模型发布后，相比智谱和Kimi等主要初创竞品，它能更好地应对算力瓶颈与难题，且收入变现能力更强，是否可以得出一个这样的结论？

专家 [00:48:15]: 收入变现能力更强，不能够得出。但是能够很好地解决掉它推理算力不足的情况，因为还是一个市场总体结构的问题。Kimi和智谱很多用户都是在国内，而且像智谱的话，是国内头部科技公司和头部大型KA的这么一些用户群体，国内的大型KA对服务保障要求会比较高，对算力并发的保障要求会比较高，服务KA，可能会投入更多的算力去做。

而MiniMax不是，MiniMax的服务更多是一些小B企业和C端用户的。在C端用户，同样时间排队，智谱的客户开始出现了拥挤跟MaaS平台调用排队，甚至是连接不上的情况，客户肯定投诉了，但是C端用户可能就会愿意等一等。当然它也没有很多更好的投诉办法，C端用户谁理他呢？用户群体来讲，MiniMax推理的时效性上面有更高的容错空间。

第二个就是服务模式，它确实海外用户现在用户占比比较多，而海外用户可以在海外租赁当地的算力进行推理。而因为本身智谱是美国实体制裁的公司，所以在海外无法跟当地的云厂商进行合作，租赁当地的算力，所以智谱的推理压力也会比MiniMax要高很多。MiniMax在出海这块业务包括总体的业务上面，它的算力压力会小很多。

您的这个结论，就MiniMax可能会比Kimi、智谱在推理侧方面更容易获得一些推理卡，这个是可以的。但是您说是不是它的收入就会更乐观，这个未必。因为第一个，决定大模型厂商API收入的核心能力，我认为还是它的技术领先性。在技术领先性的基础上，看它产品化能力做得好不好，然后看它的算力资源集不集中、是否充分。这些的话，可能MiniMax，比如做产品化的能力、技术的绝对领先性，这些都还不好说，所以这个MiniMax商业化能不能成功就难讲了。

[00:50:34] 刚才的结论主要是基于模型反馈乐观、需求饱和的假设，基于这个假设，如果发布后1-2周能印证这一结论，且考虑到其海外客户占比高、海外算力供给更大以及国内其他渠道的补充，这是否意味着它的变现速度会更快？

专家 [00:51:13]: 对。如果是聚焦到MiniMax这家公司，比如MiniMax发布M4的话，我觉得是可以基于这个得出刚才那个结论，因为确实to C业务的变现速度本身就快一点。MiniMax依赖它的C端，依赖它的海外市场，算力供给又充足，国内C端用户的一些细致的服务需求又不像to B企业那么高，甚至于C端用户直接就拿来用了，小B端用户也拿来就用了，甚至还不会有像那些头部央国企公司发布之后，可能长期的比如商务对接、签合同这么一个步骤。

从时间上面，MiniMax可能上量更快。从卡的使用量上面，它卡的调度能力更强，它可能能够承接更多的流量。它主流的是C端和小B端，C端跟小B端短期的变现速度又会稍微快一些。从这些方面来讲，确实MiniMax商业化的话，如果模型能力比较强，它短期的变现能力就是很强的。

但是这里面有个风险，就是它要满足前提的几个假设。第一个假设是模型的技术领先性要存在，第二个就是它本身的产品力要做得相对够好，第三个就是它在发布之后，在它发布的那一段时间里面，同期的那些比如智谱、Kimi还有豆包，没有发同期的自己的旗舰版本模型，不然旗舰版本模型发出来之后，客户会很容易被分流的，因为大模型现在市场格局就这样子，用户是有一个尝鲜心态的。如果被分流，那MiniMax短期内如果要上量，也会比较大。而且其他各家从目前市场情况来看，你一家模型的能力如果比较强，刚发布，其他各家也会抢这个时间节点，这个机遇窗口密集发布自己的旗舰版本模型跟你竞争的，所以这个风险性我觉得长期存在。

[00:53:39] 如果前述增长假设均能实现，国内会有哪些算力底座厂商因此受益？会是阿里和金山吗？它目前合作较多的厂商有哪些？

专家 [00:54:10]: 首先如果模型能力比较强，国内各个算力供应商会抢着跟你合作。就是专门做英伟达销售的一些大型的infra供应商，比如宏景、协创、首都在线这些，它肯定会跟一些头部厂商合作，去部署它们先进版本的模型。而且它们提供的是B卡、H卡这些高端算力卡。这一个。

