MINIMAX 2025年全年業績直播
【AI 要點總結】
財務表現
- 2025年全年收入7900萬美元，同比增長159%
- AI原生產品收入5300萬美元，同比增長143%
- 開放平台收入接近2600萬美元，同比增長198%
- 毛利率提升至25.4%，較2024年的12.2%優化13個百分點
業務進展
- 發佈M2、M2.1、M2 Her三款語言模型，M2成爲OpenRouter上首個單日token超過50B的中國模型
- 發佈M2.5模型，在SWE-bench Verified測試中刷新行業記錄，推理效率相比M2.1提升37%
- 累計服務超過2.36億名用戶，覆蓋超過200個國家和地區
- 服務21.4萬企業客戶和開發者，國際市場收入佔比超過70%
下一季度業績指引
- 2026年2月ARR已超過1.5億美金
- M2系列模型在2026年2月的平均單日token消耗量增長到2025年12月的超過6倍
- 編程套餐token消耗量過去兩個月增長超過10倍
- 2026年2月新註冊用戶數達到2025年12月的4倍以上
機會
- 計劃推出M3和海螺三系列模型，針對L4到L5級別智能挑戰設計
- 在編程、辦公、動態創作等領域擴大應用場景
- 與Google AI、Azure AI Foundry、AWS等全球頭部雲廠商合作
- M2系列服務模型每百萬token推理成本下降超過50%
風險
- 面臨巨頭和其他創業公司的激烈市場競爭
- 需要持續優化算力使用效率和基礎設施建設
【AI 會議實錄】
Operator
女士們先生們，大家好，歡迎參加minimax 2025年全年業績電話會議。請注意，本次電話會議提供管理層發言及問答部分的英文同聲翻譯，您需要進入英文頻道，以便收聽第三方傳譯員的同聲翻譯。請留意今天的會議正在錄音，現在有請公司投資者關係總監Meredith Yu女士發言。
Meredith Yu
謝謝operator，大家好，我是Meredith Yu，歡迎參加minimax 2025年全年業績電話會議。在會議開始之前，我們想提醒您今天的會議內容可能包含前瞻性陳述，其中涉及諸多風險和不確定性，實際結論和結果可能與今天討論的結論和結果有所不同。除法律要求外，本公司不承擔任何更新此前瞻性信息的義務。
有關本會議的所有重要資料包括前瞻性陳述，請以公司公開資料或今日早些時候在公司網站發佈的截止2025年12月31日的2025年全年業績公告爲準。今天的電話會議，管理層還將討論某些非IFRS財務指標，僅供考慮作爲補充，但不能替代根據IFRS編制的公司財務業績指標。
有關非IFRS財務指標的定義以及其與IFRS財務業績的對賬，相關風險因素提示，請參閱公司2025年全年業績公告。今天電話會議中，管理層將用中文作爲主要溝通語言，包括管理層發言和問答環節。第三方傳譯員將提供英文同聲傳譯，翻譯僅爲提高會議效率，若翻譯與中文內容有所出入，請以管理層的中文原始陳述爲準。
最後，除非另有說明，所有在電話會議中提到的貨幣單位均爲美元。下面有請minimax創始人董事長及CEO嚴俊傑博士發言。
嚴俊傑
各位投資者，分析師，大家好，我是嚴俊傑。感謝各位參加公司上市後的首次業績發佈電話會。藉助這個機會，我想分享一下我們在過去一年的進展以及公司下一階段的戰略。
首先回顧一下2025年，這一年的關鍵詞是夯實基礎。在2025年，我們構建了全模態的研發能力，包括語言、視頻、語音和音樂等各主要模態都擁有了具備全球競爭力的模型。同時，我們不斷通過技術創新升級我們的產品，包括面向企業和開發者的開發平台，以及面向消費者的minimax agent、Hello AI、Talk星野等。
我們的全球化佈局，也在2025年走得更深更實在。語言模型方面，我們去年第四季度更新了M2、M2.1、M2 Her三款模型，其中M2重新定義了效果、價格和速度的平衡，具備了編程、工具調用和深度搜索三項關鍵能力，並接近全球頂尖的水平。
M2發佈後，迅速獲得了全球開發者的認可，成爲OpenRouter上首個單日token超過50B的中國模型，並登頂了Hugging Face的當周全球熱榜第一。在M2的基礎之上，我們也很快推出了M2.1，重點提升了真實世界複雜任務的表現，尤其是在編程和辦公場景中能夠更好地理解和執行復雜的指令。
