2026.09.29 | 9K | LLM | China LLM Channel Check V
原标题：Merit 国产模型调研V(2026-09-29 15:00:00)
音频信息
音频标题: 260929 - Merit 国产模型调研V
相关标的：undefined
议题：
完整音频链接：
音频纪要总结
专家访谈纪要
1. H3商业化进展与ARR目标
a) H3上线一个多月后的商业化表现如何？
- 当前商业化仍呈现较高的大客户集中度，收入增长主要来自大型聚合平台及重点客户放量。
- 部分蒸馏版、后训练版实际上已形成独立模型和商业化场景。例如，A3 Max已部署至开放平台，对收入形成明显带动，公司还可获得License Fee分成。
- 视频业务收入增长较快：
- 8月较7月约翻倍；
- 9月较8月增长超过一倍；
- 已连续两个月实现较高增长。
- 9月收入主要来自开放平台和Token Plan，C端数据尚未完成最终统计，预计下月初才能确认。
- 当前月收入总额不到8,000万元，按7,000万—8,000万元月收入年化计算，ARR约为9亿元左右，接近但不到9.5亿元。
- 相关收入及ARR仍属于月内估算口径，后续需以财务最终统计为准。
b) 年底ARR目标是多少，能否实现？
- 公司当前内部目标是：12月ARR run rate达到15亿元。
- 该目标不完全依赖M3 Pro发布：
- 现有业务每个月仍在增长；
- 即使M3 Pro发布后表现相对平稳，现有业务也具备较强支撑；
- 但15亿元目标中已经考虑了M3 Pro发布后的收入促进作用。
- 按当前约9亿—9.5亿元ARR计算，距离年底15亿元目标仍有一定差距，未来两至三个月需要延续增长趋势，并依靠新模型进一步拉动收入。
c) H3是否已经开始抢占可灵等竞品的市场？
- H3已接入多个关键大型聚合平台，包括Crea、ComfyUI和Fal等，已获得较多调用量。
- 聚合平台通常采用批发式销售，完成模型接入后不会立刻形成足够用量，仍需要客户测试、路由调整和业务放量。
- 可灵当前表现仍然不错，但其新模型预计10月推出，H3此前拥有约两个月的市场窗口期，已完成较大规模的渠道接入。
- H3不仅承接了部分竞品已有需求，还覆盖了一些可灵暂时无法满足的使用场景。
- 综合连续两个月用量翻倍的表现看，H3商业化进展符合甚至优于初期预期，但平台接入价值仍需后续持续转化。
d) H3/A3 Max打开了哪些新增应用场景？
- 接近实时的生成速度使模型能够进入过去无法渗透的持续互动场景，包括：
- 游戏互动；
- 共享会话；
- 社交互动；
- 实时、连续的视频生成应用。
- 这些场景与传统坐在电脑前编辑视频的静态应用不同，可以形成更高频的使用行为，并产生更多连续序列数据。
- 新场景带来的数据将推动“应用拓展—数据增加—模型提升—进一步拓展应用”的新飞轮。
2. 视频模型能力演进与行业发展方向
a) 竞品最新Preview版本表现如何，对公司有何影响？
- 竞品新版本整体没有超出公司预期，主要提升体现在：
- 音频和视觉输出更加稳定；
- Omni Reference能力有所加强；
- 可支持约15个多模态参考对象。
- 其Omni Reference能力大致与公司当前水平相当，整体表现略低于公司此前预期。
- 竞品延续了指令遵循、物理世界理解和想象能力方面的优势，但模型细分程度仍不及公司。
- 公司当前仍采用较明确的模型区分策略，通过不同模型服务草稿、中稿、实时生成和垂直场景。
- 目前行业用户更多采用“草稿跑通—2K生成中稿”的工作流，对4K等高规格输出的商业化需求尚未大规模释放。
b) 视频模型是否进入瓶颈期，下一阶段的核心突破方向是什么？
- 视频模型的进步速度预计会慢于通用模型和Coding模型，主要原因包括：
- 视频任务难以像Coding一样进行明确验证；
- 高质量视频训练数据仍然不足；
- 模型规模相对有限；
- 视频应用渗透率仍较低。
- 当前Coding渗透率约为50%，视频模型渗透率最多约15%，视频市场仍处于较早期阶段。
- 下一阶段不仅是延长视频时长、提升分辨率，更重要的方向包括：
- 提升生成速度；
- 实现实时、原生和流式生成；
- 加强与真实世界数据的耦合；
- 拓展互动型应用；
- 获取更有价值的连续序列数据。
- 如果生成速度能够快于视频本身时长，即达到类似“S2”的水平，就可能解锁实时视频交互这一全新产品形态。
- 按每年两次大版本升级的节奏，视频模型仍会持续进步，但更多突破可能来自真实世界数据和新型应用，而不仅是模型参数或画质升级。
c) 开源对视频模型发展有何价值？
- 本轮升级的重要变化之一是模型开源。
- 过去行业普遍采用闭源模式构建视频模型，开源后迅速出现大量Derivative版本。
- 部分衍生模型在特定垂直场景、小场景中已经超过原生模型，体现出开源社区在后训练、微调和场景适配方面的力量。
- 当前开源模型参数规模约为33B，尚未计入相关Contact IR及2K模块。
- 开源模式有助于：
- 扩大模型分发范围；
- 获取更多垂直场景反馈；
- 加快特定任务适配；
- 提升模型生态和商业化覆盖。
3. M3.1与M3 Pro发布进度及产品定位
a) M3.1 Flash Preview是什么定位？
- M3.1 Flash Preview可笼统理解为在M3基础上继续训练形成的低成本版本，但不是完整的M3.1。
- 当前版本具有以下特点：
- 仍处于Preview阶段；
- 暂未开放API；
- 与公司Code产品绑定；
- 一方面便于控制测试范围，另一方面用于向Code产品引流。
- 低成本任务后续主要由M3.1 Flash承担，M3.1和M3 Pro则分别覆盖中间层及高端复杂任务。
b) M3 Pro为何从原计划的9月推迟？
- 延期并非因为模型效果未达到管理层预期，而是出于发布节奏和基础设施稳定性的考虑。
- 主要原因包括：
- 希望先让M3.1稳定运行；
- 确保相关Infra管线部署完成；
- M3.1与M3 Pro部分评测集可以复用；
- 先通过M3.1完成推理层优化；
- 降低M3 Pro正式上线后的故障和质量风险。
- 如果从M3直接切换到M3 Pro，较多内容未经充分测试，可能重现M3发布时出现的异常问题。
- 公司9月已经发布M3.1 Flash，但完整M3.1和M3 Pro仍需后续推出。
- 当前对客户承诺的M3 Pro发布时间为10月，并不一定要等到11月或12月。
c) M3.1和M3 Pro是否都可能在10月推出，两者如何分工？
- 按当前规划，两者均可能在10月推出，但任务定位不同：
- M3.1 Flash：低成本、高频、较简单任务；
- M3.1：中间层级任务；
- M3 Pro：旗舰级模型，重点覆盖复杂推理、Agent和高难度Coding任务。
- 现阶段将继续按照Context Window进行分层定价，以512以下和512以上划分不同价格区间。
- 后续可能重新评估Context Window分层方式，但短期仍将沿用现有方案。
d) M3.1 Flash是否已经带动用户量和使用量增长？
- 目前尚未观察到明显的用户量或用量提升。
- 核心原因并非模型能力不足，而是公司Code Harness竞争力不够，无法仅靠模型升级形成稳定的产品留存。
- 当前用户通常只进行短期体验：
- 一日留存下降约30%，基本达到内部预期；
- 两日留存下降较明显，未达到理想水平。
- 公司原本也未预期Preview版本会显著带动产品增长，真正的放量需要同时满足：
- 完整版M3.1正式发布；
- API开放；
- Harness能力完善；
- 产品体验和模型能力形成闭环。
- 会议强调，模型能力增强并不会自然转化为产品使用量，产品工具链和用户体验同样关键。
4. M3 Pro能力水平与技术特点
a) M3 Pro主要对标哪些模型？
- 公司在训练和内部评测中，主要以上一代Opus系列模型作为Benchmark，而非以国内模型作为核心对标对象。
- 按当前静态评测结果，M3 Pro发布时预计可以超过K3。
- 与Opus等全球头部模型相比：
- Frontier Coding能力仍存在差距；
- Agentic能力提升明显；
- 前端开发和UI生成表现较好；
- 后端开发相对较弱；
- 图像理解和原生多模态能力处于领先位置。
- 后端Coding方面，GPT/Astra及Anthropic系模型仍然更强，公司与其存在一定差距。
- 按内部判断，如果立即发布，M3 Pro综合能力有望位于全球头部梯队，仅次于少数领先模型。
b) M3 Pro为何强调“为Agent而生”？
- M3 Pro的RL训练重点针对Agent能力短板，包括：
- 长任务规划；
- 多步骤执行；
- 自我监督；
- 方向偏离后的回滚；
- 抗上下文污染；
- 工具调用和工作流执行。
- 公司过去较少针对Agent能力进行系统性RL训练，本轮从零搭建Agent Environment，训练结果较好。
- 在真实生产任务推理与执行评测GTP-bot中，M3 Pro内部测试可进入全球Top 3。
- 在更偏重Coding能力的Terminal Bench中，预计排名全球第5至第6。
- 在图片和视觉理解方面，内部预计可进入全球第1至第2。
- 当前主要短板仍然是编码能力，尤其是后端开发，主要受高质量Coding数据积累不足影响。
c) M3 Pro在复杂任务和长程任务上的能力如何？
- 复杂任务通常同时考验推理难度和任务长度。
- 当任务需要几十步、50步以上甚至上百步执行时，上下文会持续增加，误差也会累积放大。
- 模型需要具备：
- 建模能力；
- Planning能力；
- 任务拆解能力；
