业绩会第一现场

直播了视频 · ·

MINIMAX 2025年全年業績直播

【AI 要点总结】

财务表现

- 2025年全年收入7900万美元，同比增长159%

- AI原生产品收入5300万美元，同比增长143%

- 开放平台收入接近2600万美元，同比增长198%

- 毛利率提升至25.4%，较2024年的12.2%优化13个百分点

业务进展

- 发布M2、M2.1、M2 Her三款语言模型，M2成为OpenRouter上首个单日token超过50B的中国模型

- 发布M2.5模型，在SWE-bench Verified测试中刷新行业记录，推理效率相比M2.1提升37%

- 累计服务超过2.36亿名用户，覆盖超过200个国家和地区

- 服务21.4万企业客户和开发者，国际市场收入占比超过70%

下一季度业绩指引

- 2026年2月ARR已超过1.5亿美金

- M2系列模型在2026年2月的平均单日token消耗量增长到2025年12月的超过6倍

- 编程套餐token消耗量过去两个月增长超过10倍

- 2026年2月新注册用户数达到2025年12月的4倍以上

机会

- 计划推出M3和海螺三系列模型，针对L4到L5级别智能挑战设计

- 在编程、办公、动态创作等领域扩大应用场景

- 与Google AI、Azure AI Foundry、AWS等全球头部云厂商合作

- M2系列服务模型每百万token推理成本下降超过50%

风险

- 面临巨头和其他创业公司的激烈市场竞争

- 需要持续优化算力使用效率和基础设施建设

【AI 会议实录】

Operator

女士们先生们，大家好，欢迎参加minimax 2025年全年业绩电话会议。请注意，本次电话会议提供管理层发言及问答部分的英文同声翻译，您需要进入英文频道，以便收听第三方传译员的同声翻译。请留意今天的会议正在录音，现在有请公司投资者关系总监Meredith Yu女士发言。

Meredith Yu

谢谢operator，大家好，我是Meredith Yu，欢迎参加minimax 2025年全年业绩电话会议。在会议开始之前，我们想提醒您今天的会议内容可能包含前瞻性陈述，其中涉及诸多风险和不确定性，实际结论和结果可能与今天讨论的结论和结果有所不同。除法律要求外，本公司不承担任何更新此前瞻性信息的义务。

有关本会议的所有重要资料包括前瞻性陈述，请以公司公开资料或今日早些时候在公司网站发布的截止2025年12月31日的2025年全年业绩公告为准。今天的电话会议，管理层还将讨论某些非IFRS财务指标，仅供考虑作为补充，但不能替代根据IFRS编制的公司财务业绩指标。

有关非IFRS财务指标的定义以及其与IFRS财务业绩的对账，相关风险因素提示，请参阅公司2025年全年业绩公告。今天电话会议中，管理层将用中文作为主要沟通语言，包括管理层发言和问答环节。第三方传译员将提供英文同声传译，翻译仅为提高会议效率，若翻译与中文内容有所出入，请以管理层的中文原始陈述为准。

最后，除非另有说明，所有在电话会议中提到的货币单位均为美元。下面有请minimax创始人董事长及CEO严俊杰博士发言。

严俊杰

各位投资者，分析师，大家好，我是严俊杰。感谢各位参加公司上市后的首次业绩发布电话会。借助这个机会，我想分享一下我们在过去一年的进展以及公司下一阶段的战略。

首先回顾一下2025年，这一年的关键词是夯实基础。在2025年，我们构建了全模态的研发能力，包括语言、视频、语音和音乐等各主要模态都拥有了具备全球竞争力的模型。同时，我们不断通过技术创新升级我们的产品，包括面向企业和开发者的开发平台，以及面向消费者的minimax agent、Hello AI、Talk星野等。

我们的全球化布局，也在2025年走得更深更实在。语言模型方面，我们去年第四季度更新了M2、M2.1、M2 Her三款模型，其中M2重新定义了效果、价格和速度的平衡，具备了编程、工具调用和深度搜索三项关键能力，并接近全球顶尖的水平。

M2发布后，迅速获得了全球开发者的认可，成为OpenRouter上首个单日token超过50B的中国模型，并登顶了Hugging Face的当周全球热榜第一。在M2的基础之上，我们也很快推出了M2.1，重点提升了真实世界复杂任务的表现，尤其是在编程和办公场景中能够更好地理解和执行复杂的指令。

