我见证了 MiniMax 的“至暗时刻”

在 M3 模型发布后，MiniMax 公司迅速卷入一场关于模型定价策略的争议，这标志着公司经历了一段“至暗时刻”。

争论伊始

M3 模型，作为一款强化了编程和 Agent 能力的原生多模态模型，被 MiniMax 寄予厚望。然而，模型上线仅半天，围绕其同步推出的收费体系便引发了轩然大波。新的 Token Plan 取代了原有的订阅制 Coding Plan，导致部分用户发现，在同等使用强度下，额度消耗远超预期，而缺乏清晰的沟通和预警，让许多开发者在不知情的情况下面临规则变更。

不满情绪迅速蔓延，用户通过投诉和社交媒体表达不满，要求退款者和宣布不再续订者不在少数。尽管 MiniMax 内部迅速意识到沟通不足，并在当晚发布道歉公告，承认在调整前未与用户充分沟通，且对老用户的周限额处理不当，但当日公司股价仍收跌 15.71%。

内部冲突与反思

争论在模型发布次日达到临界点。一名技术负责人就定价方案的设计在内部群组中直接质问开放平台部门的同事，双方就套餐设计、额度分配以及是否充分考虑用户视角等问题展开激烈争辩。这种冲突的背后，是对团队数月心血被定价争议所掩盖的巨大落差。

作者在观察到这一幕后，认为公司内部的争吵恰是窥探其特质的绝佳窗口。尽管争吵激烈，但套餐设计更新却在一小时内完成，展现了高效率的解决问题能力。事后，参与争吵的双方表示并无个人恩怨，争论仅限于技术参数。更值得注意的是，其中一位技术负责人后来在讨论中维护了与他争执过的、入职不久的开放平台同事，认为后者缺乏对早期用户情绪和版本演变的“context”（背景信息），并将此归咎于所有人的责任。

Context 的重要性

MiniMax 的工作模式高度扁平化，强调信息的自由流动和透明度。员工们通常在上午陆续到岗，公司提供午晚餐，考勤管理也相对宽松。在漕河泾的三层办公区，以星星命名的会议室使用率极高，全员会定期举行，邀请各领域专家分享。

模型发布前夜，MiniMax 员工们为 M3 的上线全力以赴，有人值守服务稳定，有人追踪技术进展，也有人围桌夜谈。然而，公司最习惯的协作方式仍是线上，信息在各类群组中快速传递，谁掌握了相关“context”，谁就能被迅速纳入讨论。这种以“context”为核心的协作方式，给作者的第一印象是混乱但充满活力，像一个信息自由流通的广场。

在 M3 上线前的凌晨，算法和开发团队成员共同在一个文档中更新模型成绩和技术描述，几十个光标同步闪烁，仿佛整个公司都聚焦于此。创始人 IO（闫俊杰）也身处其中，在算法和技术细节的讨论中，他更多是倾听，在充分获取“context”后才做出最终决策。这种模式贯穿于公司各项事务，强调在充分信息共享下的高效决策。

M3 的发布对 MiniMax 而言意义重大，寄托了公司对自身能力的期许。然而，定价争议的出现，让团队经历了一场因“缺少 context”而引发的质疑和攻击，成为名副其实的“至暗时刻”。

症结所在

MiniMax 在大模型领域起步较早，但外界对其的初次印象多源于其产品而非模型本身。M2.5 的成功是公司模型能力的亮点，但市场变化迅速，M2.7 很快被认为能力不足。在 Kimi、DeepSeek、智谱以及 OpenAI、Anthropic 等国内外竞争对手不断推出更强模型的背景下，MiniMax 的模型研发压力巨大。

公司将绝大部分资源投入到提升模型智能水平，M3 是这一长期目标的关键节点。然而，过度的关注模型本身，导致在 M3 发布时，定价策略的沟通出现严重疏漏。用户对此产生的愤怒，以及随之而来的负面评价，冲淡了对模型技术创新的关注，并以一种刺痛的方式，让公司意识到“缺少沟通”和“缺少对用户的 context”所带来的严重后果。

作者认为，这些问题的根源在于经验的不足以及公司过于理想化的行动方式。MiniMax 习惯于在模型训练完成后尽快发布，并依赖用户反馈来迭代。而此次收费体系的更新，是模型能力提升的必然产物，旨在简化旧体系的复杂性。公司内部的共识是，人们使用好模型将越来越像使用水电，Token 将成为服务的载体。MiniMax 的决策逻辑也体现了“既然迟早如此，为何不早点改变”的理念。

这种快速迭代和重定价的趋势，在 2026 年上半年整个行业都普遍存在。MiniMax 作为一家成立仅四年、快速成长的公司，在面对资本市场和商业化审视时，其初创公司的特质被放大，导致了此次 M3 发布后的复杂局面。