- 步骤依赖识别能力；
- 自我监督和纠错能力；
- 执行失败后的回滚能力。
- M3 Pro在上述Agentic能力方面实现了显著进步，能够进入此前M3无法覆盖的复杂任务市场。
- 公司推出M3 Pro的核心商业目的，就是从中低难度任务向Frontier模型可完成的高难度任务拓展。
d) M3 Pro参数量和训练资源规模如何？
- M3 Pro参数量为2.8T。
- 公司最新算力集群规模约为18,000张卡，其中约60%用于训练。
- Research资源也计入Training，约占训练资源的一半。
- 训练资源主要部署在海外，并以租赁方式获得。
5. 模型市场竞争格局与差异化战略
a) 开源模型与闭源模型的竞争格局如何？
- OpenAI和Anthropic按收入口径合计已占据50%以上市场，头部格局短期不会发生根本变化。
- 需要接入这两家模型的大企业多数已经完成接入，未来增量更多来自：
- 企业自有小模型；
- 开源模型微调；
- 多模型路由；
- 企业利用自身用户反馈和决策序列数据进行训练。
- 即使闭源模型持续降价，其价格仍未进入国产开源模型的核心价格区间。
- 企业也会担心被少数闭源厂商绑定，因此通常会保留开源模型和多模型方案。
- 当前国内主要开源模型厂商整体Token流量占比已达到约55%—60%，市场份额仍在提升。
- 大多数客户采用Multi-model模式，而不是单一模型独占全部任务。
b) 开源模型厂商之间的份额由什么决定？
- 市场份额并非只由综合榜单排名决定，而是取决于模型对具体任务的适配能力。
- 主要评估维度包括：
- 推理难度；
- 任务长度；
- 多模态能力；
- Agent执行能力；
- 稳定性；
- 成本和性价比。
- 高难度Workflow Execution和Debugging任务目前仅少数Top 3至Top 4模型能够完成。
- 公司现阶段的优势主要集中在：
- 中低难度任务；
- 多模态Customer Support；
- Cross-sell场景；
- 前端开发和UI生成；
- 图像理解；
- GUI Computer Use。
- 对于高难度任务，公司将依靠M3 Pro逐步拓展，而不是一开始就与最强模型全面竞争。
c) 简单任务是否会陷入低价竞争？
- 简单任务的价格压力确实更大，但行业尚未出现完全商品化或“价格打到底”的状态。
- 企业不会简单选择最便宜的模型，原因包括：
- 低价模型运行一两天后可能出现大量Bug；
- 修复错误的综合成本可能高于Token成本；
- 连续工作流一旦中断，对业务影响较大；
- 面向客户的Mission Critical场景具有很高的出错成本；
- Agent任务并非每一步都有人监督。
- 企业通常先要求模型通过最低能力和稳定性标准，再比较性价比。
- 当前能够长期、反复满足能力和性价比双重要求的模型可能只有7至8家。
- 高难度、长程任务有望保持更高溢价；中低难度任务则会面临更明显的价格竞争。
d) 海外头部模型降价是否会加大Coding产品竞争压力？
- 海外模型降价会带来一定竞争压力，尤其会影响全球化Coding产品的获客和成本结构。
- 但低价闭源模型仍难完全替代国产开源模型，主要由于：
- 价格区间仍有差异；
- 企业需要避免供应商锁定；
- 企业希望利用自有数据进行微调；
- 多模型路由已成为主流；
- 数据安全和本地部署仍是关键要求。
- 公司判断，开源模型在低成本、自主可控和企业定制方面仍有长期空间。
6. M3 Pro商业化窗口、竞争对手与增长逻辑
a) M3 Pro发布后能否快速提升ARR？
- 新旗舰模型发布通常可以提升ARR，但提升幅度和持续时间取决于两方面：
- 自身模型能够新增覆盖多少任务；
- 竞争对手何时推出更强模型。
- 海外Coding市场按用户人数计算，渗透率已较高，增速最快的阶段有所降温。
- 但从Agentic Task数量看，市场空间仍然很大，因为Agent可以自动完成更多任务。
- 国内Coding市场尚未进入海外市场的成熟阶段，公司认为目前获得的市场份额还不到潜在市场的一半。
- 模型升级最重要的价值并非单纯替换现有模型，而是处理此前无法完成的Additional Task。
- 随着可处理任务数量增加，市场规模仍会持续扩大，因此公司只要提升自身能力，就能自然获得部分新增市场。
b) M3 Pro与K4之间的竞争窗口如何判断？
- 若M3 Pro于10月发布，而K4于年底或明年初推出，M3 Pro的领先窗口可能只有两至三个月。
- 公司预计K4超过M3 Pro是大概率事件，原因包括：
- K3已经发布两至三个月；
- 对方积累了大量真实Coding数据；
- 短期内其Coding任务迭代速度可能更快。
- 但M3 Pro发布后，公司同样会加速获取数据，双方差距预计逐步缩小。
- 当前M3与K3差距较大，但未来M3 Pro、K4及双方下一代模型之间的差距预计会收窄。
c) 公司将采取怎样的差异化路线？
- 在纯Coding规模方面，公司不一定追求行业第一。
- 核心差异化方向包括：
- 原生多模态；
- 图像理解；
- 多模态推理；
- Agent能力；
- GUI Computer Use；
- 前端和UI生成。
- 当前以公司模型作为底座的Computer Use厂商和大型App数量正在增加。
- 多模态能力可以反哺全模态数据积累，并帮助公司处理纯文本Coding模型难以覆盖的任务。
- 公司判断，凭借多模态和Agent能力，有机会在Agent领域进入全球Top 2。
7. M3 Pro定价与产品分层策略
a) M3 Pro预计如何定价？
- 当前M3 Pro最终价格尚未确定。
- 公司希望每100万Token输入价格约为1美元，也讨论过0.9美元方案。
- 最终价格将根据以下因素决定：
- 产品测试期间的市场热度；
- 正式发布后的行业评价；
- 大客户反馈；
- 竞品价格；
- 客户迁移意愿；
- 模型能力和推理成本。
- 公司希望价格对GLM、KMT等模型客户具有吸引力，但不会只追求最低价格。
- 本轮定价将避免重犯M3时期的错误，倾向于先观察市场，再确定公开API价格。
- 定价策略上宁可前期相对保守、后续向上调整，也不希望先定高价再被迫下调。
b) 国内低价模型会否压制行业定价和利润率？
- 国内头部低价模型会对行业定价上限形成明显影响。
- 企业在采购模型时通常会先参考该类模型价格，再比较其他厂商报价。
- 即使其并非绝对最低价，也已经成为国内企业采购的重要价格锚点。
- 不过头部低价模型同样需要实现盈利，近期已出现涨价行为，价格不太可能无限下降。
- 其主要竞争优势之一，是在推理端完成了较多国产算力适配，能够降低部署成本并增强供应保障。
8. 算力资源、国产适配与推理部署
a) 模型在海外训练是否会影响国内商业化？
- 训练地点对后续商业化影响有限。
- 模型训练完成后，可以通过互联网将静态、冻结的推理权重传回，权重规模最多约1TB。
- 从新加坡、美国等地区传输权重，本质差异不大。
- 商业化更重要的因素是：
- 推理部署地点；
- 节点访问速度；
- 推理框架效率；
- 数据合规；
- 服务稳定性。
- 为国内客户提供服务时，推理资源原则上仍需部署在国内，主要考虑数据出境和合规问题。
b) 为什么训练资源需要靠近推理资源？
- 过去训练和推理相对独立，但当前Agent和RL训练需要在训练过程中：
- 生成大量Token；
- 执行大量任务；
- 获取模型返回结果；
- 根据结果继续训练。
- 因此，部分推理资源需要与训练资源部署得更近，以降低时延、提升效率。
- 从这一角度看，在新加坡或东南亚等靠近国内的节点训练更有优势。
- 公司也在国内建设更多相关节点，以支持训练、推理和后续商业化协同。
c) 当前推理算力是否足以承接M3 Pro上线？
- 公司当前整体算力折合A100约8万张以上，高端算力卡相对充裕。
- 推理资源不完全依赖自有算力，还会使用：
- 公有云平台；
- 高性能推理平台；
- New Cloud；
- Colocation Facilities。
- 按当前资源规划，M3 Pro上线后，国内外推理资源均可以承接。
- 不同Coding Plan的毛利率存在较大差异，但目前尚未到因推理资源不足而暂停服务的程度。
d) 国产算力适配对行业竞争有何影响？
- 国产算力适配正在成为国内模型商业化的重要能力。
- 适配能力较强的厂商，可以在以下方面获得优势：
- 降低推理成本；
- 提高国内部署弹性；
- 减少对海外高端卡的依赖；
- 满足企业本地化和数据合规要求；
- 提升大规模商业化服务能力。
- 头部低价模型的竞争优势不只来自模型价格，也来自其在国产推理端完成了较多适配。
- 对公司而言，训练阶段仍以海外高端卡为主，国内侧则重点保障推理部署和客户服务。
结构化总结表格
| 业务板块 | 核心指标/事项 | 当前状态 | 目标/时间表 | 关键判断 |
|---|---|---|---|---|
| H3商业化 | 视频业务增长 | 8月较7月约翻倍，9月较8月增长超过一倍 | 延续高增长并扩大聚合平台用量 | 已接入Crea、ComfyUI、Fal等平台，但接入到放量仍需时间 |
| 收入与ARR | 月收入及ARR | 月收入约7,000万—8,000万元，ARR约9亿—9.5亿元 | 12月ARR run rate达到15亿元 | 目标已计入M3 Pro发布后的促进作用 |
| 视频模型 | 行业渗透率 | 视频约15%，低于Coding约50% | 向实时、原生、流式应用演进 | 核心瓶颈是数据不足和任务难验证 |