同时，我们也推出了M2 Her作为支持星野和Talk两款AI互动产品的底层模型，专注于打造更加自然、更加个性化的对话体验。在一百轮的长程对话测试中，综合表现位居全球第一。在2026年的2月份，我们发布了M2.5，在编程、工具调用和办公等场景中全面达到了顶尖的水平。

其中在编程方面，M2.5在SWE-bench Verified的测试中刷新了行业记录，相比于我们上一代的M2.1，推理效率又进一步提升了37%。更关键的是M2.5让复杂的agent运行的成本在经济上变得可行。比如说我们的M2.5，以全球主流模型最快的推理速度一秒一百token来输出的情况下，连续工作一个小时其实只需要一美金。

这意味着一万美金基本上可以让四个agent连续运行一年。这个模型能力的突破，也带动了使用量的高速增长。我们发布后，迅速霸榜了连续两周的OpenRouter。至今从M2到M2.1再到M2.5，我们的每代模型能力和使用量都取得了显著的提升。M2系列模型在2026年2月份的平均单日token消耗量，已经增长到了2025年12月份的超过六倍。

其中，来自编程套餐的token消耗量，过去两个月其实增长了超过十倍。在多模态方面，我们已经具备了视频、语音和音乐三大模态的生成能力。在去年10月份，我们发布了视频模型海螺2.3，在人物动作、画面质量、风格化方面都实现了显著的提升。

同时，我们也推出了更快速的Fast模型，批量创作成本最高可以降低50%。我们还在海螺AI中升级了Media Agent，支持全模态的全能创作，一键成片。截止2025年年底，我们的视频模型已经帮助全球的创作者累计生成了超过六亿个视频。

去年10月份，我们也同时发布了我们的语音模型Speech 2.6，针对Voice场景，优化了语音交互的体验，实现了全球顶尖水平的超低延时，同时也支持四十多种语言。截至2025年年底，我们的语音模型帮助全球的用户累计生成了超过两亿小时的语音，成为语音智能领域的核心技术设施之一。

我们也新发布的音乐模型Music 2.0和2.5也实现了显著提升，能够稳定驾驭多种唱法和情感风格。在研发上述模型和产品的过程中，我们也在持续向AI原生的组织来演进。我们内部的agent实习生，已经覆盖了公司超过90%的同学，涵盖了编程开发、数据分析、运维管理、人力招聘、市场销售等。

我们也将自身视为AI native组织演化的试验场。我们认为这个经验对提升公司把握AI机遇的能力至关重要。在今年1月份的时候，我们也将上述沉淀的能力进一步产品化，发布了minimax agent 2.0，让agent能够进入本地工作空间，同时上线了专家agent的功能，让用户可以创建专业领域的agent。

上线至2月底，我们的专业用户已经累计创建了超过五万个专家agent，通过深度知识和能力的注入，能够解决更加专业的领域问题。我们知道OpenCoder项目最近非常的火，实际上早在OpenCoder项目火爆之前，它的创始人Peter就对我们的模型当时还是2.1，给出了极高的评价，认为是他首选的最好的开源模型。

OpenCoder正式发布后，M2系列模型在效果和成本上的综合优势，实际上是帮助了很多开发者得以低门槛普惠地来使用OpenCoder。我们自己的AI产品，前段时间也推出了Mars Cloud来进一步降低用户的使用门槛。

接下来，我们说一下商业化的进展。我们在2025年全年实现了7900万美金的收入，同比增长159%。其中，AI原生产品的收入是5300万美元，同比增长143%。开放平台的收入是接近2600万美元，同比增长了198%。

2025年之后，我们可以看到增长在显著加速。举个例子，我们面向企业客户和开发者的开放平台产品，2026年2月的新注册用户数已经达到了2025年12月份的四倍以上。截止2025年12月31日，我们已经累计服务了超过两百个国家和地区的超过2.36亿名用户，其中以及来自超过一百个国家和地区的21.4万企业客户和开发者。

2025年，我们的国际市场收入占比超过70%。我们的to B开放平台产品收入中国际市场的占比也已经超过了50%。我们的M2.5发布后，在国际市场获得了显著的关注，吸引了许多新的国际客户主动接洽合作。口碑的效应也在持续扩散，包括Google AI、Azure AI Foundry、AWS、Fireworks AI等全球头部的云厂商以及AI原生平台都已经部署了我们的模型。