第二个，国内其他的一些算力厂商、一些infra供应公司，比如地方的一些算力中心，像上海张江实验室，还有地平线、第四范式这些，也会愿意为MiniMax这样的供卡。第三类的话，像各大运营商，移动、联通这些，它们算力比较充足的，是愿意去的。这些都是会成为你模型用卡的兜底，只要你愿意跟它达成比较好的商业服务模式，愿意让出更多的利润给到它们，它们愿意供卡。

但如果是跟腾讯、阿里，这会涉及到竞争了。现在腾讯、字节直接性地向一些模型原厂商供卡的例子不太多，Kimi是个特例。除了这个以外，阿里上面已经很久没有给智谱供过卡了，它也很久没有给DeepSeek大量供卡了。云厂商如果在MiniMax的业务火爆起来之后，可能不是直接供卡的形式，可能会要求MiniMax比如开源之后部署到阿里云的集群上面，阿里云单独开一个口子给它，在阿里云上面用户也可以调用到MiniMax的模型，然后阿里云可能会跟MiniMax进行分佣，这么一个形式，就不是直接性的一个GPU租赁的形式给到它们了。这是我所看到的国内供应商可能会比较喜欢采用的一些方式方法。

[00:56:13] 外界报道上一代模型推理的利用率大概普遍都超过40%，但是上半年，像MiniMax或者一些头部厂商，毛利率都有下降，MiniMax这块只有18%左右。从行业成本结构来看，利润率下降的原因是什么？主要还是算力的价格提升比较多吗？

专家 [00:56:40]: 对的。首先确实毛利率主要是来自于算力的影响。现在高端算力都在疯狂涨价，英伟达也好，国产卡甚至都供不应求，所以确实是有算力涨价。您说长期协议是不是就可以避免这个算力涨价，不是的。比如现在MiniMax我要跟供应商宏景合作，我要租1,000台B300，那我可能长期签一年，这一年租金确实不用变的，但是随着我业务增长，可能过两个月卡又不够，我还得跟你再签1,000台，这个时候第二波，那宏景供应商就会涨价。

原先可能是25万元一个月的长租，现在可能要涨到30万元了，那缺卡就得签。新增卡的成本会不断垒高。而算毛利的话，又很难直接以单一集群来算，肯定要看公司总的大集群，然后看公司总的API收入。这么来看，毛利率确实会被卡的资源进行不断的垒高，我觉得这是一个非常核心的原因。

第二个原因一些中小型用户需要的是一些快速的、通用型的以及高性价比的模型。比如现在DeepSeek-4.1-Flash，是低价模式，智谱的GLM-5.3-Flash，都是低价模式，它们需要通过推出一些低价模型来抢占一些中下层的、一些腰尾部的用户市场，而这些模型的毛利率会更低。

那么模型也砍不掉，因为像智谱，难道中小型的一些企业就不要了吗？难道一些简单常规的通用场景推理就不做了吗？也不是，所以它就得推出自己高性价比的这些模型。那推出最高性价比的一些模型版本就得牺牲自己的毛利率，所以从今年年中开始，有很多公司毛利率就往下走了，所以这是两个原因导致的。

[00:58:58] 您判断后续行业毛利率能重新拉升，还是会持续承压？

专家 [00:59:05]: 后面会有点两极分化。对那些大模型公司，一些核心的、有完全断档式领先优势的版本，比如字节Seedance 2.5、智谱coding的GLM-6这些，那它可能价格仍然会追求高毛利往上走。但是对于一些通用版本、flash这版本，大家要竞争抢用户用量的这么一个版本，而且各家优势都不是特别明显的，那么这么一些模型领域，各家可能会打价格战，会形成一个两极分化的结果。用户体量比较大的一些中小型的用户和一些比较通用的场景，毕竟消耗量会比较多一些，所以两相比较取一个平均值的话，大模型tokens的均价可能会存在往下走的可能。总体来看的话，头部厂商的毛利率可能短期内不会有大的提升。但是像字节这样子，它最强的竞争的模型就Seedance，它主要是卖Seedance的，Seedance的毛利有那么高，那它可能是有更大提升空间的。

[01:00:26] 对MiniMax而言，您预计其毛利率走势如何？

专家 [01:00:37]: 本身MiniMax的话，我认为目前在国内来说，它没有哪款模型达到绝对的领先优势，那其实还要看它下一代模型技术领先优势达到什么样。如果技术领先优势强，它的毛利率反弹是很正常的。如果还是像现在这样子，它的M3、H3都没有在各自的细分赛道做到绝对第一的，那它的毛利率我觉得是起不来的。