| 视频技术路线 | 下一阶段能力 | 当前以草稿、中稿和2K工作流为主 | 提升速度、真实世界耦合及持续互动能力 | 生成速度快于视频时长后可解锁实时场景 |
| M3.1 Flash | 产品定位 | Preview、未开放API、绑定Code产品 | 完整M3.1后续正式发布 | 主要承担低成本、高频任务 |
| M3 Pro | 发布时间 | 较原计划略有推迟 | 计划10月推出 | 延期主要为Infra、评测和推理管线准备，并非效果不达预期 |
| M3 Pro能力 | 参数量 | 2.8T | 进入全球头部模型梯队 | Agentic能力提升最明显，前端与多模态较强，后端Coding偏弱 |
| 内部评测 | Agent/Coding排名 | GTP-bot约全球Top 3；Terminal Bench约第5—6 | 发布后通过真实用量继续提升 | 图片理解预计进入全球前二 |
| 定价策略 | M3 Pro输入价格 | 尚未最终确定 | 目标约1美元/百万Token，讨论过0.9美元 | 先测试市场，API开放时再定价 |
| 竞争格局 | 开源模型流量占比 | 约55%—60% | 继续扩大企业和Agent任务覆盖 | 多模型调用成为主流，闭源模型降价不会完全替代开源 |
| 差异化方向 | 核心优势 | 多模态、图像理解、前端UI、Computer Use | Agent领域争取全球Top 2 | 不一定追求纯Coding规模第一 |
| 竞争窗口 | M3 Pro对K4 | 预计有约2—3个月窗口 | 通过上线后数据加速迭代 | K4超过M3 Pro概率较高，但双方差距有望收窄 |
| 训练算力 | 海外训练集群 | 最新集群约1.8万张卡，约60%用于训练 | 持续保障旗舰模型迭代 | 资源主要在海外，以租赁方式获得 |
| 整体算力 | 折合A100规模 | 约8万张以上 | 承接M3 Pro国内外推理需求 | 自有资源叠加云平台、推理平台和托管机房 |
| 国内推理 | 部署要求 | 服务国内客户原则上部署在国内 | 增加国内节点与国产适配 | 核心考虑数据出境、时延和合规 |
| 行业价格 | 国内价格锚点 | 头部低价模型对采购价格形成压制 | 在能力、价格与毛利间平衡 | 国产推理适配能力已成为重要竞争因素 |
新版prompt提炼之后的转译
提问者：今天主要讨论2、3个话题：第1个是H3的商业化情况；第2个是M3 Pro的推出进度，此前一直表示将在9月推出，但目前尚未推出；第3个是国产算力的适配问题。上次沟通时，H3刚推出，您提到海外已有很多客户接入。现在大概过了1个月，能否介绍一下H3目前的商业化情况，以及您从客户侧观察到的情况？
回 答 者：A3从推出至今，最大的转折点在于大客户集中度仍然较高。另外，一些蒸馏或后训练版本实际上是完全不同的模型。例如，file的A3 Max也部署在我们的开放平台上，对收入的带动较为明显，我们也有License Fee分成。
在ARR方面，由于9月还没有结束，目前与8月相比已经增长较多。视频方面，8月较7月已经翻了1倍，9月也翻了1倍有多。Total方面，目前总收入还不到8000万。9月主要包括开放平台和Token Plan，但暂时无法细拆到海螺，海螺预估不到8000万。C端尚未完成最终统计，要到下个月初才会有结果。
目前，HMAx对应的是不同场景。由于它是接近实时的模型，因此可以接入很多不同的Use Case，其中包括我们以前完全无法渗透的持续互动场景，例如游戏、共享会话等社交场景。
提问者：您刚才提到的是收入吗？有没有最新的ARR情况？刚才所说的收入是指整个月的收入吗？
回 答 者：是的，整个月的收入乘以12，就是更加准确的ARR。一般来说，我们对外所说的ARR，是用至少1周的数据乘以52或53。按照目前7000万到8000万的收入计算，将近9亿、不到9亿。更正一下，我刚才算错了，应该是不到9.5亿，即9.5亿左右。
提问者：我有点忘了，我们之前年底的指引是多少，是10多个亿吗？
回 答 者：这个指引调整了多次。目前至少从内部目标来看，年底的 ARR run rate，也就是12月份，要做到15个亿。
提问者：目前来看，15个亿的目标应该可以实现，还是仍取决于 M3 Pro 的推出时间？
回 答 者：不取决于 M3 Pro 的推出时间。即使 M3 Pro 不推出，当然也不可能不推出，假设整体表现平平，即保持 flat，也能够达到目标。
提问者：假设 M3 Pro 推出，理论上会产生比较大的促进作用，还是目前大家会把预期放低一些？
回 答 者：会有促进作用。现在基本上每个月都有增长。按照目前的 run rate，距离年底还有两三个月，实际是两个月时间，目前还差一点。因此，目标中已经 factor in 了推出 Pro 后对收入的促进作用。
提问者：上次交流时，您的判断是 H3 主要会抢占可灵的市场。经过这1个多月，这一判断是否已经落地？是否存在不及我们当时预期的情况？目前的实际情况如何？
回 答 者：已有几个关键的大型聚合平台落地，但还需要时间。并不是接入后就会立即产生足够的用量，因为视频模型与这些聚合平台之间仍以批发形式销售。
目前抢到了较多用量，例如 Crea、Comfy UI 和 Fal 都已经上线。可灵的表现也不错，但我们有足够的2个月时间，因为他们10月份才推出新模型。因此，我们已经接入了相当大一部分用量。更重要的是，其中还包括一些可灵无法覆盖的用量。目前来看，连续2个月每个月都实现翻倍，表现已经很不错。
提问者：昨天也发布了新版本的 preview。您是否看过？其能力有哪些较大提升，对我们会产生哪些影响？
回 答 者：整体没有超出预期，主要是 audio 和 visual 方面更加 stable，omni reference 也与我们打平，能够做到15个 multimodel。
实事求是地说，它的表现比我们预期低一点。我们原本预计它会更强，但它没有太大 incentive 进一步强化这部分模型，更多是延续此前在指令遵循、物理世界理解和想象方面的能力。目前，它还没有达到我们那么多的细分程度，我们仍然比较区分模型。
回 答 者：目前仍然采用 768K，因为现在更多是草稿和中稿的形式。我们推出后，大家基本都切换到了这种形式：先用草稿跑通，最后再用 2K 制作中稿。在商业化方面，他们目前做得并不多。我们还没有进行特别仔细的研究，现阶段更聚焦于自身。后续，一些聚合平台或友商可能会开展更多横向比较。
提问者：我也了解了比较多的视频模型。这次升级后，单次时长达到 30秒，并可能支持 4K、1080P、HDR 输出。目前整个视频模型的训练和发展方向是否遇到了一些瓶颈？感觉每次大版本升级，最多只是延长时长或提升输出画质。如果未来还有大幅提升，可能会向哪些方向发展？目前是否很难再进入下一个阶段？
回 答 者：下一个阶段，我们明确的方向是 S3 Max require，更多是在实时应用场景方面进行提升。如果这部分用量增加，我们能够获得的视频数据也会更多。sequence of 数据其实更重要。
目前，视频与 coding 仍然不太一样，视频的 penetration 相对较低。coding 已经达到 50%，视频最多约为 15%。视频模型的进步确实没有那么快，主要是因为相关任务不像 coding 那样 verifiable。
但对我们而言，这次升级幅度仍然很大，主要体现在分 module 和商业化方面。以前大家采用的都是闭环方式，并以此构建地缘模型。现在我们开源后，很快出现了许多 derivative 版本，其中很多版本的表现比我们更好，甚至在一些小场景或比较 specific 的垂直场景中，会优于我们的原生模型。这体现了开源社区的力量。
目前主要还是缺少数据，模型本身也没有那么大。我们开源的模型是 33个B，尚未计算 contact IR 和 2K。
如果按照每年升级 2次的节奏来看，视频模型的进步速度会比 general model 慢一些，但更多提升会来自与真实世界数据的耦合。例如谷歌 3，或者字节之后将发布的模型，我们预计会是类似 C2.0 level 的升级模型。
速度方面也不能低估。这不只是速度快一点的问题。如果能够达到 S2，即生成速度快于视频时长，就可以实现实时、原生、流式的形态。
回 答 者：应用场景的拓展，意味着对新场景的全面解锁，因此会产生更多数据。与以往坐在电脑前进行编辑的静态模型不同，新的应用形式能够带来更多数据，推动新的飞轮运转，进一步提升模型表现，核心仍在于数据。
提问者：我们最近发布了3.1 Flash Preview版本，对吗？3.1是在3的基础上继续训练得到的吗？Flash相当于3.1的低成本版本，可以这样理解吗？
回 答 者：笼统来说，可以这样理解。由于这是Preview版本，而且没有开放API，而是绑定在Code产品中，一方面便于我们控制，另一方面也可以为Code产品引流。因此，它并不是完整的3.1版本。
提问者：关于3.1和M3 Pro的发布时间表，此前大家认为Pro最早会在9月发布，大概率是在第3季度，但目前第3季度已经结束，大概率要推迟到第4季度。此前管理层在业绩会上表示，模型训练已基本完成。后续发布时间延后的原因是什么？是模型效果尚未达到管理层预期，还是存在其他原因？
回 答 者：并不是效果未达到预期，主要是希望确保A3.1先运行起来，相关Infra管线全部部署到位。M3.1的部分评测集与M3 Pro存在复用，因此需要形成更加连续的发布节奏。如果从M3直接发布M3 Pro，实际上还有很多内容没有经过测试。
现在先发布M3.1版本，可以大幅降低M3 Pro出现问题的概率，例如避免像M3一样出现Civilian和“挑点”等问题，同时完成推理层面的优化，与M3.1保持一致。