同时，也是OpenCoder等头部的coding平台的默认首选模型。在今天凌晨，我们也看到Notion也上线了M2.5，是Notion的首个上线且唯一的开源模型选择。在提供上述服务的同时，我们的算力效率也取得了显著的提升。

我们一直在持续优化我们的算力使用效率，得益于算法优化、算子实现及编解码工程的优化工作的迭代，截至2026年2月份，M2系列的服务模型每百万token的推理成本，相比于2025年12月份，下降了超过50%。视频的生成模型的推理时延，也就等价于它的推理成本，相比同期其实下降了超过30%。

随着模型技术能力的持续迭代，我们的规模化效应其实也开始显现。2025年的全年毛利额是2000万美元，同比增长了437%。毛利率提升至25.4%，较2024年的12.2%，优化了13个百分点。在费用方面，2025年的营销费用同比下降40%，研发费用同比增长33.8%，但显著低于收入同比增速。

2025年全年经调整的净亏损为2.5亿美金。随着商业化的持续推进，模型调优带来的成本优化，经调整净亏损率也大幅收窄。在2026年的前两个月，我们已经看到了一个强劲的增长态势。我们在2026年2月的ARR已经超过了1.5亿美金。

接下来，我想和大家分享一下我们对2026年的展望。我们认为2026年，智能水平依然会有一个非常大的发展。我们自己的努力目标，是以下三个方面。首先，我们认为在编程领域，会出现L4到L5级别的智能，从工具走向同事级的协作。

第二，我们认为在办公领域，接下来一年将复刻去年在编程领域的进步速度，AI智能体在办公领域的交付能力和渗透率将会显著提升。第三，我们认为动态的创作在今年将走向可以直出、可交付的中长内容，甚至能够出现更加接近流式实时输出的形态。

这三件事叠加，意味着新的技术挑战，更大规模的智能供给的爆发，以及在应用层巨大的创新窗口期。这也意味着我们承载的需求，有可能会被进一步的放大。token量级，很有可能会出现一到两个数量级的增长。我们目前在研发的M3和海螺三系列的模型，其实也是针对这些挑战来设计的。

在这个过程中，我们其实也在快速完善我们的基础设施和持续吸引人才，从去年单纯的追求训练效率，转向追求更高的研发效率和模型迭代效率。在公司战略层面，我们会从大模型公司向AI时代的平台型公司迈进。我们知道互联网时代的平台公司是流量的入口，AI时代的平台公司，我们认为是定义和推动新智能范式，并在产品和商业上享受范式红利的组织。

这依赖于智能范式的定义能力，技术和产品的创新能力，以及可扩展的基建和token高效吞吐的能力。一家AI时代平台公司的价值，我们认为可以简单地估算成提供智能的密度乘以token的吞吐。当两者都足够强，平台的价值自然会显现。

我们可以看到当前AI行业的加速扩张态势清晰可见，模型能力的突破，Agent应用的落地，商业化路径的成熟，都在持续打开天花板。基于我们自身的技术研发和产品能力已经可被验证的持续增长的潜力，我们很有信心以AI平台化的核心建设者的定位来努力。感谢各位的聆听，接下来，我们可以进入问答环节。

Operator

谢谢管理层。想提醒一下，如果您需要提问，请按星字键再按一字键。如果您需要撤回您的问题，请按井字键，请用中文提出您的问题。我们现在进入问答环节，第一道问题是来自Morgan Stanley的Gary Yu。

Gary Yu

好，谢谢管理层，谢谢严总的分享。我的问题是关于我们这一期讲的，希望成为一家AI的平台公司，但是我们也看得到Google跟OpenAI都在做。我们是怎么去理解AI时代的平台公司，那为什么minimax作为一家创业公司有机会能够成为AI的平台公司呢？谢谢。

严俊杰

感谢你的提问，这个其实也是我们内部一直在讨论和思考的问题。我们在刚才已经提到，当智能的边界突破时，围绕这个突破，一般会产生大量的新的场景和用户，进一步能够形成新的生态和商业化红利。比如说在编程，比如说在图像生成里面其实都已经存在了这样的公司。

那为什么minimax，我们认为将来有机会也能够变成一家AI时代的平台公司呢？我们的判断有这么几个原因。第一个的话是说，我们认为AI目前还是其实还不是一个存量博弈的市场，还是一个实际上AI，我们可以看到它是一个每年的增量都远远大于存量的一个市场。