同時，我們也推出了M2 Her作爲支持星野和Talk兩款AI互動產品的底層模型，專注於打造更加自然、更加個性化的對話體驗。在一百輪的長程對話測試中，綜合表現位居全球第一。在2026年的2月份，我們發佈了M2.5，在編程、工具調用和辦公等場景中全面達到了頂尖的水平。
其中在編程方面，M2.5在SWE-bench Verified的測試中刷新了行業記錄，相比於我們上一代的M2.1，推理效率又進一步提升了37%。更關鍵的是M2.5讓複雜的agent運行的成本在經濟上變得可行。比如說我們的M2.5，以全球主流模型最快的推理速度一秒一百token來輸出的情況下，連續工作一個小時其實只需要一美金。
這意味着一萬美金基本上可以讓四個agent連續運行一年。這個模型能力的突破，也帶動了使用量的高速增長。我們發佈後，迅速霸榜了連續兩週的OpenRouter。至今從M2到M2.1再到M2.5，我們的每代模型能力和使用量都取得了顯著的提升。M2系列模型在2026年2月份的平均單日token消耗量，已經增長到了2025年12月份的超過六倍。
其中，來自編程套餐的token消耗量，過去兩個月其實增長了超過十倍。在多模態方面，我們已經具備了視頻、語音和音樂三大模態的生成能力。在去年10月份，我們發佈了視頻模型海螺2.3，在人物動作、畫面質量、風格化方面都實現了顯著的提升。
同時，我們也推出了更快速的Fast模型，批量創作成本最高可以降低50%。我們還在海螺AI中升級了Media Agent，支持全模態的全能創作，一鍵成片。截止2025年年底，我們的視頻模型已經幫助全球的創作者累計生成了超過六億個視頻。
去年10月份，我們也同時發佈了我們的語音模型Speech 2.6，針對Voice場景，優化了語音交互的體驗，實現了全球頂尖水平的超低延時，同時也支持四十多種語言。截至2025年年底，我們的語音模型幫助全球的用戶累計生成了超過兩億小時的語音，成爲語音智能領域的核心技術設施之一。
我們也新發布的音樂模型Music 2.0和2.5也實現了顯著提升，能夠穩定駕馭多種唱法和情感風格。在研發上述模型和產品的過程中，我們也在持續向AI原生的組織來演進。我們內部的agent實習生，已經覆蓋了公司超過90%的同學，涵蓋了編程開發、數據分析、運維管理、人力招聘、市場銷售等。
我們也將自身視爲AI native組織演化的試驗場。我們認爲這個經驗對提升公司把握AI機遇的能力至關重要。在今年1月份的時候，我們也將上述沉澱的能力進一步產品化，發佈了minimax agent 2.0，讓agent能夠進入本地工作空間，同時上線了專家agent的功能，讓用戶可以創建專業領域的agent。
上線至2月底，我們的專業用戶已經累計創建了超過五萬個專家agent，通過深度知識和能力的注入，能夠解決更加專業的領域問題。我們知道OpenCoder項目最近非常的火，實際上早在OpenCoder項目火爆之前，它的創始人Peter就對我們的模型當時還是2.1，給出了極高的評價，認爲是他首選的最好的開源模型。
OpenCoder正式發佈後，M2系列模型在效果和成本上的綜合優勢，實際上是幫助了很多開發者得以低門檻普惠地來使用OpenCoder。我們自己的AI產品，前段時間也推出了Mars Cloud來進一步降低用戶的使用門檻。
接下來，我們說一下商業化的進展。我們在2025年全年實現了7900萬美金的收入，同比增長159%。其中，AI原生產品的收入是5300萬美元，同比增長143%。開放平台的收入是接近2600萬美元，同比增長了198%。
2025年之後，我們可以看到增長在顯著加速。舉個例子，我們面向企業客戶和開發者的開放平台產品，2026年2月的新註冊用戶數已經達到了2025年12月份的四倍以上。截止2025年12月31日，我們已經累計服務了超過兩百個國家和地區的超過2.36億名用戶，其中以及來自超過一百個國家和地區的21.4萬企業客戶和開發者。
2025年，我們的國際市場收入佔比超過70%。我們的to B開放平台產品收入中國際市場的佔比也已經超過了50%。我們的M2.5發佈後，在國際市場獲得了顯著的關注，吸引了許多新的國際客戶主動接洽合作。口碑的效應也在持續擴散，包括Google AI、Azure AI Foundry、AWS、Fireworks AI等全球頭部的雲廠商以及AI原生平台都已經部署了我們的模型。