因此，我们更多是在安排发布时间表，先发布M3.1。我们确实在9月发布了模型，但目前发布的只是M3.1 Flash，而不是完整的M3.1。当前反馈较好，但需要明确，这不是M3 Pro，M3 Pro的能力会更强。整体而言，发布时间虽然略有推迟，但至少我们在9月发布了一个模型。
提问者：该模型发布不久，目前是否观察到用量或用户数量有所提升？
回 答 者：目前没有。主要原因是我们的Code Harness并不是最好的。
回 答 者：如果只绑定在M3、M301 Flash上，确实很难。大家通常只是短暂使用。我们统计过留存，可能会掉3成，即1天掉3成，这其实是达标的；但2天的留存不太达标，下降较为明显。
因此，它并没有带动我们的产品，但我们也没有预期它会带动产品。毕竟还是要等3.1发布、API开放，再加上Harness的支持。并不是模型能力增强后，就自然会有人使用产品。
提问者：抛开我们自己的产品，从行业宏观角度来看，GPT6的Luna或者Sola都降价了。这对于Ki这类面向全球的Coding产品而言，竞争压力是否会更大？
回 答 者：竞争压力会稍微大1点。
提问者：你们会接入M5.3吗？
回 答 者：会，包括我们也是。补充刚才的问题，例如我们的M3.1，完整版的整体反馈其实超出内部预期，比同期M3好很多，也比M2系列好很多。等正式发布并开放API之后，就能看到实际情况。
从成本端来看，确实存在1定压力，而且这也不是1天2天的问题。但最大的区别仍然在于开源与闭源。无论它们多便宜，仍然没有达到我们的价格区间。
第2，大企业进行部署时，仍然会考虑是否会被OpenAI和Anthropic这2家公司绑死。需要接入Anthropic和OpenAI的企业，早已完成接入。以收入口径计算，这2家公司已经占据50%以上的市场，这1格局不会发生太大变化。
但它们能否进一步占据低端或低价模型市场，目前还看不到这种趋势。因为最大的增量仍然来自每个企业自己的小模型。即使企业目前还没有自己的模型，未来也存在这样的潜力和机会，可以进行微调。最重要的是利用自身1系列用户反馈数据，包括用户使用产品时的sequence of decisions，并在后期将这些数据用于训练和调优。
这其实是最大的价值。我们看到很多客户都在这样做，但也有很多客户尚未起步。使用开源模型，仍然能够实现这样的潜力。因此，目前我们的市场占有率仍在提高。我所说的“我们”，可能包括我们、Kimy和前文等5家。
目前不仅是在Open Rider上，从整体模型使用量来看，已经能够超过55%，达到60%左右，将近60%。整体情况还可以，主要是因为大家仍然采用multi-model的形式调用模型，我们大部分客户也都采用这种方式。
提问者：在这5家中，内部竞争格局是什么样的？是否大多数开源场景都会选择模型能力最强的厂商？
回 答 者：具体是指哪方面最强？
提问者：您提到这5家的市占率，或者其在Open中的Token流量占比仍在提升。我想了解内部份额会如何分配，主要取决于整体模型能力，还是取决于各自在不同领域处理高难度任务的能力？
回 答 者：这需要根据任务判断。如果按任务比较，主要有推理难度和任务长度2个维度。
推理难度越高，例如需要几十步、50步以上甚至上百步，Context也会随之增大，因此误差会累积并被放大。模型在执行过程中需要进行自我监督，更重要的是，在发现执行方向出现偏差后，能够回滚，具备抗污染能力。因此，在Workflow Execution方面，目前基本上只有Oce的模型能够做到。
Debugging也基本如此。GLM能够做到，Kimi可能稍弱一些。这类任务要求模型具备建模、Planning和分析能力，能够拆解任务，判断不同步骤的先后顺序，以及识别步骤之间的依赖关系。目前只有Top 3至Top 4的模型能够完成这类任务。
在我们的客户中，这部分市场基本上不需要我们进行销售，因为客户不会使用我们的模型，我们也很难触及这部分市场。因此，我们目前更多是一步一步推进。
首先，在中低等难度的任务中，由于我们在多模态方面仍然较有优势，因此比较擅长Customer Support场景，也能够进行Cross-sell。之后，我们会通过新模型，包括新的海螺模型，逐步向更高难度的任务拓展。例如，我们目前在前端方面已经表现得比较不错。
前端代码正确并不代表视觉效果正确。我们新的原生多模态模型在Front End和UI方面表现不错。因此，仍然需要根据具体任务判断。对于低难度任务，我们基本上能够覆盖很大一部分。客户测试并实际使用后，基本上使用2个模型就可以，我们能够Handle其中大部分用量。
但对于难度较高的任务，仍然需要能力更强的模型。我们推出M3 Pro，就是希望拓展到Frontier模型能够完成的任务。
提问者：未来的竞争格局是否意味着，对于长任务或复杂任务，需要更高端的模型，而这类模型能够获得较高溢价？对于简单任务，如果大家都能完成，价格压力是否会比较大？
回 答 者：价格压力会比较大。
回 答 者：模型仍需具备相应能力，因为存在很多HK。相较于最便宜的模型，大家更愿意使用性价比较高、能够覆盖这些HKS的模型。如果确实追求cost maximization，可以采用更便宜的模型，但实际操作中很少有企业这样做。因为只要运行1、2天，就会发现很多bug，需要重新处理，代价非常大。
此外，很多工作负载和工作流都是continuous的，一旦停滞，影响较大。特别是在直接面向customer的场景中，出错成本非常高，并非每1个task后面都有人盯着，很多时候是由agent持续跟进。因此，目前还没有出现真正的地板价、race to the bottom或完全commoditized的模型形态。
大家很容易将这类模型理解为chat，但我们目前能够penetrate的大部分客户，其应用场景都比较mission critical，尤其是直接面向客户的场景。因此，模型能力是否达标仍然非常重要。例如，模型首先需要通过“绿灯”这1条基准线，同时还要具备性价比。目前能够反复满足这2项要求的，可能只有7、8家模型。
提问者：能否给出1个感性认识？M3 Pro推出后会对标哪个模型？在哪些能力方面能够对标或超过？
回 答 者：至少在训练和内部分享时，我们会以上1代Opus模型作为benchmark，也就是Opus 4.7、4.8。这些模型已经非常不错。我们没有选择国内的1些模型作为主要对标对象。以目前的静态情况来看，M3 Pro推出时肯定能够超过K3。
如果与Opus 4.8相比，我们在front tier coding能力方面仍然有所欠缺，这是事实。但在Agentic能力方面，M3 Pro实现了大幅提升，因为它是1个为agent而生的模型。我们的RL基本都针对agent能力上的短板。以前我们基本没有进行过这1类training，特别是RL。因此，我们从0开始重新搭建agent environment进行训练，目前取得的结果还不错。
在coding方面，我们的web development，特别是front end，表现较好；backend相对差1点。backend表现最好的其实是GPT，也就是Astra。我们与Astra和Anthropic相比仍有差距，甚至比Musepark也要差1点点。
但overall来看，如果明天推出M3 Pro，根据目前的内测结果，其能力能够仅次于Fable、Opus 5.5、Astra和Opus 5。
提问者：就国内而言，这几个模型是否可以视为1个模型？
回 答 者：可以。毕竟我们在与时间竞赛，现在模型已经推出。
提问者：网上提到模型的参数量为2.8T，这个数字是否准确？
回 答 者：准确。
提问者：这1代模型训练需要多少张卡？
回 答 者：具体需要多少张卡并不清楚，但目前最新的卡集群规模为18000张，其中约60%用于训练。Research也归在Training中，约占1/2。
提问者：这些卡主要部署在国内还是海外？
回 答 者：主要部署在海外，目前主要通过租赁方式获得。
提问者：关于M3 Pro的发布时间，是否会先推出3.1正式版，再推出M3 Pro？这样是否至少要到11、12月？
回 答 者：M3 Pro可以在10月份推出，我们向客户也是这样承诺的。
提问者：从国产模型推出新旗舰模型的角度看，商业化层面是否通常能够较快提升ARR？这种提升效果可以持续多久？主要取决于自身能力，还是取决于竞争对手推出更新、更强模型的时间表？
回 答 者：2个因素都会产生影响。以目前的Coding渗透率来看，如果按人数计算，已经差不多了；但如果从Agentic Task来看，由于背后提供服务的都是Agent，因此可以完成的Task要多很多。
随着模型能力提升，海外市场中增速最高、曲线最陡峭的部分，至少现阶段已经有所降温；但国内市场还没有到达这一阶段。根据我们的感受，至少从Coding能力来看，我们还没有获得其中的1/2。
智谱已经获得了一些市场，主要是因为其能够承接较为Frontier的Coding Task，而且由背后的Agent自动执行。关键更在于我们能否获得这部分市场。
当然，竞争对手的能力也会产生影响，因为市场是动态变化的。但更重要的是，我们能够处理多少此前无法处理的Additional Task。这部分市场规模更大，而且每个月都在增长。
回 答 者：我们只要做好自己，其实就已经解决了大部分问题，自然能够抢占一部分市场。毕竟市场规模越来越大。
提问者：模型在国内训练和海外训练，后续商业化时会受到限制吗？
回 答 者：训练地点其实没有太大差别。大家通常都在海外训练，再通过Internet将权重传回，大小最多也就是1T。无论从新加坡还是美国传回，都没有区别，因为传输的是静态、冻结的推理权重。