道歉与企业文化

在 M3 发布后的一次全员复盘会上，创始人 IO 向全体员工公开道歉，承认效果未达预期，并对同事们为此付出的努力表示歉意。他坦诚分享了对竞争、技术、组织运转的思考，以及未来的改进方向。

作者认为，MiniMax 的应对方式——包括慌乱、沮丧、愤怒、争吵、快速解决问题、问责与包容并存，以及不撕扯地继续前进——并非所有公司都能做到。与大型科技公司注重追究责任不同，MiniMax 创始人倾向于客观陈述事实，避免给员工带来不必要的压力。

这种“就事论事”的企业文化，体现在员工们对公司内部氛围的描述中。与在其他公司经历的“山头林立、争抢资源、甩锅”等现象相比，MiniMax 的员工感到更强的安全感，相信只要把事情想对、做对，就能得到认可。即使是联合创始人之间，也能激烈争吵后迅速恢复正常工作。员工也敢于挑战创始人，并在充分的 context 下进行讨论。

“安全感保护的是做事情的人。”有员工表示，只要在专业领域足够深入，就会受到尊重；反之，若无法跟上团队节奏，也会受到严厉批评。这种氛围并非刻意营造，而是自然形成，员工在实际工作中能深切体会到透明和无防备的沟通。

“Ego”与“Scale”

MiniMax 鼓励所有员工从专业角度输入，平等交流，以保证 context 的透明。创始人 IO 在海量信息中，会思考公司在不同阶段应追求的目标。他一旦做出决策，便不会轻易动摇。公司在产品上的多次“弯路”，以及对无意义方向的果断放弃，都体现了其务实的“think big”理念。

作者观察到，MiniMax 是一家“全员 ego 很小”的公司。在充斥着“天才叙事”的行业背景下，MiniMax 团队以“靠谱”著称。他们理解的 ego，是指判断和决策与实力不匹配，并强求他人服从。而 MiniMax 的研发负责人表示，“ego大，没什么用”。

这种低 ego 的气质也影响了公司的研究方向，专注于模型底层架构和机制的改进，而非制造声势。创始人 IO 被认为是决定公司气质的关键人物，他的务实和低 ego，也筛选出了与之契合的团队成员。

IO 本人没有独立办公室，工位设在角落，分享时直入主题，遇到不理解会打电话解释，或打电话获取更多 context 来辅助决策。他认为好的研究应如 ResNet 般简洁可解释，易于“scale”。

“Scale”是 MiniMax 许多决策的根本考量。公司布局全面，涵盖语言、多模态模型及产品，旨在实现“intelligence with everyone”的通用智能。产品作为模型走向市场的手段，与模型共同发展。

M3 的训练也体现了对 scale 的追求：原生多模态训练促进语义空间融合；MSA 将模型 context 扩展至 1M；交互式用户模拟器框架则用于扩展 Coding 和 Agent 的真实数据。公司鼓励员工利用 AI 提升效率，开放了办公软件的 AI 改造权限，甚至在内部开发出“AI 实习生”。

MiniMax 内部共识是，AI Native 的概念体现在组织运转过程中 AI 的角色认知和运用，而非固定不变。最佳实践通过交流群组扩散，用户自发使用和推广。

当被问及 MiniMax 的目标函数时，核心技术人员回答是“scaling”，即最终的规模，包括智能上限和可动员的资源。这与公司名字“MiniMax”相呼应，意在用“Mini”的起点和资源，追求“Max”的目标。

M3 模型开源，参数量为 428B（激活参数 23B），比外界预期更小。IO 认为，AI 产业的巨大体量意味着没有绝对的技术鸿沟，模型进步的关键在于经验和实验的积累。M3 发布后，计算平台员工持续优化，模型服务 TPS 提升至 100 左右，首包延迟也优化至 1 秒多，处于全球领先水平。第三方服务商和重点客户的积极反馈，以及平台后台数据的增长，都预示着 MiniMax 正在稳步前进。

MiniMax 在其技术博客中写道：“今天的模型更新速度之快，很容易让人忘记这依然是一件日拱一卒的事情。它有自身客观规律，也会奖赏循着规律扎实前进的团队。” 公司计划投入更多资源研发下一代模型，目标是让用户在使用 Opus 级别智能时，基本不受成本限制，这正是从 Mini 到 Max 的优化过程。

我见证了 MiniMax 的“至暗时刻” - 世界杯直播

赛事前瞻：关键球员伤情分析

战术板分析

评论 (4)

发表您的看法

快速链接

赛事资讯

联系我们

选择您的球队