同時，也是OpenCoder等頭部的coding平台的默認首選模型。在今天凌晨，我們也看到Notion也上線了M2.5，是Notion的首個上線且唯一的開源模型選擇。在提供上述服務的同時，我們的算力效率也取得了顯著的提升。
我們一直在持續優化我們的算力使用效率，得益於算法優化、算子實現及編解碼工程的優化工作的迭代，截至2026年2月份，M2系列的服務模型每百萬token的推理成本，相比於2025年12月份，下降了超過50%。視頻的生成模型的推理時延，也就等價於它的推理成本，相比同期其實下降了超過30%。
隨着模型技術能力的持續迭代，我們的規模化效應其實也開始顯現。2025年的全年毛利額是2000萬美元，同比增長了437%。毛利率提升至25.4%，較2024年的12.2%，優化了13個百分點。在費用方面，2025年的營銷費用同比下降40%，研發費用同比增長33.8%，但顯著低於收入同比增速。
2025年全年經調整的淨虧損爲2.5億美金。隨着商業化的持續推進，模型調優帶來的成本優化，經調整淨虧損率也大幅收窄。在2026年的前兩個月，我們已經看到了一個強勁的增長態勢。我們在2026年2月的ARR已經超過了1.5億美金。
接下來，我想和大家分享一下我們對2026年的展望。我們認爲2026年，智能水平依然會有一個非常大的發展。我們自己的努力目標，是以下三個方面。首先，我們認爲在編程領域，會出現L4到L5級別的智能，從工具走向同事級的協作。
第二，我們認爲在辦公領域，接下來一年將復刻去年在編程領域的進步速度，AI智能體在辦公領域的交付能力和滲透率將會顯著提升。第三，我們認爲動態的創作在今年將走向可以直出、可交付的中長內容，甚至能夠出現更加接近流式實時輸出的形態。
這三件事疊加，意味着新的技術挑戰，更大規模的智能供給的爆發，以及在應用層巨大的創新窗口期。這也意味着我們承載的需求，有可能會被進一步的放大。token量級，很有可能會出現一到兩個數量級的增長。我們目前在研發的M3和海螺三系列的模型，其實也是針對這些挑戰來設計的。
在這個過程中，我們其實也在快速完善我們的基礎設施和持續吸引人才，從去年單純的追求訓練效率，轉向追求更高的研發效率和模型迭代效率。在公司戰略層面，我們會從大模型公司向AI時代的平台型公司邁進。我們知道互聯網時代的平台公司是流量的入口，AI時代的平台公司，我們認爲是定義和推動新智能範式，並在產品和商業上享受範式紅利的組織。
這依賴於智能範式的定義能力，技術和產品的創新能力，以及可擴展的基建和token高效吞吐的能力。一家AI時代平台公司的價值，我們認爲可以簡單地估算成提供智能的密度乘以token的吞吐。當兩者都足夠強，平台的價值自然會顯現。
我們可以看到當前AI行業的加速擴張態勢清晰可見，模型能力的突破，Agent應用的落地，商業化路徑的成熟，都在持續打開天花板。基於我們自身的技術研發和產品能力已經可被驗證的持續增長的潛力，我們很有信心以AI平台化的核心建設者的定位來努力。感謝各位的聆聽，接下來，我們可以進入問答環節。
Operator
謝謝管理層。想提醒一下，如果您需要提問，請按星字鍵再按一字鍵。如果您需要撤回您的問題，請按井字鍵，請用中文提出您的問題。我們現在進入問答環節，第一道問題是來自Morgan Stanley的Gary Yu。
Gary Yu
好，謝謝管理層，謝謝嚴總的分享。我的問題是關於我們這一期講的，希望成爲一家AI的平台公司，但是我們也看得到Google跟OpenAI都在做。我們是怎麼去理解AI時代的平台公司，那爲什麼minimax作爲一家創業公司有機會能夠成爲AI的平台公司呢？謝謝。
嚴俊傑
感謝你的提問，這個其實也是我們內部一直在討論和思考的問題。我們在剛才已經提到，當智能的邊界突破時，圍繞這個突破，一般會產生大量的新的場景和用戶，進一步能夠形成新的生態和商業化紅利。比如說在編程，比如說在圖像生成裏面其實都已經存在了這樣的公司。
那爲什麼minimax，我們認爲將來有機會也能夠變成一家AI時代的平台公司呢？我們的判斷有這麼幾個原因。第一個的話是說，我們認爲AI目前還是其實還不是一個存量博弈的市場，還是一個實際上AI，我們可以看到它是一個每年的增量都遠遠大於存量的一個市場。
