MiniMax冲向2.7万亿参数：开源大模型又到了拼基本功的时候

达尔文认为“物竞天择，适者生存。”大模型行业当下正在进行着类似的筛选，能适应环境变化的企业才能在这场变革中存活下来。

7月8日，路透社援引知情人士称，MiniMax Group正在研发一款2.7万亿参数的大语言模型，最早可能在今年三季度发布；一旦落地，将可能成为中国企业发布的最大开源权重模型，并可能跻身全球最大开源权重模型之列。MiniMax对此未作出明确回应，不过恰好近期公司新发布了MiniMax M3，M3主打1M上下文、Coding、Agent和原生多模态能力，并已进入2026世界人工智能大会的重点展示名单。

MiniMax 这一系列的消息引起了市场的关注，不过接下来资本市场看MiniMax，不会只看参数，真正要看的，是参数扩大之后，推理成本、产品留存、企业付费和全球化收入能不能同步改善。

开源模型重新变大，背后是Agent任务对能力上限的再定价

中国大模型近一年一直在致力于用更低成本把能力逼近闭源模型。DeepSeek-V3采用MoE架构，官方披露总参数671B、每token激活37B；阿里Qwen3-235B-A22B总参数235B、激活参数22B，并以Apache 2.0许可开放权重。以上模型成功地将市场注意力从“谁参数更大”，重新拉回到了“谁能用更少激活参数完成更强任务”。尤其是MiniMax传出的2.7万亿参数模型，开始重新把规模放回牌桌。这个转向并不矛盾，因为Agent、Coding、长上下文和多模态任务正在抬高模型的能力门槛。

聊天机器人时代，模型只要回答得快、价格够低，就能占住一部分需求。进入Agent场景后，对模型的要求越来越高，不仅要处理代码库、长文档、视频输入，还要进行工具调用、任务拆解和多轮反馈。问题是任务链条越长，错误累积越明显，单次回答能力慢慢地不再够用。路透在报道中提到，万亿参数模型的推进，与市场对复杂推理、自主系统和多步操作能力的需求相关；MoE工程可以让模型可以拥有巨大的总参数，同时每次查询只激活一部分网络，从而平衡能力与运行成本。

MiniMax官方称，M3支持最高1M tokens上下文，原生支持图像和视频输入，可以操作桌面电脑，并把Coding和Agent作为重点能力。官方还披露，M3在办公流程、搜索、Office任务和金融场景中已经具备初步可用性。可见MiniMax M3的定位更接近生产力工具的工作流入口。

芒格常说，反过来想，总是反过来想。用这句话看MiniMax，问题不该是“2.7T是否足够大”，而应该是“什么任务需要这么大的模型”。如果2.7T最终只是发布会参数，行业很快会回到质疑；只有2.7T能明显提升复杂代码、长文档处理、多模态理解和Agent稳定性，参数才会成为产品能力的一部分，不过最终市场的决策还是要看真实工作流里的效率提升情况，开源路线只是放大了这种检验。

成本控制比参数更难，MiniMax的财报已经暴露关键考题

对于大模型公司来说，能力好讲，单位经济难讲。参数越大，训练、部署、推理、带宽和服务稳定性的压力越高。MiniMax如今已经是港股上市公司，其财务数据开始成为外界观察模型效率的硬约束。

MiniMax 2025年收入同比增长158.9%至7900万美元，其中超过70%来自国际市场；毛利从2024年的370万美元提升至2025年的2010万美元，毛利率从12.2%提升至25.4%。由此可见MiniMax已经跑出产品化收入，也在通过模型和系统效率改善毛利。

但同一份公告也显示，2025年调整后净亏损为2.509亿美元，研发费用从2024年的1.89亿美元增至2025年的2.528亿美元，增幅33.8%，主要来自训练活动相关云服务开支。收入高增和亏损延续同时存在，构成了MiniMax核心的基本面张力。MiniMax在2025年已经证明收入可以增长，下一步需要证明毛利率改善是模型架构、基础设施调度和产品组合共同带来的长期结果。

需要注意的是更大的模型如果无法压低推理成本，会把这条张力继续拉大。为此M3使用了MiniMax Sparse Attention。官方披露，在1M上下文长度下，M3每token计算量只有上一代模型的1/20，prefill阶段提速超过9倍，decoding阶段提速超过15倍。MiniMax团队论文进一步披露，在109B参数原生多模态模型上，MSA在1M上下文场景下将每token注意力计算，并在H800上实现14.2倍prefill和7.6倍decoding墙钟时间加速。

大模型进入生产环境后，延迟、稳定性、价格和可部署性都会成为客户的关注点。不同的场景以及群体关注点有所不同，企业客户做私有化部署，关注的是安全、成本和维护；开发者选择开源权重，关注的是迁移成本、生态工具和推理资源；C端用户订阅产品，关注的是体验和持续可用。MiniMax如果能把M3上的稀疏注意力、长上下文成本控制和多模态能力延续到下一代大模型，2.7T才有可能变成经营杠杆。否则，参数越大，越容易被理解为资本开支压力。

MiniMax的机会在全球化产品矩阵能否接住模型能力

模型和产品同时出海是MiniMax的独特性所在。2025年，MiniMaxAI原生产品收入从2180万美元增至5310万美元，开放平台及其他企业服务收入也从870万美元增至2600万美元；截至2025年底，公司累计服务超过2.36亿用户，覆盖200多个国家和地区，同时服务21.4万名企业客户和开发者。

MiniMax披露的产品矩阵包括MiniMax Agent、Hailuo AI、Talkie、Xingye和开放平台。相比较于单纯模型厂商，MiniMax其实更接近一家平台型AI公司。Hailuo AI对应视频生成和内容创作，Talkie、Xingye对应AI互动产品，MiniMax Code和开放平台对应开发者及企业服务。模型能力提升后，提升产品体验、增加调用频次、扩大付费用户和提高企业客户留存都会是直接承接场景。不过资本市场最终真正关注的是参数背后能否产生更高ARPU、更低服务成本和更稳定复购。

MiniMax正在积极把模型能力推向更公开的产业场景，WAIC前夕，MiniMax M3多模态大模型被列入展出产品WAIC。 2026官方发布会信息显示，本届大会将有1100余家企业、3000余项展品亮相，超过300款产品实现全球首发，MiniMax M3多模态大模型、华为Atlas 950超节点真机、阶跃Agent OS等产品将现场展出。

风险同样清晰。MiniMax要面对的竞争，除了来自DeepSeek、Qwen、Kimi，也来自算力、Agent OS、端侧AI和应用层公司共同构成的新生态。开源权重会快速扩大影响力，也会削弱单纯API价格优势；多模态产品有流量红利，也会遇到版权、内容安全和海外合规压力；企业服务能提高收入质量，但也会带来交付周期更长，销售和工程支持成本更重的问题。

MiniMax传出2.7万亿参数模型，把中国开源大模型重新推到全球视野里。对行业来说，说明中国模型公司在继续冲击复杂推理、Agent、多模态和长上下文任务。对MiniMax来说，更大的参数也意味着更严格的经营检验。

参数的确能制造关注度，但成本曲线和产品曲线才能留下公司价值。接下来MiniMax真正需要回答三个问题：M3的成本优化能否迁移到更大模型；全球化产品矩阵能否把模型能力转化为持续收入；企业和开发者生态能否提高收入质量。