2026.10.08 | AC | LLM | China LLM Apps: Agents, Coding & M3

摘要

本文核心要点包括：1，Agent类、Coding及通用型应用商业化对比，多模态场景商业化增长潜力2，海外视频生成模型竞争格局3，M3下一代模型规划及能力预期4，开原模型与闭源模型在商业化领域对比

以下为专家观点：

1，从应用场景维度划分，Minimax多模态和Coding这两类场景的收入贡献分别是怎样的？

Minimax并未对应用场景进行非常规律性的统计，但可以提供一个大致的分布。Agent类的用例占比较高，约为四成。这类用例目前仍以文本模态为主，未来计划增加不同模型间的路由，但现阶段主要依赖一个作为意图理解的多模态大模型，因此Minimax将其归类于文本应用。在Agent场景中，大约有四分之一的案例会涉及前端的图片和视频设计，从而调用到视频模态；Coding相关的用例占比约为三成。Minimax的Coding业务主要集中在前端开发，而非更前沿的调试等领域；剩余的三成则为通用型的文字类及多模态应用。

2，基于当前的增长趋势，文本、多模态和Coding这几个场景中，哪一个的增长潜力最大？

展望未来的增长驱动力，Minimax认为多模态场景的增长会更快。主要原因有两点：首先，多模态业务目前的收入基数相对较低，增长空间更大；其次，当前多模态技术的成熟度相较于Coding等领域还有较大提升潜力，这意味着其商业化前景和应用拓展的可能性也更大。

3，在大模型应用场景中，为何在编程领域取得突破较为困难，而公司选择将多模态和Agent作为未来的增长点？

在编程应用场景中，市场上的头部厂商如OpenAI以及一些专注于垂直领域的厂商已经占据了主导地位。这些厂商拥有显著的数据优势和已经建立的数据飞轮效应，使得后来者难以渗透该市场，并且在模型能力提升速度上也很难与之匹敌。

相比之下，多模态和Agent领域的应用场景仍有大量未被发掘的机会，市场格局尚未形成。公司在多模态领域几乎是从零开始，因此存在较大的增长空间。预计从2026年下半年到2027年，多模态Agentic的用例将会实现更显著的增长。

4，多模态Agentic用例的定义、应用场景，以及公司新推出的视频模型如何开拓新市场？

多模态用例指的是任何超出纯文字交互、需要处理或输出多种信息格式（如图像、视频）的用户场景。例如，在内容生成方面，代码的正确性不完全等同于视觉呈现的正确性。模型不仅要确保代码无误，还需要在空间布局、图表绘制、PPT制作以及视频和图片组件的生成质量上达到美观和优化的标准，这些方面都存在巨大的提升空间。

公司新推出的微调版视频模型则完全解锁了一个新的市场，特别是在直播和实时生成领域，这部分业务此前的收入为零。用户可以在另一端实时给出指令，模型能够边接收指令边进行生成，这种模式非常适用于游戏、直播等需要高互动性的场景。

5，最新多模态模型商业化模式和市场反馈如何？

新款模型商业化始于2026年8月底。该模型并非一个自回归的实时模型，但其生成视频所需的时间短于成片时长，从而可以实现一种准实时的效果。

商业化模式上，公司采取了类似文本模态开源的策略，是视频模型领域首家采用这种模式的公司。具体而言，公司通过提供权重让客户进行微调，并以收取授权费和收入分成的方式实现盈利。

市场反馈非常积极。由于模型性能接近业界顶尖水平，许多之前无法触及的AI-native视频客户开始主动接触并接入该模型。商业化成果显著，吸引了大量新的增量客户。

6，在视频模型领域，公司的主要竞争对手有哪些？公司的产品与竞品相比有何差异化优势？

在实时生成视频模型领域，市场上的主要参与者包括PixVerse等，但它们的效果与离线模型（如字节跳动和谷歌的产品）相比仍有较大差距。公司的主要竞争对手是Kling。与Kling最新的2.5版本模型相比，Minimax的模型在效果上稍有不及，但优于其上一代2.0版本。价格方面，Minimax的模型比Kling更具优势。凭借这一性价比优势，Minimax已经成功吸引了部分原Kling的存量客户转移至Minimax的平台。

7，如何看待未来视频模态API收入的增长前景？

Minimax目前的策略是尽可能地扩大业务规模。与以往单纯追求API接入数量不同，现在Minimax更加注重生态合作，特别是核心的33B参数量的H3模型已经开源。后续主要的增量将来自H3 API。