它更是，另外，它也不是一個winner take all的市場，只要是在裏面有創新跟獨特性，就會有自己的機會。我們認爲在接下來兩到三年，我們的模型研發能力和基建能力都會有持續很大的提升，並且有一些潛在的機會能夠開拓出來新的場景，不管是在編程，在辦公，還是在互動娛樂裏面，都有巨大的創新空間和市場空間。
在我們目前處在的這麼一個高速增長的市場環境下，我覺得我們自己的機會，在以下這麼幾層。第一的話是說，在模型層面，模型層面的話，我們認爲它的一個比較核心的其實是說，其實是非常依賴於長期的積累和比較快速的迭代的。這個本身我們認爲是一個很高的壁壘。
比如說在過去的108天裏面，我們其實就陸續推出了M2、M2.1、M2.5三個版本，然後每次都帶來了用戶使用量數量級的高速增長。再比如是說我們創業第一天就開始積累跨模態的模型，這其實我們是實際上我認爲我們是唯一家這麼做的創業公司。
這個的話也是能夠讓我們在將來的多模態融合的趨勢裏面能夠進一步的放大我們的優勢。那在產品層，實際上，也是第一家國內的公司裏面就是既做模型既做產品的公司，我們認爲模型加產品的雙重能力能夠構成一個更強的壁壘。因爲模型的能力，直接定義了產品的能力。
這種模型即產品的一體化能力，我們覺得是大部分公司是很難以複製的，因爲它是非常獨特的一種能力。然後，還有一層，我覺得可能是在生態層。實際上，我認爲我們在過去，利用我們自己模型的特點，其實已經開始產生了一些小範圍的一些生態。
比如說在OpenCoder的生態裏面，我其實就發揮了非常積極的作用，從最早期OpenCoder裏面用了很多我們的模型來開發，然後到是說因爲我們的模型的性價比很高，非常適合這種大通量的場景，幫助了很多開發者能夠來降低門檻。再到是說我們的產品進一步來集成OpenCoder，其實就是我們的agent的Mars Cloud，能夠又進一步降低了用戶的使用門檻。
同時的話，其實我們現在也在開始給OpenCoder開始來比較多的貢獻我們自己的代碼。我們認爲，其實是說我們其實已經展現了是說能夠來幫助一個生態能夠快速發展的，我們已經證明了這個能力。但是就是說能夠形成我們自己的生態，這個事兒我覺得，現在可能才只是一個起點。
接下來，我們計劃，一方面，其實是準備通過下代的剛才提到的M3跟海螺三能夠進一步的來突破智能的邊界，形成模型的獨特性。另外一方面的話是說，也是希望能夠圍繞我們自己的模型能夠打造獨特的產品跟生態。我相信我們其實是除了少數大廠之外，能夠同時做到這兩點的公司，可能也是目前亞洲唯一的初創公司。謝謝。
Operator
下一個問題。Your next question comes from Alex Yao with JP Morgan please.
Alex Yao
好的，管理層，謝謝晚上的時間也恭喜這個強勁的業績。我想問一個關於多模態的問題，就是咱們公司其實一直都在強調多模態是AI的終局。那如果競爭對手採用專注於一個模態迅速打通，然後反過來再融會的這個以點帶面融會貫通的話，有沒有可能是一個更快的一個路徑走法？那咱們這種堅持多模態的策略會不會反而是更慢一點，負擔更重一點的一個策略？謝謝。
嚴俊傑
感謝您的提問，實際上這個問題是我們創業第一天就開始一直在被挑戰的問題。我還是想來利用這個機會來解釋一下，我們爲什麼要做多模態。我們認爲，多個模態的融合是持續提升智能的基本前提。實際上，在過去半年，其實已經有了好幾個模型通過模態的融合來帶來了新的智能邊界的變化，並且打通了新的場景。
比如說，舉例子，比如說大家可能在圖像生成裏面用的最多的Google的Imagen Pro其實就是一個這樣的模型，通過將視覺理解和生成融合在一起非常大的拓展了圖片生成的邊界。我們就是這個多模態的這件事兒，我們其實是分了兩個階段，第一個階段我們已經走完了，然後現在已經開始了第二個階段。
第一個階段指的是說，過去四年，我們其實是通過持續的積累，其實把每個模態都做出來這個行業上有影響力的模型，積累了正確的口碑，比如說我們的之前提過的語言模型、視覺模型、聲音模型跟音樂模型。所以相當於是說我們在每個模態都已經單獨走通了，並且取得了比較好的進展。
那現在我們正在經歷的，其實是我們的第二步就是把這幾個模態單獨都能走通了，那接下來的話就是儘可能能夠整合在一起，能夠希望能夠形成新的突破。實際上，可能就是我們今年上半年會推出的M3跟海螺三，其實就會是這麼一個成果。
