MiniMax 商业化进展与 M3 全模态战略分析交流纪要

摘要： 本次交流重点分析了 MiniMax 的全模态战略落地、M3 架构效能及商业化财务表现。公司正由单模态能力建设转向全模态融合阶段，通过自研 MSA 架构在长上下文场景下实现了显著的效能提升。

核心观点/结论：

1. 技术架构突破：新发布的 M3 模型采用自研 MSA（MiniMax Sparse Attention）稀疏注意力机制，在百万级上下文场景下，注意力计算量降低 28.4 倍，解码速度提升 7.6 倍，实现了成本与智能度的平衡。
2. 全模态战略演进：公司进入战略第二阶段，M3 为原生多模态模型，支持图文视频混合训练，并针对 Coding 和 Agent 场景进行了定点优化。
3. 商业化路径清晰：收入结构以海外为主（占比约 70%），B 端与 API 贡献核心增量，C 端产品（星野/Talkie）通过情感价值驱动 ARPU 增长。

经营与财务要点：

1. 营收规模：2026 年 5 月 ARR 达 3 亿美元，月环比增速 >30%，预计 2026 年底 ARR 冲刺 10 亿美元，全年收入约 4.5 亿美元。
2. 成本与毛利：年均训推成本约 3 亿美元，其中推理成本直接影响毛利率。
3. 估值对标：参考月之暗面（Moonshot AI）等同类厂商 P/ARR 倍数，目标市值有望达到 2000 亿人民币。

催化剂与风险：

1. 催化剂：2026 年下半年预计发布海螺 03 视频模型及大参数旗舰模型。
2. 风险：M3 模型在实际任务中 Token 消耗量较大可能导致用户体验偏差及成本上升；国内大模型厂商面临算力适配与竞争压力。