战略重点是优化推理速度和扩大服务容量，以承接更多第一方的视频业务接入，避免所有收入被渠道赚取。Minimax向大客户表明，Minimax同样能满足H3 MAX的需求。只要模型性能满足要求，许多大客户并不在意调用平台。这是Minimax的一个优势，未来Minimax欢迎在漫剧微调、画风、生成速度、帧率等方面有更佳表现的合作，但前提是Minimax要确保自身也具备第一方的推理能力。Minimax坚持的合作原则是，合作方可以进行模型微调，但若要转售Minimax的模型，Minimax必须获得权重并进行推理。

8，视频模型在海外市场的主要客户构成是怎样的？

视频模型的客户与文本模型有显著差异。文本模型的客户群体较为分散，主要由中小企业和独立开发者构成。相比之下，视频模型的付费客户主要是一些终端应用和进行二次封装的厂商，他们会在Minimax的底层模型基础上增加软件逻辑，然后以产品形式销售，例如提供各类模板或剪辑工具视频模型的B2B模式特征非常明显，其增量需要时间积累，但一旦与大客户建立绑定关系，增长速度会比较快。

关于开源模型的影响，国内和海外市场的商业逻辑有所不同。国内厂商若具备自部署能力，倾向于使用免费的开源模型。而海外客户在进行模型微调时，更倾向于遵守闭源模型的游戏规则。即使Minimax开源了部分模型，但并未开源性能最强的版本。因此，对模型质量有高要求的客户，其主要接入方式仍然是API调用，他们不会因为某一家公司开源了部分模型就改变其整个工作流，尤其是当业界最顶尖的模型仍在谷歌和字节等公司手中时。客户选择连接API，既能确保使用到Minimax最好的模型，也更为便捷。

以美图为例，他们转向使用自部署的开源模型确实会减少Minimax来自这部分客户的API调用收入。但这不仅影响Minimax，也同样会减少其对其他模型（如可灵）的调用。客户最终走向自研或自部署是一个早晚会发生趋势，Minimax提供底层模型只是加速了这一进程。

9，公司不同产品线的毛利率水平分别是多少？

各产品线的毛利率存在差异。视频模型方面，以H3为例，在折扣后的推理毛利率较高。To C业务的毛利率则相对较低。

文本模型的毛利率经历了一段承压期。由于M3模型在发布后，其部署和推理性能未达预期，Minimax进行了约一半的价格下调，导致毛利率在很长一段时间内处于低双位数水平。目前，文本模型的毛利率已恢复至正常水平。

Coding业务的毛利率是最低的。Minimax未将其与文本业务分开核算，但如果特指Token Plan这种业务形态，其毛利率较低。这并非模型能力问题，而是由其业务模式和定价经济学决定的，其中关键影响因素是utilization。当客户使用率很高时，Minimax甚至不赚钱。

10，公司下一代新模型的发布规划、主要技术改进以及市场定位是怎样的？

即将发布的新模型可以看作是M3的延续，其预训练的底座基本保持不变。核心变化在于后训练（post-training）环节，Minimax整合了自2026年4月以来积累的RL（强化学习）环境和Agent虚拟环境。此前M3模型在处理长上下文任务以及在垂直领域的Agent能力方面表现较差，其主要原因是在训练过程中缺乏相关环境的训练数据，后训练做得也比较少。

为弥补这一短板，Minimax采取了垂直整合数据标注的策略。Minimax从Anthropic和OpenAI的供应链公司采购了高质量的数据集和标注作为“黄金标准”，以解决国内数据标注商水平较低的问题。同时，由于完全依赖美国供应商成本高昂且服务受限（他们会优先服务Tier 1客户），Minimax组建了内部技术团队，基于这些标准进行模型对标和评估标准的制定。

这些改进将在M3.1及最终的M3 Pro版本中得到充分体现，尤其在垂直领域的任务上将有非常直接和显著的提升。新模型发布后，其在Agent领域的能力预计将强于Kimi和GLM。不过，在Coding能力上，尤其是在软件开发和医疗等领域，与GLM相比仍存在一些差距。

11，在Coding相关的任务中，M3.1模型的完成率和准确度在行业内处于什么水平？

在涉及Coding需求时，M3.1的完成率和准确度无法进入行业前三。目前行业内表现最好的是Anthropic的模型，其完成率和Confirm Success率最高；其次是GPT 6，再次是GLM 5.3。M3.1的水平能够排在第四位，表现优于Kimi K3。

12，M3 Pro发布时的市场竞争力如何，其性能预期能达到什么水平？

M3 Pro的发布旨在抢占市场先机。如果能在GLM 6发布之前推出，M3 Pro有望成为国内市场的顶级模型，其各项能力将全面超越Kimi。该结论基于2026年9月初完成的内部及部分美国合作伙伴的测试结果。不过，如果智谱AI跳过GLM 5.5直接发布GLM 6，那么GLM 6的性能可能会更强。因此，M3 Pro能否占据榜首位置以及占据时长，关键在于其发布时间。