我想說的想強調的事情有兩個，第一個的話是說每個模態的積累，實際上都是一個漫長的過程，從一開始的數據，然後到方法，然後到對應的人才，每個鏈條其實都需要很長的時間。我認爲這也是我們的核心積累和獨特性。我們剛才也提到過，我們其實國內僅有的三家公司之一，每個模態都能夠做到比較領先的水平，同時我們也是唯一的初創公司。
然後我想再說的第二點是說我們其實可以看到，就是視頻生成其實目前是整個AGI這個領域裏面除了編程跟智能助手之外最大的一個市場，我們認爲今年，這個領域可以推進到中長視頻以及接近實時的生成。然後我們認爲這樣一個技術的變革，還有可能把這個市場能夠變得顯著的更大。
我認爲隨着我們這種動態融合的順利，在這個市場裏面也能夠得到獨特的機會。那像剛才您說的就是說，這個的話會不會給我們的研發造成挑戰？首先，我覺得它是實際上是帶來的挑戰，但是我認爲是必須的。實際上，我們從公司創業第一天起，我們就認爲，AGI的理解就是它應該是必須得包含動態的輸入和動態的輸出。
因此，我們其實就組織了和搭建了這種不同模態可以複用的底層能力。在我們這種非常AI native的組織的架構下，實際上，可以看我們的財務數據也可以看得到，我們做全模態的費用其實相比於其他創業公司，其實其實並沒有很高，並且是遠遠低於巨頭的投入金額的。
但是我們每個模態其實都已經做出來有競爭力的模型，甚至比只做單一模態的公司其實做的更好。我們認爲這件事兒，其實也是我們過去幾年在技術判斷和前瞻性上，不斷被驗證的一個證明。我們認爲這件事兒在接下來也會變得更加的清晰。感謝。
Operator
下一個問題。Your next question comes from Weis Young with UBS. Please go ahead.
Weis Young
好的，管理層晚上好，恭喜咱們公司上市以來第一個強勁的業績也感謝接受我的提問。我想問一下，就是咱們之前有提到看到L4到L5級別的編程智能正在到來，那最近其實市場上也有很多關於軟件公司會被agent替代的說法。那就想請教一下，咱們是怎麼看待這個行業趨勢和這個行業變革的，以及咱們公司在其中的位置？謝謝。
嚴俊傑
對，這是一個非常重要的問題。然後我先講一下，什麼是L4到L5級別的智能，然後以及講一下，這個未來的可能的提升方向和我們自己的位置。我們認爲，就是L3級別，其實就是現在大家正常的agent，但是L4跟L5級別，其實是這種同事跟組織級的智能。
我給大家舉個例子，比如說，我們公司一個比較重要的使命之一是做出來更領先的模型，對吧。但是做出來一個更領先的模型，這件事兒，其實是需要很多人一起來合作的，裏面需要大量的算法的創新和實驗，裏面也需要很多的訓練效率的優化，也需要很大量的數據處理，甚至還需要很多的機器的運維，其實是個非常綜合性的事兒。
然後，在這麼一個研發的過程中，那我們認爲L4級別的事兒，其實就是做更加創新的，比如說單個研究員能夠來完成的事兒，比如說，基於一篇論文來做一些實驗，然後比如說對一個比較挑戰性的工程問題能夠提出來高效的解決方案。那這個的話其實就是L4級別的事兒，就是說不光能夠實現一些確定性的任務，而且是說在裏面能夠有一定的創新性。
那L5級別的事兒，其實就指的是說它不光是一個人可以這麼做，那可以把很多人可以有效的合作起來，這個就是L5級別的智能。然後關於coding，coding的話，我們認爲其實是agent的一部分，它其實是在agent的生產力場景中算是最早被驗證的一個能力。除了coding之外，我們覺得另外一個比較重要的事兒就是辦公，這個的話剛才其實講過，我們認爲它的進度速度會非常的快，並且它的潛在市場可能會比編程會更大。
那接下來的話，是說我們怎麼來看待自己在變革中的位置？首先，我們認爲我們面對的其實是一個巨大的市場。當然了，比如說編程我們可以看到對吧，它其實不光是幫專業的人寫好代碼，而且它是其實是幫助更多的人能夠來寫代碼。然後，但是即使這樣，在工作中，需要寫代碼的人其實還是很少的，大部分的人在工作中其實更多的是白領的辦公。
那這裏面很多，比如說像數據分析，比如說像我們準備這樣一份業績裏面需要做大量的財務上的一些事情，我們最終還要再寫一份上市的一個業績的文檔對吧，然後有時候可能還需要準備PPT，那這個東西加起來，它，涉及到的職業的人數，它其實是比單純的編程其實是更大。