它更是，另外，它也不是一个winner take all的市场，只要是在里面有创新跟独特性，就会有自己的机会。我们认为在接下来两到三年，我们的模型研发能力和基建能力都会有持续很大的提升，并且有一些潜在的机会能够开拓出来新的场景，不管是在编程，在办公，还是在互动娱乐里面，都有巨大的创新空间和市场空间。

在我们目前处在的这么一个高速增长的市场环境下，我觉得我们自己的机会，在以下这么几层。第一的话是说，在模型层面，模型层面的话，我们认为它的一个比较核心的其实是说，其实是非常依赖于长期的积累和比较快速的迭代的。这个本身我们认为是一个很高的壁垒。

比如说在过去的108天里面，我们其实就陆续推出了M2、M2.1、M2.5三个版本，然后每次都带来了用户使用量数量级的高速增长。再比如是说我们创业第一天就开始积累跨模态的模型，这其实我们是实际上我认为我们是唯一家这么做的创业公司。

这个的话也是能够让我们在将来的多模态融合的趋势里面能够进一步的放大我们的优势。那在产品层，实际上，也是第一家国内的公司里面就是既做模型既做产品的公司，我们认为模型加产品的双重能力能够构成一个更强的壁垒。因为模型的能力，直接定义了产品的能力。

这种模型即产品的一体化能力，我们觉得是大部分公司是很难以复制的，因为它是非常独特的一种能力。然后，还有一层，我觉得可能是在生态层。实际上，我认为我们在过去，利用我们自己模型的特点，其实已经开始产生了一些小范围的一些生态。

比如说在OpenCoder的生态里面，我其实就发挥了非常积极的作用，从最早期OpenCoder里面用了很多我们的模型来开发，然后到是说因为我们的模型的性价比很高，非常适合这种大通量的场景，帮助了很多开发者能够来降低门槛。再到是说我们的产品进一步来集成OpenCoder，其实就是我们的agent的Mars Cloud，能够又进一步降低了用户的使用门槛。

同时的话，其实我们现在也在开始给OpenCoder开始来比较多的贡献我们自己的代码。我们认为，其实是说我们其实已经展现了是说能够来帮助一个生态能够快速发展的，我们已经证明了这个能力。但是就是说能够形成我们自己的生态，这个事儿我觉得，现在可能才只是一个起点。

接下来，我们计划，一方面，其实是准备通过下代的刚才提到的M3跟海螺三能够进一步的来突破智能的边界，形成模型的独特性。另外一方面的话是说，也是希望能够围绕我们自己的模型能够打造独特的产品跟生态。我相信我们其实是除了少数大厂之外，能够同时做到这两点的公司，可能也是目前亚洲唯一的初创公司。谢谢。

Operator

下一个问题。Your next question comes from Alex Yao with JP Morgan please.

Alex Yao

好的，管理层，谢谢晚上的时间也恭喜这个强劲的业绩。我想问一个关于多模态的问题，就是咱们公司其实一直都在强调多模态是AI的终局。那如果竞争对手采用专注于一个模态迅速打通，然后反过来再融会的这个以点带面融会贯通的话，有没有可能是一个更快的一个路径走法？那咱们这种坚持多模态的策略会不会反而是更慢一点，负担更重一点的一个策略？谢谢。

严俊杰

感谢您的提问，实际上这个问题是我们创业第一天就开始一直在被挑战的问题。我还是想来利用这个机会来解释一下，我们为什么要做多模态。我们认为，多个模态的融合是持续提升智能的基本前提。实际上，在过去半年，其实已经有了好几个模型通过模态的融合来带来了新的智能边界的变化，并且打通了新的场景。

比如说，举例子，比如说大家可能在图像生成里面用的最多的Google的Imagen Pro其实就是一个这样的模型，通过将视觉理解和生成融合在一起非常大的拓展了图片生成的边界。我们就是这个多模态的这件事儿，我们其实是分了两个阶段，第一个阶段我们已经走完了，然后现在已经开始了第二个阶段。

第一个阶段指的是说，过去四年，我们其实是通过持续的积累，其实把每个模态都做出来这个行业上有影响力的模型，积累了正确的口碑，比如说我们的之前提过的语言模型、视觉模型、声音模型跟音乐模型。所以相当于是说我们在每个模态都已经单独走通了，并且取得了比较好的进展。