[01:01:27] 下半年头部互联网厂商的重心应该都在工作类的working agent，比如字节的豆包和扣子、飞书Aily进行了深度整合，另外还有阿里和腾讯。现在头部厂商模型，都能满足agent应用的需求。目前互联网厂商的模型迭代都非领先第一梯队，原因是重点不在基础模型，而在产品化，您如何看这个趋势？会不会有一些厂商反而模型做得好，但是后面却不能有很好的商业化，因为大部分市场都在这种working agent上？

专家 [01:02:15]: 首先，从目前来看，AI大模型的这个API调用市场仍然是技术绝对领先性来带动商业发展的，也就谁家的技术绝对领先性强，往往它在商业上受追捧程度越高，那它的用量、AR的增长、毛利提升也会越大。这个智谱已经完全验证过了。智谱的产品agent能力其实做得都不太好，智谱的行业解决方案做得也不太好，但是因为它的coding能力做得极其强，所以coding这个场景大家都会用智谱。

您说的最后一点，就是各家会不会模型能力很强，但是因为自己本身商业化做得不好，或者说自己的产品力、自己标准化的服务产品工具做得不好，而在市场竞争处于不利位置，这个从目前这几年的情况来看，不可能。除非大模型真的已经技术发展到一个非常高的高度，技术已经达到相对的天花板了，各家的技术方面没有拉开绝对优势的情况下，那可能是在比拼真正的各自的标准化工具能力和封装的商业化策略。

您的前半部分问题，就比如那些字节豆包跟火山合并，然后飞书Aily方面一些深度的整合，是不是模型厂商都在重点做这一部分能力来提升agent的应用，我觉得答案是正确。确实阿里、腾讯这些互联网大厂现阶段的重心，一方面技术重心肯定是在做模型的能力提升跟迭代，这个不用说，但是商业化重心和产品整合重心已经放在了场景产品的优化、生态的打通这一方面。并且它基座基础的模型跟商业化的投入，这两者已经分开了。预训练团队做深度的预训练能力的提升、做技术的不断提升，这个是专门团队在做，它商业化团队做产品化、做生态打通，也在单独做，这两者是个并重的情况。

但像智谱、Kimi这些头部创业公司，没有什么商业化的复杂场景，就卖模型的，而且商业化做得也不太好，那重心还是在模型的预训练上面。模型做得好，商业化就会落空，这个情况短期内反正不会出现的。长期来看，反正模型技术能力达到了，有可能模型做得稍微比其他家好一点，但是商业化做得没其他家好，可能它的商业化竞争会不如别人。

比如阿里跟智谱来举例，比如未来五年之后，智谱的模型能够达到92分，阿里的模型能够达到90分。但是阿里可以通过自己商业化的手段，把这两分的差距弥补上来，从而在市场竞争中获得完全胜利，这个是完全可能的。因为阿里手握办公的入口，淘天电子商务这一块的一些用户数据，它的用户数据也很多，产品又闭环，所以在agent时代，阿里、腾讯这样的超级互联网公司反而更容易掌握更强的商业化抓手。

模型能力上面，如果自己的模型不是落后特别明显的情况下，它是可以把自己这些场景化和模型能力打通之后，来弥补自己商业化的不足，然后来实现自己商业化能力反超的，这个完全没问题。这就为什么我一直没跟你说过腾讯。确实腾讯技术能力不行，但是腾讯如果在整个市场上的大模型技术能力已经发展到相对比较平稳的水平了，它是可以把自己的微信生态的流量、游戏生态的流量、广告生态的这些流量做一波变现之后，自己推出一些大模型的标准化工具，来收割自己生态里面的这些流量，然后实现商业化的成功，这个是成立的。

[01:06:40] 对于WorkBuddy、字节豆包与飞书Aily、阿里钉钉与悟空的整合，这三款产品，您如何给它们的竞争力排序？目前市场普遍认为WorkBuddy在用户生态和体量增速上更领先，您对其后续发展潜力怎么看？

专家 [01:07:07]: 从目前来看，应该是腾讯、阿里、字节这么一个顺序，因为确实腾讯的WorkBuddy掌握了先发优势，并且它做工具标准化能力做得确实特别强。国内办公赛道，我觉得从最长期的来看，未来可能先是阿里加上钉钉，然后是豆包加上飞书。因为这两个本身模型是排在国内第一梯队的，而且在办公场景agent赛道，豆包加上飞书，加上钉钉、悟空，这一些是完全第一梯队。并且它们的用户规模、多模态和全球生态，还有agent存量市场等等，就说深度绑定的能力上面，我觉得这方面都做得非常不错，所以这两家我相对比较看好一些。

