MiniMax改价引舆论漩涡,亏损高、营收单一,大模型创业公司路在何方?

数量1倍数特性.pdf 立即下载

MiniMax改价引舆论漩涡,亏损高、营收单一,大模型创业公司路在何方?

新版大模型上线、算力成本高企,一场突如其来的调价,让港股AI明星企业MiniMax陷入舆论漩涡。

前几日,这家一个月前市值还一度冲破3000亿港元的大模型新贵,突然将沿用已久的按次计费改为按Token计费,Starter套餐从29元/月直接跳到了49元/月,而且没提前跟用户打一声招呼。

结果可想而知。大量用户在登录时才发现计费规则已经变了,同等任务下Token消耗量远超预期,月度额度几天就烧光。有开发者算了一笔账:过去每月消耗30至50亿Token只需49元,现在同样的量得花掉约175元,涨幅高达257%。

更让很多用户火大的是,中外API定价搞两套标准。以上下文小于512K为例,国内输入价格是2.1元/百万tokens,国外才0.3美元/百万tokens(0.3美元折合人民币大约是2.04元)。这不是区别对待是什么?

面对铺天盖地的投诉,MiniMax母公司稀宇科技6月2日晚间紧急发布致歉公告。公司承认“本次调整未能提前与大家充分沟通并详细说明M3对应的Token Plan计费和套餐变化,是我们工作不到位,在老用户周限额等问题上处理也不够妥当”。

官方解释是:M3尺寸更大、能力更强、拥有1M上下文,需要更多算力资源。但这话翻译一下就是,原来的套餐模式,在智能体时代算力成本失控了,扛不住了。

面对市场舆情,公司随后给了补偿方案:老用户保留无周限额特权,新用户加赠50%额度,还统一重置了6月1日到7日的使用额度。

光鲜上市成绩单背后

如果单看MiniMax的业绩增长,确实是明星公司的姿态。2025年营收7903.8万美元,同比增长158.9%;毛利从2024年的373.8万美元猛增至2007.9万美元,增幅437.2%;毛利率从12.2%提升到25.4%。

股价一度冲到1330港元,从发行价的165港元涨了7倍,市值突破3000亿港元。公司还刚刚宣布启动回A上市,要跟智谱在科创板会师。

但翻一翻财报,光鲜背后有三个问题值得关注。

营收狂飙,亏损更狂

2025年归母净利润亏损18.72亿美元,约合人民币129亿元,同比扩大超三倍。从2022到2025年,四年累计亏损26.98亿美元,接近27亿美元。简单粗暴算一下:每赚1美元,要亏3.17美元。

数据来源:各公司2025年报及招股书

超70%营收靠“虚拟恋人”赚老外的钱

翻开招股书,MiniMax超过70%的营收来自海外市场,核心来源是AI虚拟陪伴应用Talkie(星野)。

截至2025年三季度,累计个人用户2.12亿,月活2760万,付费用户从2023年底的不到12万暴涨至177万。

但问题是,虚拟社交玩得再嗨,也改变不了一个事实,公司C端AI原生产品2025年前三季度的毛利率只有4.7%。这不是“做慈善”是什么?而B端企业服务收入仅占总营收的32.8%。

用最容易变现的“多巴胺经济”,去供养极其昂贵的基座模型研发——这条路到底是通往AGI的捷径,还是“拿快钱补贴理想”的危险游戏?

343%的资产负债率,花钱如流水

研发开支2.53亿美元,同比增长33.8%。经营活动现金流净流出2.8亿美元。建行国际测算,MiniMax每月的现金消耗约2810万美元。

市场的反应说明了一切。消息出来后,股价两天下跌超过20%,市值从3000亿高点腰斩至1417港元。靠老外充值抽卡养AGI这条故事线,市场不太买账了。

大模型价格战的残酷现实:巨头在拼生态,创业公司在拼命

2024年5月,字节跳动率先打响了价格战第一枪。豆包Pro模型定价0.0008元/千Token,比行业均价低了99.3%。随后阿里云通义千问主力模型降价97%,百度文心大模型两大主力模型全面免费,腾讯混元大模型价格降幅最高达87.5%。