然後，那我們在編程跟辦公的領域，其實已經取得了一些初步的進展，並且是在用了非常少的資源就具備了一定的獨特優勢。然後，這個更大的事兒，我覺得其實才是剛剛開始。然後在這個過程中，我覺得我們其實是有兩個特點。第一個的話是說，我認爲我們第一個特點是說我們跑的足夠快。
其實剛才提到，就是說我們從M2到M2.5三代模型，其實我們只花了108天，就是相當於是，那這個東西，其實相當於是說，我們幾乎是保持了行業最快的迭代速度，並且每代模型的能力跟使用量都有了一個顯著的提升。這個，其實證明了我們的研發能力和模型承載流量的能力。
那實際上，就是這個M2系列模型，實際上是我們是用非常有限的資源來做出來的，那我們現在其實已經非常，其實是已經有了顯著的更多的資源，我們認爲當我們的資源能夠起來之後，模型的進步速度會更快。然後，更強的模型，也會進一步能打開更高的天花板。
那大家目前看到的歷史業績，其實是基於M2系列的模型做出來的。然後，我們其實的目標，是說希望我們下一系列的模型，就是我們M3系列的模型，能夠進一步打開空間，形成一個正向的飛輪。除了跑的足夠快之外，我覺得我們還有一個能力是說我們其實是能夠做出來一些有獨特性的模型。
這個，其實是我們，在過去一段時間反覆被證明的一件事兒。剛才其實提到整個市場足夠大，在這個足夠大的市場裏面，其實不太需要說winner take all，其實我們需要的是說，我們需要具備自己的特點。這個特點主要指的是說我們具備獨特的技術路線規劃和研發的定義能力，而不只是說隨波逐流，人云亦云。
我們，其實在我們的第二系列模型的時候，就是我們的M2、海螺二和Speech二，這些系列模型我們其實是沒有追求所有維度的全面勝出，但是，我們其實定義出來自己的獨特的優勢。比如說在M2，我們的核心的定義除了性價比高，其實還有它的速度快。比如說海螺二其實就是它的複雜度的表現，比如說Speech二，那就是多語言和低延時。
我們其實這些獨特的定義其實是幫我們形成了差異化，以此來打開了市場。那在我們將來的資源能夠顯著的放大之後，我們認爲這種獨特性會發揮更強的勢能，也會有更高的價值。如果一句話總結的話，是說，我們有信心在編程驅動的智能體以及將來更廣泛的辦公場景，隨着我們的模型更強，能夠進一步提升我們的份額，實現更多的突破，爭取更大的市場，更快的迭代，更強的獨特性，讓我們在變革中，有一個更有利的位置。謝謝。
Operator
Thank you. Your next question comes from Ronald Young with Goldman Sachs. Please go ahead.
Ronald Young
謝謝，謝謝嚴總的親自分享。在這個賽道呢，有巨頭，那也有創業公司，有開源模型，那就想聽嚴總怎麼看這個到底在哪一層競爭和哪些仗必須打？謝謝。
嚴俊傑
對這個的話就是，像前面介紹的一樣，我們其實正在努力建設，希望自己能夠變成AI時代的平台公司。這裏面的核心驅動力，其實是智能密度的持續提升以及token的吞吐能力。我們認爲就是相比於我們行業的其他公司，我們認爲我們有以下顯著的差異化的戰略選擇。
首先是說在戰略定位方面，我們其實從第一天起，我們就是圍繞全模態能力，不斷提升模型的智能密度和邊界來產生獨特價值。然後並且圍繞這種獨特價值來做產品和業務，然後有所爲有所不爲，從而能夠聚焦資源。比如舉例子，比如說我們在2023年，我們就做出來明確的判斷，就是我們堅決不做移動端的通用個人智能助手，就是類似豆包和ChatGPT這樣的對話產品。
我們從我們很早就明確，我們堅決不做的話，是因爲，我們在裏面其實沒有創造獨特的價值。那我們反過來，我們其實把資源集中在能夠產生獨特價值的模型研發跟產品創新上，比如說我們的agent，比如說像透心引量的產品，比如說我們的海螺視頻。那我們認爲這樣的一個戰略選擇，其實是有利於我們能夠形成更多的長期差異化，提高我們的做選擇的勝率。
那第二個例子，就是說那我們一開始一上來就堅持做多模態，上面已經介紹了，就是說不同的模態的積累其實都非常重要，並且，現在其實已經到了一個不同模態就一定要融合的關鍵節點。這個的話，其實也是能夠讓我們在全模態融合的趨勢下能夠佔據一個更加有利的位置。
然後就是說一下，就是說第二個不一樣就是說，我想強調一下研發效率。我們可以看到，就是說其實在AI這個時代，其實最終決定勝負的其實並不是說，單純的燒錢和燒資源，而是說模型的進步速度能夠最快，從而能夠產生更大量級的商業化的收入和市場規模。