13，M3 Pro模型相较于前代产品，在哪些核心能力上将实现显著提升？

M3 Pro的能力将实现层级上的跃升，特别是在垂直领域中，能够支持多个利益相关方执行超长程任务。其可用的上下文窗口能力将有明显增强，能够处理整个代码库或数据库级别的输入。虽然百万级上下文窗口已成为行业标配，但M3 Pro在超过256K token长度后的处理能力将展现出显著优势。

14，在视频生成领域，开源模型相较于闭源模型存在哪些不可替代的应用场景？

开源模型在特定场景下具备闭源模型难以替代的优势，主要体现在以下两个方面：

第一，对于需要融入自有知识产权或特定画风的视频内容生成，开源模型是必要的。例如，游戏公,若希望生成具有其独特美术风格的视频，需要对模型进行后训练（post-train）。闭源模型由于其封闭性，很难进行深度的全参数微调，用户无法真正让模型学习并内化特定的画风。相比之下，开源模型允许直接在模型骨干网络层面进行修改和训练，从而将特定的画风固化为模型自身的能力，形成独有的知识产权。以往的开源视频模型性能普遍较弱，属于二三流水平，而现在已有接近SOTA级别的开源模型可供选择。

第二，对于需要实时交互的场景，开源模型是唯一可行的选择。任何用户在屏幕另一端存在等待或交互行为的应用，如VR、互动叙事、在线协作绘画以及游戏等，都要求持续的互动流，无法使用离线模型。传统的通用视频生成主要面向已完成的视频剪辑，输出是固定的。但只要输出行为涉及持续互动，就必须采用能够支持这种交互模式的开源模型。

15，为什么在需要持续互动的应用场景中，闭源模型不是一个理想的选择？

在需要持续互动的场景中，例如游戏或互动故事，不选择闭源模型并非因为其技术上完全不可行，而是主要出于经济成本、厂商绑定和效果可控性的考量。

首先，经济成本和厂商绑定风险是核心问题。对于一家游戏公司而言，如果将所有实时视频生成的需求完全依赖于某家闭源模型提供商，由于调用量巨大，将会导致极高的成本，利润空间会被模型厂商严重挤压，这在经济上是难以持续且不可控的。而采用开源模型进行微调，企业只需承担可预期的算力成本，一旦商业模式验证可行，便可以大规模部署，为客户提供交互体验。

其次，从效果层面看，当前的闭源模型在处理长时程、多分支的互动叙事时，效果尚不稳定。例如，在互动故事中，根据用户的指令会产生不同的故事分叉。随着互动时间的延长，视频生成的效果可能会出现劣化或崩溃。这类模型通常采用自回,的生成路径，其稳定生成时长有限，例如在一至两分钟内。

16，近期Fable 5.1等闭源模型的发布，以及行业对模型蒸馏行为的收紧，对公司的模型训练产生了哪些实际影响？

这确实产生了影响，但并非近期才出现的新问题。对模型蒸馏的限制从2026年六、七月份起就已经趋于严格，Fable 5.1的发布只是让这个话题被更广泛地公开讨论。不过，这种限制对Minimax的影响正逐渐减小。

主要原因在于，随着模型能力的提升，尤其是长思维链能力的增强，通过开源模型去蒸馏一个逻辑不公开的闭源模型变得非常困难。Minimax只能观察到闭源模型的输出结果，却无法获知其内在的、隐性的推理过程，比如它为何与环境进行特定交互或选择调用某个工具。

过去，Minimax确实进行过一些蒸馏行为，作为学习过程的一部分，但依赖程度并未像某些同行（例如智谱AI在代码能力上）那么高。当前，Minimax对蒸馏的应用更多停留在学术研究层面，或将其作为“教师模型”，用于为小模型打分或扮演验证者的角色。

随着国产模型与美国顶尖模,的技术代差不断缩小，Minimax对蒸馏的依赖度已显著降低。现在训练数据中，源于真实环境交互产生的长轨迹数据占比很高，这部分数据弥补了过去因缺少真实环境而依赖蒸馏的短板。

尽管监管趋严，但蒸馏行为无法被完全封死。只要模型向用户开放使用，Minimax总能找到方式进行蒸馏，只是无法再像过去那样进行简单、大规模、易触发警报的调用。以Kimi K3为例，其发布时间仅在Fable发布一周之后，从时间上看，完全依赖蒸馏来获得能力提升在理论上是不可能的，这表明其自身能力的重要性已经远超蒸馏。因此，蒸馏虽然仍是模型训练的一部分，但其重要性已大幅下降。