那现在我们正在经历的，其实是我们的第二步就是把这几个模态单独都能走通了，那接下来的话就是尽可能能够整合在一起，能够希望能够形成新的突破。实际上，可能就是我们今年上半年会推出的M3跟海螺三，其实就会是这么一个成果。

我想说的想强调的事情有两个，第一个的话是说每个模态的积累，实际上都是一个漫长的过程，从一开始的数据，然后到方法，然后到对应的人才，每个链条其实都需要很长的时间。我认为这也是我们的核心积累和独特性。我们刚才也提到过，我们其实国内仅有的三家公司之一，每个模态都能够做到比较领先的水平，同时我们也是唯一的初创公司。

然后我想再说的第二点是说我们其实可以看到，就是视频生成其实目前是整个AGI这个领域里面除了编程跟智能助手之外最大的一个市场，我们认为今年，这个领域可以推进到中长视频以及接近实时的生成。然后我们认为这样一个技术的变革，还有可能把这个市场能够变得显著的更大。

我认为随着我们这种动态融合的顺利，在这个市场里面也能够得到独特的机会。那像刚才您说的就是说，这个的话会不会给我们的研发造成挑战？首先，我觉得它是实际上是带来的挑战，但是我认为是必须的。实际上，我们从公司创业第一天起，我们就认为，AGI的理解就是它应该是必须得包含动态的输入和动态的输出。

因此，我们其实就组织了和搭建了这种不同模态可以复用的底层能力。在我们这种非常AI native的组织的架构下，实际上，可以看我们的财务数据也可以看得到，我们做全模态的费用其实相比于其他创业公司，其实其实并没有很高，并且是远远低于巨头的投入金额的。

但是我们每个模态其实都已经做出来有竞争力的模型，甚至比只做单一模态的公司其实做的更好。我们认为这件事儿，其实也是我们过去几年在技术判断和前瞻性上，不断被验证的一个证明。我们认为这件事儿在接下来也会变得更加的清晰。感谢。

Operator

下一个问题。Your next question comes from Weis Young with UBS. Please go ahead.

Weis Young

好的，管理层晚上好，恭喜咱们公司上市以来第一个强劲的业绩也感谢接受我的提问。我想问一下，就是咱们之前有提到看到L4到L5级别的编程智能正在到来，那最近其实市场上也有很多关于软件公司会被agent替代的说法。那就想请教一下，咱们是怎么看待这个行业趋势和这个行业变革的，以及咱们公司在其中的位置？谢谢。

严俊杰

对，这是一个非常重要的问题。然后我先讲一下，什么是L4到L5级别的智能，然后以及讲一下，这个未来的可能的提升方向和我们自己的位置。我们认为，就是L3级别，其实就是现在大家正常的agent，但是L4跟L5级别，其实是这种同事跟组织级的智能。

我给大家举个例子，比如说，我们公司一个比较重要的使命之一是做出来更领先的模型，对吧。但是做出来一个更领先的模型，这件事儿，其实是需要很多人一起来合作的，里面需要大量的算法的创新和实验，里面也需要很多的训练效率的优化，也需要很大量的数据处理，甚至还需要很多的机器的运维，其实是个非常综合性的事儿。

然后，在这么一个研发的过程中，那我们认为L4级别的事儿，其实就是做更加创新的，比如说单个研究员能够来完成的事儿，比如说，基于一篇论文来做一些实验，然后比如说对一个比较挑战性的工程问题能够提出来高效的解决方案。那这个的话其实就是L4级别的事儿，就是说不光能够实现一些确定性的任务，而且是说在里面能够有一定的创新性。

那L5级别的事儿，其实就指的是说它不光是一个人可以这么做，那可以把很多人可以有效的合作起来，这个就是L5级别的智能。然后关于coding，coding的话，我们认为其实是agent的一部分，它其实是在agent的生产力场景中算是最早被验证的一个能力。除了coding之外，我们觉得另外一个比较重要的事儿就是办公，这个的话刚才其实讲过，我们认为它的进度速度会非常的快，并且它的潜在市场可能会比编程会更大。

那接下来的话，是说我们怎么来看待自己在变革中的位置？首先，我们认为我们面对的其实是一个巨大的市场。当然了，比如说编程我们可以看到对吧，它其实不光是帮专业的人写好代码，而且它是其实是帮助更多的人能够来写代码。然后，但是即使这样，在工作中，需要写代码的人其实还是很少的，大部分的人在工作中其实更多的是白领的办公。