我們，其實在研發的各個環節都在貫徹我們的迭代效率，比如說從我們的算法優化，到實驗設計，然後到實驗迭代次數，到一些分析決策機制，都充分利用我們創業公司，更敏捷的組織形式，自上而下和自下而上的結合，複用不同模態之間的經驗和基礎設施，來讓我們的研發效率能夠持續領先。
長期來看，就是說在全球範圍內，我們認爲只會留下少數的AI的平台性公司能夠位於整個行業的核心隊列。我們，我們認爲是已經具備了一定的優勢和獨特性，我覺得我們是少數，潛在的獨立公司之一。
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，各位領導大家好，恭喜各位公司的業績，比我們想象的還是好很多的。然後您剛剛提到說2026年前兩個月，咱們M2系列的模型的token已經是去年12月水平的六倍了。因爲這個增速，我們有預期，但還是很驚人的，我估計可能也跟那些像OpenCoder爆火，包括我們M2系列模型，它的coding能力的再一次可用性的大升級等等，我覺得都有關係。
所以我的問題是，您覺得這個趨勢，是一個早期爆發的一個一次性的紅利呢，它會有一種短期的波峰波谷體現呢，還是說是一個更長可持續的長期趨勢的開端？謝謝。
嚴俊傑
感謝這個問題，我覺得我們看到的信號，是一個簡單點說我們認爲是一個長期趨勢的開端，不是一個一次性的紅利。當然，我覺得我們大家也要有預期，就是說這個行業的增長，它其實是階梯式的，它其實不是一個簡單的一個線性外推，還是一個階梯式的增長。
我們認爲，就是說我們能夠來不斷的推出新的模型，能夠更大比例的抓住行業的機會，一個很核心的事情，還是基於我們自身對智能迭代的理解來提前準備我們的研發資源，定義好每代的模型。這個的話是，其實就是說除了我們現在已經看到的M2，我其實更想講一下，是說，我們認爲接下來的增長，它的來源。
首先第一個的話，就是說我們其實已經在，實際上我們從2025年的下半年開始，我們其實就已經開始在積極的準備迎接好2026年，我們認爲，智能湧現可能會帶來的幾個超級的PMF。我們認爲接下來一年的滲透率和加速度會比大家想的更快，增長的來源也會更加多元化。
首先第一個，就是說我認爲編程領域，依然是有一個很高的天花板。就是雖然說就是說從做一個輔助工具的層面來看，編程其實已經很好了，但是，我們還是堅定的認爲今年會顯著的更好，就是走向同事級的協作，也許會走向創新性的發現和複雜組織配合，類似這樣一個水平的智能。
在編程裏面，我們認爲不管是說從技術儲備，從市場需求，從我們的研發的進展我們其實都能看到這點的，這個大概率會在今年發生。那第二個的話是說其實就是，剛才其實也提到過的就是各個職業的辦公的場景，這是一個比編程可能覆蓋範圍更廣，市場空間更大的場景。
實際上編程，實際上編程，辦公比編程它的問題會更加的複雜，原因的話，是因爲它涉及到很多不同的職業，並且它涉及到很多更復雜的工具的使用。但是然後並且是說，比如說在做其他學習的時候也會涉及到一些很多的任務其實是不可被驗證，那其實都對基礎迭代帶來的挑戰。
但是我們還是會，非常的相信，並且已經爲此做了大量的準備，認爲是說今年在辦公領域的速度，可能會跟去年的編程裏面可能會一樣快。然後，第三個超級的PMF，我們認爲其實還是動態生成的進展，簡單來說就是能夠直接交付中長內容這件事情，我們意味着它的滲透的門檻可能會進一步的降低。
實際上我們看過去兩三年，整個模型的競爭實際上是一個你追我趕，有勝有負的過程，所有的公司其實都在面臨挑戰，我覺得沒有哪個公司可以保證是說永遠是處在領先的地位。但是我對我們自己，能夠持續贏更多的關鍵戰役，是比較有信心的。
這個裏面，我覺得一個核心的戰略還是說，就是第一就是技術能力能夠突破邊界，第二的話是說能夠藉助於這樣一些邊界的突破，讓我們自己的產品和業務能夠越來越具有一定的生態的屬性，從而能在裏面享受到更大的紅利。我們其實能夠有信心跟這個行業能夠一起來成長，讓我們的獨特性、研發效率、創新能力和全球商業化能力都能夠一起來提升，變成一個更加具備擴展性，更加長期的組織競爭力。
Operator
Next question, please. Thank you. Your next question comes from Thomas Chong with Jefferies. Please go ahead.