更重要的是推理部署在哪里、节点速度如何，以及采用什么推理框架。训练地点主要取决于算力卡能否满足需求。现在训练和推理很多时候是并行的。以前训练和推理相互独立，但现在训练过程中需要生成大量token、执行大量任务并让模型返回结果，因此很大一部分推理资源需要与训练资源部署得更近。
从这一点看，在靠近国内的新加坡或东南亚节点进行训练会更好。因此，我们也在国内建设更多CN。主要考虑的是这一点。
提问者：如果服务国内客户，推理是否基本仍要部署在国内？
回 答 者：是的，主要涉及数据出境问题。
提问者：从推理角度看，目前国内和国外有多少算力卡可用？部分厂商可能因推理算力不足而暂停了一些coding plan。对MiniMax而言，用于推理的资源是否充足？假设M3 Pro上线，国内和国外的推理资源能否承接？
回 答 者：目前可以承接，因为我们的高端算力卡比较充裕。目前整体算力折合A100接近8万张多一点。
而且并非所有推理都需要使用自有资源。我们也会使用云平台、高性能推理平台、Newcloud以及部分Colocation facilities进行推理。目前资源仍然充足。虽然coding plan的毛利率差异较大，但还没有到必须暂停的程度。
提问者：K4可能在年底或明年年初推出。假设M3 Pro在10月推出，是否可以理解为其窗口期可能只有2、3个月？应该如何理解这一竞争态势？
回 答 者：可以这样理解。毕竟K3已经推出了较长时间，大约有2、3个月。K3是一款很优秀的模型，我们也非常尊重。在此期间，他们积累了很多珍贵的数据，因此在Coding任务上的进步速度，短期来看可能比我们更快。理论上，我们预期K4超过M3 Pro是大概率事件。
但是，M3 Pro推出后，我们的进步速度也会同步加快，双方差距可能逐渐缩小。目前M3与K3之间的差距仍然比较大，但M3 Pro与K4，以及我们下一代推出的模型，彼此之间的差距会越来越小。
特别是在多模态能力方面，我们的优势可以反哺全模态数据。我们还能够处理一些他们无法处理的任务，原生多模态能力相对较好。尤其是在Computer Use领域，针对基于GUI的Computer Use，采用我们作为底座模型的厂商和大型App越来越多，多模态优势以及Agent方面的增速正在逐渐显现。
在Coding方面，我们可能无法做到规模最大，但在Agent方面，凭借图像理解和多模态推理能力，肯定能够做到Top 2。
提问者：明白，我们还是会采取差异化路线。在Coding方面，Kimi、K4可能仍然比较领先，这应该是一个共识。我们内部是否已经对M3 Pro进行了一些测试？在复杂任务或长程任务方面，它的实际能力如何？是否有相应的评价或基本判断？
回 答 者：可以。具体分数目前还不能公布。我们已经进行了相关测试，也有内部看板。目前来看，M3 Pro在GTP-bot上的能力提升最为明显。GTP-bot基本上是Open AI的一项EVAL，主要评测模型在真实生产任务中的推理能力和执行能力，可以视为Agentic能力的一个风向标。在这项评测中，我们能够排到Top 3，即全球Top 3。这是我们最引以为傲的表现，与K3相比领先较多。
在Terminal Bench上，如果现在进行排名，我们大约能够排在第5、第6。Terminal Bench对Coding能力的要求相对较高。这2项评测都比较重要。
回 答 者：在图像、图片理解方面，肯定能够排到第1、第2。我们的差距可能主要在编码能力上，因为这方面对数据的依赖较大。
提问者：M3 Pro推出后，定价方面是否已有大致预期？每100万token的输入、输出价格大概会处于什么区间？
回 答 者：这也是我们先推出产品测试市场热度的原因。目前我们不希望再犯M3定价时的错误，会先观察市场评价，等到公开API时再确定价格，宁可后续向上调整，也不会向下调整。关于最入门级版本，您问的是M3 Pro还是M3.1？
提问者：M3 Pro。
回 答 者：M3 Pro的价格目前确实还没有确定。我们希望将每100万token的输入价格定在1美元左右，同时也希望提供较高的性价比。毕竟我们希望吸引部分GLM和KMT的客户转过来，因此价格仍需具备较强吸引力，但并非只追求性价比。我们讨论过0.9美元的定价方案，不过最终并非由我们决定，而是由老板根据市场反馈及大客户的反馈作出决定。
提问者：M3 Pro与M3.1是否都可能在10月份推出？两者的定位有何区别？后续是否会将M3.1作为底层模型运行，而M3 Pro作为旗舰模型？
回 答 者：目前来看是这样，两者承担的任务不同，有点类似现在C的定位，区分比较明显。低成本模型将由M3.1 Flash承担。
中间层级方面，我们目前按照Context Window进行分层定价。M3.1和M3 Pro仍会沿用这种分层价格，以512以下和512以上区分不同价格。之后我们可能会重新评估这一方式，但这是后续事项，目前还没有进行详细讨论。大致会采用这样的分层方式。
提问者：DPC最近也进行过1次涨价。它是否会对整个国产模型行业的利润率产生压制作用，进而影响各家的定价上限？
回 答 者：会有影响，至少在国内市场如此。企业在采购或选择接入何种模型时，通常会先了解DBC的价格。即使它不采用这样的低价，大家仍会参考DBC的价格进行比较。不过它的价格也不会低太多，因为它同样需要盈利。最近它也涨价了，其更主要的优势是在推理端能够完成很多国产适配。
原文转译
感谢专家参加我们本次的一个访谈,呃,首先我读一下声明啊,稍等。 OK,呃,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,您知道保密协议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。 同意。 OK,好。诶,专家那我们开始吧。 今天我们其实主要聊两三话题吧,第一个就是那个H3的一个商业化的情况。 第二个就是看看M3这个Pro的一个一个一个推出的这个进度,因为之前说一直九月份要推嘛,现在还没推。 然后第三个可能就再讲讲一些这个国产这个算力的适配的问题啊。 那首先还是就咱们之前上次也聊过嘛,就是呃,当时H3刚推出的时候,其实您您跟我讲就是海外很多呃,这个客户就是已经强调接入进去了,但是实际上现在已经过了大概一个月吧,您能了解,呃能简呃讲讲就是目前的一个H3在商业化的一个情况吧,就是说目前的一些或者是些您客户那边看到的一个情况。 OK,没问题。A3啊,其实从从推出到现在最大的一个转折点,这个这个拐点其实是 呃,首先它比较之后一点,就它大客户的这个集中度还是属于比较高的。 然后另外一个的话就是一些嗯,蒸流这个蒸流或者说啊这个后训练的一些版本,它其实是个完全不同的一个模型,就比如说file的那个A3 Max,我们也是呃在开放平台上面部署了,这块的话其实对于收入的带动还是挺多的,然后我们也有 呃这个license fee的分成,所以其实在ARR方面,我们能看到,现在9月还没结束嘛,对吧,就相比起8月份的话,其实已经 呃,涨了还挺多的了。 但是具体就是说是视频 占多少是,首先我们视频其实比起,8月比7月已经翻了一倍。 然后9月份这个视频也翻了一倍有多,对。 然后total的话现在总收入还不到8000万。 这个9月份我们 就开放平台加token plan这块,然后如果没没能细拆到这个海螺,因为海螺我们预估的话就不到8000万这样子。 C端的话还还还没有做最后的统计,然后到下个月初才会有。 嗯目前的话其实HMAx是一个不同的场景嘛,因为是接近实时的一个模型,所以有很多不同的 嗯这些use case其实是能够接入,这是以前我们完全没能够penetrate的一些场景,就是持续互动的一些一些场景,比如说 游戏啊,然后这个共享会话,等等的一些社交的这些场景,对。 嗯,明白。您刚刚收入,是说的收入吗?有没有一个最新的AR的情况? 你刚说的收入是指 呃整个月的吗? 对,整个月的收入乘以12就是一个最更更加准确的一个AR嘛,就是就一般来说AR是拿 啊,至少我们知道我们对外说的话是拿一周的去乘以一个52,53這樣子啊。 啊,如果说现在的收入情况下7000 800,将近,将近有个9亿的,对,不到9亿,对。 嗯,明白,明白,了解了。 OK,呃,然后 就是我想了解就是海螺它是 啊不是不是,Sorry sorry。 我我我算错了,九九九点,不到9.5个亿,9.5个亿。 嗯嗯。 嗯嗯嗯嗯。 是这个。 了解了解。 呃,那这我有点忘了,之前我们年年底的指引是多少来着? 十,十多个亿是吗? 我们,我们换了,就调了好多四啊,这个指引,现在啊,至少我们内部的话是年底的ARR run rate,呃 12月份要做到15个,15个亿,对。 嗯嗯嗯,这15个亿目前看起来应该是OK,还是说其实还是取决于M3 Pro推出的那个时间呢? 啊,也不取决于,就算我们M3 Pro不推出,也就也不可能不推出,就是平平无奇的话,假设,对吧,就flat,也是能够达达到的,对。 嗯嗯嗯,明白明白。 呃,那假设如果说,这这这里面其实我我是稍微有点困惑或者想猜这个,假设M3 Pro推出来了,那你理论上是会对有个比较大的促进作用,还是说实际上目前大家把预期会放得低一点呢? 啊,会有促进作用,啊,因为现在我们基本上每个月的话,其实都有增长嘛,对吧? 那其实如果 依照现在的这个,这个这个run rate的话,其实 还差两三个月,两个月时间,对吧? 那其实还差一点,所以其实已经factor in了,就我们推Pro的时候其实会能够促进这个收入,对。 嗯嗯嗯嗯,了解了解。 咱们上次聊的时候其实,呃,您您当时就下个段人就是H3主要会会吃的是可灵的市场嘛,那目前就是过了这一个多月,您您您看到就是这个推断是是已经再落地了,还是说有没有说不及我们当年的一个一个一个预期啊,就是目前实际的情况是什么样? 啊有几个关键的这个大的这个聚合平台已经落地了。 毕竟它还需要时间,就不是说你接近了就有人用,还是你用量跨够的,因为啊视频模型还是我们跟这些聚合平台还是以这个批发的形势去去卖,对吧? 