那这里面很多，比如说像数据分析，比如说像我们准备这样一份业绩里面需要做大量的财务上的一些事情，我们最终还要再写一份上市的一个业绩的文档对吧，然后有时候可能还需要准备PPT，那这个东西加起来，它，涉及到的职业的人数，它其实是比单纯的编程其实是更大。

然后，那我们在编程跟办公的领域，其实已经取得了一些初步的进展，并且是在用了非常少的资源就具备了一定的独特优势。然后，这个更大的事儿，我觉得其实才是刚刚开始。然后在这个过程中，我觉得我们其实是有两个特点。第一个的话是说，我认为我们第一个特点是说我们跑的足够快。

其实刚才提到，就是说我们从M2到M2.5三代模型，其实我们只花了108天，就是相当于是，那这个东西，其实相当于是说，我们几乎是保持了行业最快的迭代速度，并且每代模型的能力跟使用量都有了一个显著的提升。这个，其实证明了我们的研发能力和模型承载流量的能力。

那实际上，就是这个M2系列模型，实际上是我们是用非常有限的资源来做出来的，那我们现在其实已经非常，其实是已经有了显著的更多的资源，我们认为当我们的资源能够起来之后，模型的进步速度会更快。然后，更强的模型，也会进一步能打开更高的天花板。

那大家目前看到的历史业绩，其实是基于M2系列的模型做出来的。然后，我们其实的目标，是说希望我们下一系列的模型，就是我们M3系列的模型，能够进一步打开空间，形成一个正向的飞轮。除了跑的足够快之外，我觉得我们还有一个能力是说我们其实是能够做出来一些有独特性的模型。

这个，其实是我们，在过去一段时间反复被证明的一件事儿。刚才其实提到整个市场足够大，在这个足够大的市场里面，其实不太需要说winner take all，其实我们需要的是说，我们需要具备自己的特点。这个特点主要指的是说我们具备独特的技术路线规划和研发的定义能力，而不只是说随波逐流，人云亦云。

我们，其实在我们的第二系列模型的时候，就是我们的M2、海螺二和Speech二，这些系列模型我们其实是没有追求所有维度的全面胜出，但是，我们其实定义出来自己的独特的优势。比如说在M2，我们的核心的定义除了性价比高，其实还有它的速度快。比如说海螺二其实就是它的复杂度的表现，比如说Speech二，那就是多语言和低延时。

我们其实这些独特的定义其实是帮我们形成了差异化，以此来打开了市场。那在我们将来的资源能够显著的放大之后，我们认为这种独特性会发挥更强的势能，也会有更高的价值。如果一句话总结的话，是说，我们有信心在编程驱动的智能体以及将来更广泛的办公场景，随着我们的模型更强，能够进一步提升我们的份额，实现更多的突破，争取更大的市场，更快的迭代，更强的独特性，让我们在变革中，有一个更有利的位置。谢谢。

Operator

Thank you. Your next question comes from Ronald Young with Goldman Sachs. Please go ahead.

Ronald Young

谢谢，谢谢严总的亲自分享。在这个赛道呢，有巨头，那也有创业公司，有开源模型，那就想听严总怎么看这个到底在哪一层竞争和哪些仗必须打？谢谢。

严俊杰

对这个的话就是，像前面介绍的一样，我们其实正在努力建设，希望自己能够变成AI时代的平台公司。这里面的核心驱动力，其实是智能密度的持续提升以及token的吞吐能力。我们认为就是相比于我们行业的其他公司，我们认为我们有以下显著的差异化的战略选择。

首先是说在战略定位方面，我们其实从第一天起，我们就是围绕全模态能力，不断提升模型的智能密度和边界来产生独特价值。然后并且围绕这种独特价值来做产品和业务，然后有所为有所不为，从而能够聚焦资源。比如举例子，比如说我们在2023年，我们就做出来明确的判断，就是我们坚决不做移动端的通用个人智能助手，就是类似豆包和ChatGPT这样的对话产品。

我们从我们很早就明确，我们坚决不做的话，是因为，我们在里面其实没有创造独特的价值。那我们反过来，我们其实把资源集中在能够产生独特价值的模型研发跟产品创新上，比如说我们的agent，比如说像透心引量的产品，比如说我们的海螺视频。那我们认为这样的一个战略选择，其实是有利于我们能够形成更多的长期差异化，提高我们的做选择的胜率。