但是腾讯有自己的微信工作就企微，再加上自己的能力上，我觉得相对来讲还是比较强的。但为什么我把豆包跟阿里排在腾讯的前面，就从长期来看，因为腾讯的企微、WorkBuddy这些，依托的是微信生态，优势就是通过微信来联系其他外部的客户，并不是通过企微来做一些互动的。但阿里是钉钉，字节是飞书，就说它是内部办公软件的联系，这个肯定是比腾讯通过微信生态所拓展出去的一些外部客户的用户粘性跟使用能力要强一些。从内部办公agent工作流的完整程度，以及依托整个办公生态来说，我觉得腾讯企微目前是弱于飞书和像悟空、钉钉这一块的。

长期来看，要看用户粘性、付费转化和成本迁移这一些的。我觉得从这些方面来看，第一确实是钉钉加上阿里悟空。这个是因为政企用户、一些国内的中小型企业基数是阿里最大的。悟空也是面向agent重构的办公底座，确实在企业流程、审批还有业务深度的耦合方面，是可以做到很好的转化空间。而且本身钉钉系的一些企业相对来说是非常有粘性的，因为钉钉系很多都政企，各个地方政府还有一些大型的国央企，还有一些中小型的公司，那它的用户群体也大。

那豆包、飞书的话，其实飞书的质量比较高一些，而且它是集中在互联网公司、高科技公司，客单价会高一些，同时字节多模态视频能力可以嵌入企业agent，就这里来讲。但是飞书在传统行业里面渗透是偏弱的，因为它对企业的本身信息化工程能力会要求比较高，而且对企业员工质量要求会比较高。但是中国企业说句实话，很多企业的员工其实都不太会用飞书的那一套在线文档。虽然这个文档能力特别强大，非常好用，但大部分人的水平不够，用不起来的，所以这是覆盖度上面来说、渗透率上面来说，我觉得稍微弱一点点，所以我把豆包排在第二。

那腾讯WorkBuddy，我为什么会把它这个大产品排在第三？是因为它最后如果模型能力一直跟不上，然后阿里、字节或者其他模型厂商对大模型不再开源了，甚至终止跟腾讯的合作，就比如智谱算力很充足，所有的流量都要做自营，那腾讯可能就无法私部智谱的模型，向它WorkBuddy的客户提供服务。阿里、字节也是一样的，就不跟腾讯合作，腾讯是有可能被釜底抽薪的。再加上它的整个用户生态依托微信生态向外拓的一个外部优势，那它内部的一些整合长期来看，在办公场景整合能力肯定做得不是那么强。我觉得大厂里面对比的话，腾讯今后的潜力可能会排在第三，但它现在是第一。

[01:11:54] 目前头部海外模型厂商因安全原因可能放缓迭代降速，但市场对此分歧较大，普遍认为影响有限且基座投资仍会持续。您如何看待此事？这是否会帮助国内模型厂商缩小差距，还是差距依然难以缩减？

专家 [01:12:20]: 您的意思就海外头部模型厂商因为安全原因，就反蒸馏、反中转站的一些措施出来之后，对国内有没有些影响？我觉得肯定会有影响，但这不仅仅是看好或看空这么简单的事。从直接的链路上来说，海外的反蒸馏措施和中转站反制措施肯定会限制国内模型发展，可能会拉大国内跟海外的差距，而且海外因为有优质的算力、有优质的数据语料。

决定模型能力的是算法、架构，也就是算法人才跟算法架构，因为架构是人写出来的，这是第一个。第二个是算法的优质语料。第三个是算力的集群。这三个方面国内都有点吃亏。但是好在，国内吃亏的话，我们可以通过蒸馏和一些手段，就说部分吸取海外的结果来减少自己的成本。但如果它们反蒸馏措施出来之后，这个相当于是快捷路径被人家给堵死了，这个确实会扩大国内对海外模型的差距的。

但这个也不是根本性致命影响，因为模型蒸馏这些方式方法现在本身已经比较有难度了。再加上模型蒸馏是比较好蒸馏大语言模型，因为大语言模型的能力好蒸出来一些，而对于多模态模型，多模态涉及到图文理解、视频生成，这些能力本身就很难蒸馏。再加上coding模型，coding那个思维链路、逻辑性和超长代码文本上下文，这些也很难蒸馏出来。

本身模型蒸馏到今年给大模型公司所带来的增长值就不是很高了，也就说本身模型蒸馏的边际成本就在缩减。现在海外又减少模型蒸馏，出台了很多反制措施，那最终的一个结论我认为就说，会对国内模型拉开一部分的差距，但是这个差距并不是那么巨大和那么可怕的，因为本身我们国内对模型蒸馏的依赖程度已经不像几年前那么高了。

ES [01:14:58]: 非常感谢专家参与本次访谈。本次访谈结束了，再见！