Thomas Chong
晚上好，謝謝管理層接受我的提問。剛剛我們提到agent實習生覆蓋了90%的員工，這個時間非常超前，把公司當成試驗場這件事給我們帶來哪些別人看不到的認知呢？這些認知，如何反哺我們的產品和技術？謝謝。
嚴俊傑
感謝這個問題，其實，我覺得我們不光是一個研發AI的公司，和我們希望能夠將來變成一個平台型的AI公司，實際上，我們其實過程中我們也是希望我們在研發AI的過程中，自己也能夠變成一個AI原生的組織，這個的話其實是我們在組織上一個比較核心的追求目標。
在這個裏面的話，我想講兩件事兒，一個的話，其實還是速度，這邊主要指的是進步的速度。我們，就是一個希望我們自己能夠變成一個AI原生組織的最核心的動力來自於，一個創業公司的資源很有限，那我們必須得，把我們的組織效率提升到極致，才有更大的可能性。
通過在公司內部，就是從一開始推廣到現在公司裏面，越來越多的同事，然後基於AI來引入到自己的工作中，我們其實看到非常明顯的趨勢是說，在很多事情上，其實從一開始是說人來教agent怎麼來幹活，到越來越多的時候是開始是說人來觀察agent怎麼來幹活，甚至有時候，agent都會給人帶來一些驚喜。
這讓我們，其實，非常顯著的縮短了我們組織的鏈路，讓每個環節都能夠享受到智能紅利的提升。從模型迭代到產品創新，再到服務用戶，我們的迭代閉環，實際上一直是在加快的。而我們的同學，其實也有時間，把自己的，其實就是我們同學，也可以，有機會把自己的時間，還在一些價值更大的事情上面，能夠就是進一步能夠加速我們整個組織的思考能力和創新能力，這點我覺得是比較關鍵的。
然後，我們在做這件事的時候，其實給我們的模型研發也帶來一個很大的好處，它的原因是說它其實能讓我們更好的看清楚，關於模型智能的目標定義。比如說，就是當我們的agent開始在公司裏面越來越多的跑起來的時候，我們其實是能夠非常清晰的觀測到是說，即使是當下最好的模型，在很多環節，依然是做不好的。
而恰恰是這些做不好的地方，它其實是具備更最高的經濟價值和使用價值。那這些事情，其實也會直接變成我們的下一代模型的和agent的研發方向，有助於，我們更快速更清晰的來定義我們的目標。我覺得就是說當我們的模型越來越接近，世界上第一流的模型的時候，然後這件事情，它的價值其實會，越來越被放大。
在過去幾個月就是說我們的模型的迭代速度，收入增速，服務用戶的能力，token吞吐能力，實際上都是在持續進步的。這個的話，也是讓我們能夠，更快的能夠來定義出來模型的目標，然後讓AI在公司內部，能夠充分的發揮價值。我們認爲，就是說，就是這種一個agent原生就是一個AI原生的組織這件事兒，其實目前在我們公司內部已經能夠看到一個比較正向的飛輪，我們也認爲這是這會是我們公司持續的一個核心競爭力。
Operator
謝謝。今天的問答環節到此結束，現在有請嚴總做總結性發言。
嚴俊傑
感謝大家今天的參與，如果您還有更多問題，歡迎隨時與我們投資者關係團隊取得聯繫，謝謝大家。
更多細節：MINIMAX-WP IR
提示：以上內容是基於公開數據與第三方的自動字幕由AI語言模型生成。以上內容不代表富途的任何立場,不構成任何投資建議。富途集團概不就上述內容的準確性、合時性或完整性作出任何明示或暗示的保證或聲明。
風險及免責聲明：以上內容僅代表作者個人觀點，不代表富途任何立場，亦不構成任何投資建議，富途對此不作任何保證與承諾。更多信息
評論（178）
發表評論
85
36