那第二个例子，就是说那我们一开始一上来就坚持做多模态，上面已经介绍了，就是说不同的模态的积累其实都非常重要，并且，现在其实已经到了一个不同模态就一定要融合的关键节点。这个的话，其实也是能够让我们在全模态融合的趋势下能够占据一个更加有利的位置。

然后就是说一下，就是说第二个不一样就是说，我想强调一下研发效率。我们可以看到，就是说其实在AI这个时代，其实最终决定胜负的其实并不是说，单纯的烧钱和烧资源，而是说模型的进步速度能够最快，从而能够产生更大量级的商业化的收入和市场规模。

我们，其实在研发的各个环节都在贯彻我们的迭代效率，比如说从我们的算法优化，到实验设计，然后到实验迭代次数，到一些分析决策机制，都充分利用我们创业公司，更敏捷的组织形式，自上而下和自下而上的结合，复用不同模态之间的经验和基础设施，来让我们的研发效率能够持续领先。

长期来看，就是说在全球范围内，我们认为只会留下少数的AI的平台性公司能够位于整个行业的核心队列。我们，我们认为是已经具备了一定的优势和独特性，我觉得我们是少数，潜在的独立公司之一。

Operator

Next question please. Thank you. Your next question comes from Zhang Hai Yu with CICC. Please go ahead.

Zhang Hai Yu

大家好，各位领导大家好，恭喜各位公司的业绩，比我们想象的还是好很多的。然后您刚刚提到说2026年前两个月，咱们M2系列的模型的token已经是去年12月水平的六倍了。因为这个增速，我们有预期，但还是很惊人的，我估计可能也跟那些像OpenCoder爆火，包括我们M2系列模型，它的coding能力的再一次可用性的大升级等等，我觉得都有关系。

所以我的问题是，您觉得这个趋势，是一个早期爆发的一个一次性的红利呢，它会有一种短期的波峰波谷体现呢，还是说是一个更长可持续的长期趋势的开端？谢谢。

严俊杰

感谢这个问题，我觉得我们看到的信号，是一个简单点说我们认为是一个长期趋势的开端，不是一个一次性的红利。当然，我觉得我们大家也要有预期，就是说这个行业的增长，它其实是阶梯式的，它其实不是一个简单的一个线性外推，还是一个阶梯式的增长。

我们认为，就是说我们能够来不断的推出新的模型，能够更大比例的抓住行业的机会，一个很核心的事情，还是基于我们自身对智能迭代的理解来提前准备我们的研发资源，定义好每代的模型。这个的话是，其实就是说除了我们现在已经看到的M2，我其实更想讲一下，是说，我们认为接下来的增长，它的来源。

首先第一个的话，就是说我们其实已经在，实际上我们从2025年的下半年开始，我们其实就已经开始在积极的准备迎接好2026年，我们认为，智能涌现可能会带来的几个超级的PMF。我们认为接下来一年的渗透率和加速度会比大家想的更快，增长的来源也会更加多元化。

首先第一个，就是说我认为编程领域，依然是有一个很高的天花板。就是虽然说就是说从做一个辅助工具的层面来看，编程其实已经很好了，但是，我们还是坚定的认为今年会显著的更好，就是走向同事级的协作，也许会走向创新性的发现和复杂组织配合，类似这样一个水平的智能。

在编程里面，我们认为不管是说从技术储备，从市场需求，从我们的研发的进展我们其实都能看到这点的，这个大概率会在今年发生。那第二个的话是说其实就是，刚才其实也提到过的就是各个职业的办公的场景，这是一个比编程可能覆盖范围更广，市场空间更大的场景。

实际上编程，实际上编程，办公比编程它的问题会更加的复杂，原因的话，是因为它涉及到很多不同的职业，并且它涉及到很多更复杂的工具的使用。但是然后并且是说，比如说在做其他学习的时候也会涉及到一些很多的任务其实是不可被验证，那其实都对基础迭代带来的挑战。

但是我们还是会，非常的相信，并且已经为此做了大量的准备，认为是说今年在办公领域的速度，可能会跟去年的编程里面可能会一样快。然后，第三个超级的PMF，我们认为其实还是动态生成的进展，简单来说就是能够直接交付中长内容这件事情，我们意味着它的渗透的门槛可能会进一步的降低。