那现在的话其实抢的挺多的量,就比如说Crea,然后Comfy UI这些其实都上了,还有Fal对吧,然后但是可灵也挺好的,就我们有足够两个月的时间,他们10月份才推这个新的模型嘛,对吧,所以足够多的时间就其实把挺大一部分的量都已经接进来了,更重要的其实是一些可灵吃不到的一些量吧,嗯,其实现在目前来看就两个月啊每个月都翻倍其实已经挺不错了,对。 嗯嗯嗯,明白。 对。 对,然后左就是昨天可能也发发了这个新的这个版本嘛,对吧? 呃,你有没有大概去 那个是preview。 对,一个preview,就是呃,您怎么看,就是或者您有没有去去看过,就是他们能力上有什么大的提升,然后对我们的影响有哪些影响吗? 呃倒没有,就是我们预期当中的,对吧,就 这个其实也是它就主要是audio和visual就比较更更stable了,然后omni reference也是跟我们打平,对吧,就能够做到15个multimodel的,对。 然后,其实但是其实 跟我实事求是的说,其实比我们预期要低一点,对,我们就预期它会更强一点,对吧,它其实也没有什么incentive去更加强化它自己的这块的模型,更多的是它以前的,比如说这个对指令遵循,然后对物理世界的理解,这块的一个想象的一个一个延续吧。 啊,但是还并没有做到我们的那么多的这个分,就我们还是比较分这个模组型的,对吧,就 768K的,其实是还是就做768K的,因为现在更多的是一个草稿形式和中稿的一个形式嘛,对吧,大家其实都,就我们推出了之后,其实就换了这这样的一个形式,对吧,就草稿,这个先先跑通了,最后才拿2K,这个2K的去做中稿。 这块的话其实在商业化这块其实他们做的并没有太多。 嗯。 我们还没有太仔细的看,更更focus在自己吧,就横向的比较其实后面一些聚合平台或者我们的一些友商其实会或者会做更多的这个比较,对,包括。 明白明白,其实就因为我也聊了比较多这个视频模型,是不是现在整个因为我大概看可可能就是这次就是升级到这个单次时长30秒,然后可能支持一些4K1080P的这个这个这个HDR的输出,是不是整个视频模型的一个训练,目前也是会说遇到一个不说训练卡,就是说大家这个发展方向上是不是也是也有一些卡点,就是目前感觉每个大版本升级,顶多就是把时长再提升一点,可能就是输出的画质再提升一点,就是呃就是能帮我们想象一下,就是如果说还有一个大范围的提升的话,会会往哪个方向去走,还是说但是目前看是不是也很难再往就是下一个阶段去提升了。 嗯,下一个阶段,明显我们是S3Max require,就是已经是在我们的方向了,更多的是在实时这块的一些使用场景去做提升,然后这块的用量如果多的话,我们视频的数据也会更多,对吧? 这块其实是一个sequence of这个数据其实是更重要的,现在的话其实视频还是跟coding不太一样,对吧,它的penetration还是稍微相对来说比较低,对吧,就coding的话为50%,现在这个视频的话最多是15%的样子。 那其实现在你说的对,对吧,视频模型,它的进步并没有那么快,主要是因为任务也没有那么verifiable,对吧,也像coding一样。 嗯,但是现在其实对于我们来说,其实升级也还是蛮大的,主要是在这个分module和商业化这块,就别小看他,因为以前大家全都是做闭环的,然后去做这个地缘模型。 那现在我们其实做开源之后有很多,马上其实我们发了他之后,有很多的这个derivative的版本,其实很多都比我们好,甚至是在一些小的场景上面,或者是一些比较specific垂的一些场景上面,会比我们原生的的一些模型会更好一点。 那这块的话其实是开源社区的一些力量吧,对。 呃,主要是缺数据,对吧,也是也不是那么大的模型,就就把对吧,我们其实开源的那个模型其实就是33个B,就没算这个contact IR和2K。 呃,其实现在的话,我们如果以每年升级两次的一个节奏来看的话,其实它的进步速度会比这个general model会慢一点,但是更多的会来自于跟真实世界这块的一些数据的一些耦合,对吧,比如说像谷歌,3,或者说字节之后要发的那个模型,对吧,也是一个我们预计吧,就是像C2.0这样子的level的一个升级的一个模型,主要是它的速度别别小看了速度这块,对吧,不只是速度快一点,如果你能够达到一个S2,就是说生成的速度其实是快过它的这个视频的时长的话,你就可以做一个这个这个实时的原生流式的一个这样性质的一个。 啊,应用场景,就是对新的场景完全的一个解锁,所以数据的话会更加多,对吧,就不是以前的那个坐在电脑前面做编辑,然后这个静态的一种模型这样表示了,所以更多的是解锁了新的形式,然后更多的数据,对吧,然后新的飞轮又转起来了,然后新的模型会更好一点,对吧,主要是吃数据这一块,嗯。 嗯嗯嗯,明白明白。 然后咱们最近也发了个3.1的flash preview版本是吧? 呃,那那就是3.1还是在3的基础上去再后续训练训练出来对吧? 它flash是等于是这个3.1的一个更更低成本的一个版本是吗? 可以这么理解吗? 啊,笼统的话可以这样子理解,对,主要是for 啊这个preview嘛对吧,而且它不是开了这个API,它是绑在了这个code的产品里面,对吧,也是第一个就是我们比较容易控制,第二个就是也是顺带的就为我们这个code这个去引流吧。 对。 嗯,所以不是一个完整的3.1的,对。 对对对,就是就反正,呃,那就是这个时间表的问题,就是3.1和那个M3 Pro。 因为之前大家都在说Pro就是最早9月,然后大概率三季度嘛,那三季度,三季度已经过了,就是大概率就要到四季度去了,四季度就觉得什么时候会会出来,然后目前是3月上,就之前就是业绩会上其实管理层也说差不多训练完了嘛,就是目前还后置的原因,对对对,还后置的原因是还在 呃,怎么训练上,就是是是因为此次的效果上可能还达不到管理层的预期,还是说呃,什么样的原因呢? 啊不是效果达不到预期,对,呃,主要是因为我们不想,我们要想确保,对,那个A3.1先run了,然后一些infa的管线都,啊, 部署到位,对吧,因为M3.1其实,啊,它的一些,它的评测级其实跟M3 Pro是有有复用的,对,所以是更,啊,更continuous的,更更连续的一个,一个一个发布吧,就如果从M3然后直接到M3 Pro的话,其实有有很多都没有没有测过。 啊,那如果现在我们发了一个M3.1的这个版本,啊,这个M3 Pro翻车的概率就小很多,翻车的意思就是说,啊,比如说它的,啊,这个不会有这个civilian这个,像M3一样对吧,去去挑点的这个东西,啊,然后在推理上的这个优化也做好,对吧,跟M3.1是一样。 那所以的话,我们更多的是一个排好时间表,对吧,先发M3.1,确实我们也在9月份发出来了,对吧,M3.1。 啊,M3.1还没发,只是这个M3.1 flash,对。 啊,所以现在的反馈我们,我们的这个,反馈也挺不错的,对M3.1来看的话,这个要记住,这不是M3 Pro。 对。 嗯,M3 Pro是会强,对。 对,那所以还OK,就是,嗯,稍微推迟了一点,但是至少我们在9月份发了一个模型,对。 嗯,了解了解。 呃,因为可能发也没多久啊,就是,那,就是有没有看到一些这个用量上或者是这个这个这个,这个这个用户的数量上面有有一些提升? 嗯,没有,啊, 更多的是,啊,因为,因为毕竟是这个 我们的code,这个harness不是最好的一个,对。 那,所以如果你只是在綁定在M3,M301 Flash上面的話很難,大家只是用一下,然後就,我們我們也也有去統計一下那個留存啊,對吧,就留存的話,我們可能掉三成,就一天掉三成其實是達標的,但是其實我們兩天的話其實,對吧,就不太不太達標,就就有點掉了。 那所以其實沒有帶動我們的產品,但是我們也沒有預期它會帶動我們的產品,因為畢竟還是得3.1問發了之後,對吧,然後API發了之後, 啊,然後加上harness提供,對,不是說你模型強了,然後你這個 產品就會有人去用,對。 嗯嗯嗯嗯,了解了解。 然後就是,那拋開我們自己本身產品來講啊,就咱們講一個行業宏觀的問題,就是呃,其實像GPT6的那個Luna或者Sola,它其實都降價了嘛,呃,那那這個對於像Ki這種,它是不是會會競爭壓力會大一點啊? 就是面向全球的這種coding的產品。 嗯,稍微會大一點, 你會接M5.3。 嗯,對,包括我們也是,但是首先啊,就我還沒還沒回答完你的一個問題,就是剛才, 啊,比如說我們M3.1,對吧,整體的反饋其實比我們,就完整版的話,其實比是超預期的,對吧,跟我們內部來說的話, 啊,就比起同期M3要好很多,比M2系列的都要好挺多。 啊,但到發了之後就就開完API之後就能夠看到。 然後對於成本端來看的話,啊,確實是有點壓力的,就這個其實也不是一天兩天的一個事情,對。 啊,但是最大的一個問題就是說,他們還是,畢竟還是開源和閉源的一個一個一個關係在那兒。 對,啊,就他們多便宜,還是沒有能夠達到就我們的這個這個價格,這樣子的一個 range吧。 然後第二的話就是一個大企業它去做部署,它還是會看就會不會被OpenAI和Anthropic被綁死,對吧? 這個其實要接入Anthropic和OpenAI的就早就已經接入了,對,而他們其實已經吃到兩家,如果以收入的口徑來記的話,已經吃了50%以上的市場,對吧? 那啊,這個其實不會太去變的,但是他能不能夠吃掉就低端或者是便宜模型的這個市場呢,這個我們目前來看,看不到這樣的一個一個事情,因為還是最大的一個這個增量還是每個企業它都會有自己的小的模型,對吧? 然後啊,或者說至少現在沒有的話,還是以後有這個potential,有這樣的機會, 會微調,最重要的是自己一系列的一些用戶反饋的數據,就是說在使用自己產品的時候,sequence of decisions,然後把它訓到這個在後期做做調優。 啊,這個其實是最大價值的,我們能夠看到其實有很多客戶都在這樣做。 但是很多還沒有起步這樣做,就拿開源模型的話還是能夠去去做到這樣子的一個potential的,所以現在我們看到我們的市佔率還是在提高,就我們,我我說的我們可能就是我們家Kimy和前文,這五家吧。 那現在能夠站到的還不只是Open Rider上面的嘛,就就整體模型使用量上面能夠超過55個,60個%的樣子。 對,將近60個%。 那其實還好,主要是大家還是一個multi-model的這個multi-model的形式,不是model, 去調用模型,嗯。 比如說我們大部分客戶他都都是用對。 我這邊我在 嗯。 你說。 對,呃,我就是我再隱生兩個問題啊,就第一,第一個就是 呃... 呃,就是在这五家里面,其实,呃,内部的竞争格局又会是什么样,就是是不是说谁的模型能力最强, 呃,其实多数的这个开源这个场景啊,是会给到模型最强的人。 然后第二个就是说, 呃 最强什么? 就你就你你 开源场景给到模型最强 模型能力最强的。 嗯。 呃,对,就是您您您说就是说这五家可能他的这个市占率,或者说在Open里面他的市占率还在,就是流token的占还在提升嘛。 但是我想就是了解一下,呃,在这个内部,它会是个什么样的一个分配?就是对于模型能力的要求是什么样的? 还是说看谁在哪个领域的hardness的能力更强一点,就这个怎么看? 呃,要看task,你 呃,首先,呃,就我们如果按task来比的话,还是分呃,这个 推理和任务的,推理难度和任务的长度,这两个维度。 呃,然后推理的难度越高的话,比如说你要几十步,就上50步以上,上百步,context也是 会变大,所以误差会累积被放大。 而且这个模型中途要自我监督,然后还可以,最重要的是有发现走偏了之后,去这个这个回滚的这样子的一个抗污染能力,对吧?所以做workflow execution的话,其实还是只有前面的模型,就基本上只有Oce的模型能够做到。 或者说现在 是能做到。 啊,这个debugging也也基本上是,然后,呃 debugging的话,GLM能够做到,可能Kimmy的话差一点点。 对。 呃,然后,呃,因为它还是要求你有要有要建模,对吧? 呃,去做planning,做分析,其实要 把任务拆拆解,然后哪个先做,哪个后做,哪个步骤和另外一个步骤其实是互相依赖的。 其实这类的还是只有top three的模型,top three到四的模型能够去做。 就我们的客户里面基本上基本上我们也不需要去sell,对吧,就他不会去用我们的,我们我们基本上 就就碰不到这部分的一个市场。 呃,所以现在我们更多的是一步一步来,对吧,我们现在 第一,中低等的这些任务,比如说 呃,这个因为我们多模态 这个还是比较有优势了,所以做customer support的这些场景还是比较在行,对吧,就能够去cross-sell。 所以这块我们之后之后慢慢透过新的模型,然后也包括新的海螺的模型, 呃,其实能够往上面的一些任务去爬,比如说现在我们做前端已经是比较不错的了,对。 所以前端的 呃,做代码正确也不代表视觉的正确,所以我们新的这个 呃,原生多模态模型其实对做front end和UI的其实做做的不错。 呃,所以还是分这个task吧,就低难度的一些task, 呃,基本上我们能够 吃掉很很大一部分,就客户如果测是测过了,用用好了,他基本上用两个模型就OK了,然后我们其实能够handle大部分的这些用量。 但是,呃,还是比较难的一些模型的话,难的一些任务的话,还是要有比较高的一些模型,所以为什么我们M3 Pro 要推出来,其实就是想要去判到这个 啊,frontier模型能够做到的一些 task上面去。 对。 嗯,嗯嗯,明白明白。 呃,那那以后是竞争格局就是说对于这种长任务啊,或者复杂任务,呃,实际上就是需要这个,怎么说呢,更更高端的这个模型,然后这块模型他们其实能赚到比较高的溢价,对吧? 然后对于一些简单的任务是不是,呃,如果大家都能做的话,就是这个价格压力上还是比较大的。 嗯,价格压力上会大,但是 啊,你还是得要有,因为有,有很多的HK, 嗯,大家宁可去,呃,就不是说,呃,大家到了一个,呃,他宁可去,去用一个比较,呃,性价比高,但是不是最最最便宜的那种模型, 能够去catch这些HKS。 呃,就现在如果你真的是for这个,真的是cost maximization的话,呃,你是可以这样做,但是,呃, practically就在实操上,很少企业会这样做的, 因为,呃,只要你去run一两天,你就会发发现bug很多, 你得重新去做,所以这个的代价非常大, 而且你停滞,很多都是一个continuous的一些workload和workflow, 甚至是如果你是对外的话,对customer的话, 你宁可,宁可他的这个错误的成本其实是非常高的,就不是每一个task都是后面有个人盯着的, 很多时候是agent去跟着的。 所以,呃,现在还没有看到一些真的是地板价或者说真的是race to the bottom,这些完全是commoditized的这些模型。 的形式出现,就不是每个,大家很容易把它去代替成为chat,对吧,但是, 呃,现在有很多,我们大部分能够去penetrate的这些客户,其实他的,呃,还是比较mission critical的吧,对吧,嗯,特别是如果是对客户的话。 所以,你模型能力在线, 呃,比如说要跑过一个绿灯,就一个基准线,还是比较重要的,而我们看到的就是说,OK,你达到绿灯跑通, 呃,然后同时也具有性价比,现在来说可能只有 七八家模型, 反复能够做到,对。 嗯,明白,明白。 呃,就能不能给一个感性的认识,就是说M3 Pro,呃,它推出以后会对标哪个模型啊,然后在哪些能力方面是能够对标和超过的? 这有点,嗯。 对,呃,可以这样说吧,就我们,呃,至少在训练和内部分享会的时候会以Opes, 呃,上一代的这个模型去做benchmark。 嗯。 也就是Opes4.7,4.8,对。 嗯。 然后,呃,其实已经很不错了,对吧,就这个模型。 那,呃,我们不不取拿这个,啊,这个,嗯,比如说,国内的一些模型,因为我们目标现在,以以现在静态价来看的话,我们推出的时候是能够超过,M3 Pro肯定是能够超过K3的一个模型。 那,呃,如果比起Opus4.8的话,我们在front tier coding的能力还是比较欠缺。 对,这个是,呃,这个是事实,对吧? Agentic的能力上面,我们是大大的提升了,对, 因为我们这个M3 Pro是一个为agent而生的一个模型, 我们的RL基本上全都是针对于在agent能力上面的一些 短板,对,以前我们基本上没有做过这一类的这些training,对,特别是RL, 然后我们就基本上从零开始,对吧,就重新搭建了agent environment去train, 然后现在结果也也交出来了。 还不错。嗯,coding的话,web development就front end的做的比较好, backend的还是比较差一点,就backend做的最好的其实是GPT吧,这个Astra。 然后,我们还是,跟它和跟Antropic都都差一点,甚至跟Musepark,Musepark比也也也要差一点点。 呃,但是overall来说,能够做到, 呃,现在,如果我们明天推出来,对吧, 现在是能够,呃,据我们内测的结果是能够 紧次于Fable,Opus 5.5, Astra, 呃,还有Opus 5。 一个模型,符合这个吧,这几个模型就 所以可以说是是一个,对吧,就国内的话,嗯 但是毕竟我们跟时间在竞赛,对。 现在出来的话,对。 嗯嗯。 咱们是就网上说是两点2.8T的这个参数嘛,就是是这个数是吧? 对。 OK, OK。 呃,这种就您聊到就是需要多少卡去做训练呢? 嗯,反正需要多少卡 exactly是这个 for 我们这一代的这个模型去做训练,对吧,然后做,我们不知道,我不知道。 啊,但是至少我们我知道我们现在的卡的 这个 cluster的规模有多大, Black的卡,然后 基本上有六成都都是用来做训练的,对, 的训练。 然后 对这个数量有多有多少呀?嗯。 啊现在目前最新的话有个18000张,对。 OK。 Black, Black,还蛮多的。 啊然后 research为, research其实是归在 training里面嘛,对吧,就得到一半,对。 嗯 嗯,了解了解,这个卡主要是在国内的吗,还是还是 海外的,海外的 是海外的,OK。 然后主要是通过租赁的这个形式。 对,现在还是 OK,了解了解。 嗯,了解,Pro就是有没有讲讲这个时间点,就是有没有可能,就我我大概get到就是说可能先3.1的正式版推出来。 然后再推这个M3 Pro,是不是那至少可能得到11、12月了,或者说你觉得这个中心,OK。 10月份能够推出来,对。 我们跟客户客户是这样 promise的。 OK,OK,了解。 然后就就从这个国产模型的这个这个这个推出新的旗舰模型的这个角度来看,就从商业化角度来看,是不是一般来说还是能够比较快速的去提升这个这个这个ARR的,然后这个提升的效果可以持续多久啊,就是这个取决于自身的能力,还是说取决于这个竞争对手他推出的一个更新更收塔模型的这个这个这个这个时间表。 两个都有,主要是看其实你能不能够,就以 现在的话,coding的 penetration,如果你以人数上来记的话,还已经差不多了。 但是以gentic task来看的话, 因为背后 serve的人都都是 agent,对吧?那所以他可以做的 task多了很多。 所以当模型能力现在提升的话, 就最高增速的那个,那个最这个最斜,最陡峭的那那个那个curve,其实的那那一趴在海外其实已经至少现阶段来看的话,已经降温了一点,但是在国内的话其实还没还没到那那一块,那那个我们的我们的感觉和至少以以coding的能力上面来说,我们还没吃到那那那那一半。 