实际上我们看过去两三年，整个模型的竞争实际上是一个你追我赶，有胜有负的过程，所有的公司其实都在面临挑战，我觉得没有哪个公司可以保证是说永远是处在领先的地位。但是我对我们自己，能够持续赢更多的关键战役，是比较有信心的。

这个里面，我觉得一个核心的战略还是说，就是第一就是技术能力能够突破边界，第二的话是说能够借助于这样一些边界的突破，让我们自己的产品和业务能够越来越具有一定的生态的属性，从而能在里面享受到更大的红利。我们其实能够有信心跟这个行业能够一起来成长，让我们的独特性、研发效率、创新能力和全球商业化能力都能够一起来提升，变成一个更加具备扩展性，更加长期的组织竞争力。

Operator

Next question, please. Thank you. Your next question comes from Thomas Chong with Jefferies. Please go ahead.

Thomas Chong

晚上好，谢谢管理层接受我的提问。刚刚我们提到agent实习生覆盖了90%的员工，这个时间非常超前，把公司当成试验场这件事给我们带来哪些别人看不到的认知呢？这些认知，如何反哺我们的产品和技术？谢谢。

严俊杰

感谢这个问题，其实，我觉得我们不光是一个研发AI的公司，和我们希望能够将来变成一个平台型的AI公司，实际上，我们其实过程中我们也是希望我们在研发AI的过程中，自己也能够变成一个AI原生的组织，这个的话其实是我们在组织上一个比较核心的追求目标。

在这个里面的话，我想讲两件事儿，一个的话，其实还是速度，这边主要指的是进步的速度。我们，就是一个希望我们自己能够变成一个AI原生组织的最核心的动力来自于，一个创业公司的资源很有限，那我们必须得，把我们的组织效率提升到极致，才有更大的可能性。

通过在公司内部，就是从一开始推广到现在公司里面，越来越多的同事，然后基于AI来引入到自己的工作中，我们其实看到非常明显的趋势是说，在很多事情上，其实从一开始是说人来教agent怎么来干活，到越来越多的时候是开始是说人来观察agent怎么来干活，甚至有时候，agent都会给人带来一些惊喜。

这让我们，其实，非常显著的缩短了我们组织的链路，让每个环节都能够享受到智能红利的提升。从模型迭代到产品创新，再到服务用户，我们的迭代闭环，实际上一直是在加快的。而我们的同学，其实也有时间，把自己的，其实就是我们同学，也可以，有机会把自己的时间，还在一些价值更大的事情上面，能够就是进一步能够加速我们整个组织的思考能力和创新能力，这点我觉得是比较关键的。

然后，我们在做这件事的时候，其实给我们的模型研发也带来一个很大的好处，它的原因是说它其实能让我们更好的看清楚，关于模型智能的目标定义。比如说，就是当我们的agent开始在公司里面越来越多的跑起来的时候，我们其实是能够非常清晰的观测到是说，即使是当下最好的模型，在很多环节，依然是做不好的。

而恰恰是这些做不好的地方，它其实是具备更最高的经济价值和使用价值。那这些事情，其实也会直接变成我们的下一代模型的和agent的研发方向，有助于，我们更快速更清晰的来定义我们的目标。我觉得就是说当我们的模型越来越接近，世界上第一流的模型的时候，然后这件事情，它的价值其实会，越来越被放大。

在过去几个月就是说我们的模型的迭代速度，收入增速，服务用户的能力，token吞吐能力，实际上都是在持续进步的。这个的话，也是让我们能够，更快的能够来定义出来模型的目标，然后让AI在公司内部，能够充分的发挥价值。我们认为，就是说，就是这种一个agent原生就是一个AI原生的组织这件事儿，其实目前在我们公司内部已经能够看到一个比较正向的飞轮，我们也认为这是这会是我们公司持续的一个核心竞争力。

Operator

谢谢。今天的问答环节到此结束，现在有请严总做总结性发言。

严俊杰

感谢大家今天的参与，如果您还有更多问题，欢迎随时与我们投资者关系团队取得联系，谢谢大家。

更多细节：MINIMAX-WP IR

提示：以上内容是基于公开数据与第三方的自动字幕由AI语言模型生成。以上内容不代表富途的任何立场,不构成任何投资建议。富途集团概不就上述内容的准确性、合时性或完整性作出任何明示或暗示的保证或声明。

浏览 71.8万