智普有一点了,对吧?那主要是因为他能够接到一些比较 frontier的 coding的这些 task,而且背后是 agent去用的,对吧,比较自动的一个事情。 那就更取决于我们能不能够吃吃到这个这部分的一个市场。 我们更多的不是说就当然会也取决于金融对手的能力,因为这是一个比较动态的一个市场,但是还是看我们能够handle多少这个 additional的之前handle不了的一些 task。 这个其实是一个更大的一个市场,对吧,因为每个月都在增增长嘛。 我们只要做好自己,其实就已经解决了大部分的一个问题,对吧,也也也就自然的话就能够抢到别人的一些市场。 毕竟饼在越来越大,对。 嗯嗯嗯,明白,明白。 呃,然后就就还有一个问题是,其实这个模型它在海,在国内训练跟海外训练,它其实后面在商业化的时候, 嗯,它会有一些限制吗? 嗯, 训练在哪儿倒,其实没有什么 差别,其实大家都是在做,在海外做训练,然后把权重通过internet去传回来,其实也最多就1T的这样子的一个大小,大家都是这样做的。 呃,也没有什么,没有什么秘密,对吧,大家都知道是这样做的,就你是新加坡传进来的,还是在美国传进来的,就没什么区别。 因为这是静态,这个是一个这个冻结了的嘛,对吧,就那个权重其实是不是推理的权重。 嗯。 所以没有什么大的差别,更多的是你在推理的时候布在哪里,然后你的节点是快不快,然后你的推理的框架是什么,对吧? 啊,这个倒是比较讲究,对,但是训练在哪里进行的,就看你的卡 啊能不能够,因为现在训练和推理其实很多时候是并行的嘛,对吧? 就以前的 形式是你训练归训练,推理归推理,但是你现在要同时在训练的途中,你要吐很多token,然后执行很多任务,让模型去做返回。 所以有有很大一部分做推理的这块其实是要跟 啊,这个训练要走得近一点,所以现在这样子来看的话,呃, 呃,怎么说呢,就在接近国内 比如说在新加坡,或者说在东南亚这样子的一个节点去做训练会比较有好过。 这个是我们看到的一点,所以我们也在国内去建 更多的CN的像一些在国内的嘛,对吧? 嗯。 主要是这一点,对。 嗯嗯,然后推理这块,就比方说你服务国内客户是不是推理基本上还是要部署在国内的? 对的。 就是关于一些数据的这个这个出境的问题啊。 啊对,肯定是。 OK,了解了解,那我们现在就是 咱们刚刚讲到那卡,就主要是用于训练的嘛,就是但但但是从推理角度来看的话, 呃,有多少卡可以用于这个训练,然后目前就是分国内跟国外。 推理角度有多少卡能够用来训练? 啊不是,就是有多少这个卡就是可以用于这个,因为就是有些厂商就是说他可能推理他暂停了一些coding plan,因为他的推理能力,就这个算力也不够嘛,在 minimax 的这个角度来看的话,呃,我们就是用于这个推理的资源是不是充足的?对,假设我 M3 Pro 上了,你这个呃,国内跟国外,就是说你推理上面这个这个资源接不接得上的问题,对。 啊,接的,目前来说是接得上的,就因为我们卡确实比较,高端卡的话还是比较充裕。 现在我们total的这个 整体等价的这个这个A100的卡的话就有接近8万张多一点,对。 那 而且不是我们所有都都东西都要自己拿来去做推理,对吧?我们也有很多 啊,就云平台,高性能推理平台,这个这个Newcloud, 一些Colocation的一些facilities,对吧,去 去做推理,那 目前来说还是够的,而且coding plan这个这个还不到,虽然它的毛利率差很多,但是 我们还不到一个这个 必须要暂停的这个地步,对吧,跟支不太一样。 嗯,对,目前来看还是够的,在上面。 嗯,明白明白。然后就是另外一个就是还是个竞争的问题,就是,呃,Kim。 K4可能就是说年底啊,有可能是明年年初就推出嘛,就是 那那那对于假设M3 Pro这个10月就推出了, 那是我可以理解为就是你有的一个窗口期可能就是可能两三个月的这样一个窗口期,还是 我怎么去理解这个竞争态势呢? 呃,可以这样理解,就如果你是从,呃,因为毕竟他K3也推了挺长一段,就就挺长一段时间,两三个月了,对。 那还是一个挺牛的一个模型,我们也很尊重他。 然后这个期间其实也积累了很多比较珍贵的一些数据, 所以如果从这样看来说的话,他们可能 在,呃, coding 的这些task上面的进步速率,短期来看是比我们要快一点的。 所以理论上我们预期啊,就K4的话还是能够超过我们M3 Pro的一个模型,就是 比较大概率的一个事情。 但是,呃, 这个我们M3 Pro,M3 Pro推出之后,我们的 进步速度也会同时加快,就可能这个差距会缩小,就我们现在M3跟K3的这个差距其实很大的,对。 啊,怎么说,还是比较大的,对。 然后,但是M3 Pro和这个K4,然后可能下一代我们去推的模型就会越来越小。 啊,特别是在多模态能力上面,其实是能够反补到一个全模态的一些一些,呃,这个,呃,数据上面。 啊,然后还有一点就是说,呃,我们能够handle一些他们handle不了的一些task, 对吧,这个我们原生多模态还是 做的比较好的,然后这个其实对于,特别是现在对于computer use, 对吧,就你特别是GUI based的这个,GUI based的这个computer use,其实拿我们去做底座模型的这些厂商和大的这些app越来越多, 其实这一点,呃,我们多模态的这个优势其实就能够显现出来了,对,然后agent上面的一些增速其实能够显现出来了。 对,可能coding上面我们吃不了,做不到最大,但是agent上面我们能够看看懂图,然后能够做多模态推理的话,其实我们肯定是能够做到top 2的。 是,是。 嗯,明白明白,就是说还是做一些差异化的,就是说在coding这块, 呃,可能Kimi,K4可能还是比较领先的,对吧? 这个可能是一个共识。 然后了解,就咱们有没有内部看到我就是咱们那个M3 Pro的一些测试啊,就是说咱们在长一些 呃,就复杂任务啊,或者长程任务上面的这个实际能力会是什么样的? 就有没有一个评价或概念? 可以。 呃,具体的这个分数还是不能,还还说说不出来啊。 对,我们有测的,都有测,但是,呃, 现在目前来看的话, 呃,我们也有看板。 这个在,在这个GTP-bot上面我们的能力提升是最明显的。 GTP-bot基本上就是一个Open AI上面的EVAL,对。 然后它是评测在真实这个生产任务上面的特理能力和这个执行能力,基本上就是agentic能力的一个一个风向标吧。 呃,这块的话,呃,我们能够排到top 3,就全球top 3。 啊。 啊, 这个是我们最引以为傲的, 这个是抛离K3挺多的。 嗯,然后Terminal Bench的话,我们差,我们 可能现在去排的话,能够排个第五第六样子。 对,Terminal Bench,因为coding能力上面还是比较 呃,比较heavy。 然后这两个是比较重要的。 啊,然后对于这个 啊,这个图像的图片这些理解都都太理解,这个肯定是能够排到第一第二的,对。 嗯,我们差的可能就是差在这个这个coding能力上面,对,因为这个还是挺吃数据的,对。 对对对,明白明白。 嗯,然后想问一下就是3 Pro出来以后,呃对这个定价也有一个大概的预期嘛,就是每百万特克的输入输出大概会是定在一个什么样的一个价格区间。 好问题,这个也是为什么我们跑出来试试热的一个原因,那, 啊,现在的话我目前想要,我们不会犯M3一样的错误吧,就我们先看一下评价,然后去再再公开API的时候才会定一个价格,然后宁可往上调也不会往下调。 我们先目前来看的话,想要把最入门级的版本 M M3 Pro吗你说的? 还是M3.1? M3 Pro,嗯。 M3 Pro还还确实不太知道,就我们想要,我们想要去摸到的是 一块钱美金,每百万token的输入。 但是我们也想要可能去做 啊这个比较高性价比的一个,因为毕竟还还有有有一些想要能够去吸引到这个GLM的一些客户和KMT的客户去转过来嘛,对吧? 所以还是要有要有一个比较好的一个一个一个价格的吸引力在这,不是说我们只是专攻这个性价比,所以我们还是可能想要做九毛钱。 我们讨论过这样子的一个定价的问题,但是不是由我们说了算,对吧,还是老板,对吧,就最后最后根据反馈,根据,根据我们大客户的一些反馈去做决定的,对。 嗯嗯嗯,明白明白。 那最后还有一个小问题,就是最后M3 Pro跟M3.1到时候是一个,因为我听起来就是可能都在10月份会推出嘛,那他们定位上是一个什么样的定位,就是后面3.1会当成一个底层分的模型去去去去跑,然后M3 Pro就是这个旗舰模型。 啊目前来看是这样子的,就他们的这个task不太一样,对,就有点像现在 C这样子的一个定位吧,这个还是比较比较明显了,对。 啊,低成本的模型,我们是以M3.1 Flash去做的。 啊,然后中间的一个,我们现在是以Context Window去做分层的一个定价嘛,但是我们我们我们3.1,3 Pro还会沿用这样子的一个分层的价格,就512以下和以上分不同价格,但是之后的话我们可能会重新评估一下这个,就但是这个是后面的一个事情了,就我们还没有 详细的去讨论。 啊对,大概就是这样子的一个 这个这个分层。 嗯,明白明白。 呃,了解了。 然后最后还有最后问题价格上面,就是你觉得就是DPC可能就是也涨就就就最近也涨过一次价嘛,就是它实际上是不是对于 整个国模的这个行业这个利润率,它其实是有一个压制作用嘛,就是说它就是去决定了大家能定到定价定到哪去。 对,对,是有的,至少在国内市场是在这的,就大家会你先看一看,在采购或者是采用接什么模型,你会先看一遍DBC是多少钱。 对,你就算它不定这样子的低价,你也会看看这个DBC多少钱去做比较,就是比较的一个一个心态嘛,对吧,但是它也没有到,因为它毕竟还得要赚钱,对吧,它也低不了多少。 对,最近也加价了,更多的是它在推理端就能够做很多国产的一些适配,对吧,