到了2025年,DeepSeek-V2将价格降到GPT-4的1%,DeepSeek-R1直接把进程推向“零成本”临界点。

巨头们为啥敢这么玩?因为人家算的不是单次调用的账,而是生态的账。阿里云用AI模型留住云计算客户,字节把AI嵌进抖音飞书,腾讯靠微信QQ游戏现金流补贴AI业务。对这些大厂来说,AI是基础设施,不是利润中心——1块钱亏得起的战略布局。

但独立创业公司呢?没有输血,也没有生态护城河,只能在价格战里硬扛。

而更尴尬的是,就在MiniMax艰难消化这次改价危机的同一时段,老对手智谱正反向操作、高歌猛进,API调用定价逆势大涨83%,MaaS平台ARR约17亿元,12个月里提升了60倍。

两边一对比,局面相当微妙。

数据来源:各公司招股书及公开融资信息

此外,公司的“回A”动作也引发关注。5月29日,中国证监会官网披露信息显示:MiniMax已与中信证券签署上市辅导协议,正式启动A股科创板上市进程。

市场的担忧公司放出的是“急需资金”的信号。这个话题改天做专题,今天不再展开论述。

改价风波背后

笔者认为,这次改价风波不只是“沟通问题”,而是整个行业的信任危机。

这起风波当然可以归因于MiniMax的“沟通不充分”。但更深层的原因,是全行业都在焦虑同一个问题,算力成本会吃掉一切利润。

有业内人士指出,AI时代算力经济模式带来了全新的消费信任问题,需要加快构建消费者权益保护体系。

当大模型从“免费尝鲜”走向“按Token付费”,企业必须面对一个根本命题:如何让用户相信你的计费规则是公平透明的?

Kimi此前也因类似的计费调整引发过集中投诉。这不只是一家公司的运营事故,而是整个行业的预警信号。

站在用户角度,MiniMax的致歉和补偿方案算是诚意的,对3月22日前购买且享有无周限额的老用户,继续保留该权益;对期间购买的用户周限额永久加赠50%;统一重置额度并在首周使用额度翻倍。

但光靠给优惠券,解决不了商业模式的根本问题。

不要只盯着跌去的市值,这个行业的价值才刚刚开始

很多人看到MiniMax股价暴跌,第一反应是“又是一个泡沫破裂了”。但我觉得,这种判断有点简单了。

AI大模型这个赛道,从2023年的“百模大战”到2025年的“价格混战”,粗犷的喧嚣正在散去。2025年中国大模型市场规模约2200亿元人民币,增速超过150%。据沙利文报告,阿里云和百度智能云在国内AI云市场份额合计已超50%。行业确实在洗牌,但不代表故事讲完了。

MiniMax的故事虽然在改价风波中蒙上了阴影,但它也有自己的硬牌——在全球200多个国家积累了2.12亿用户,视频生成工具海螺AI全球火爆,语音模型一度超越ElevenLabs登顶。

未来如果能真正把C端流量转化成B端客户,从“多巴胺生意”走向“生产力工具”,局面可能完全不同。

正如智谱CEO张鹏所说,API是把AI基础设施能力转化为经济运行资源的模式,“智能的质量创造定价权,企业和用户的深度使用创造增长的Scaling”。真正的壁垒不在价格高低,而在能不能让用户心甘情愿为更好的能力买单。

对MiniMax来说,改价风波是一记响亮的警钟。

但从整个行业来看,恰恰是这些“阵痛”,在逼着所有企业从“靠补贴换流量”的野蛮生长,走向“靠价值换信任”的正道。

用户的愤怒是真实的,但它指向的不是对AI的否定,而是对更透明、更公正、更可持续商业模式的期待。3000亿市值一时涨跌,不会改变这个行业向前演进的方向。

对于新一代的AI科技公司,如果你不能尽快证明自己在企业级市场的造血能力,不能证明自己的API定价权和客户黏性,那么即使你的C端产品再怎么吸引眼球,到了资本市场的严苛审视期,缺乏支撑的股价总有一天会剧烈回归。

__EF550.zip 立即下载

相关推荐

【高速互连技术】合规性测试规范:物理层信号完整性与链路均衡验证系统设计

内容概要:本文档介绍了分析工具进行实践对照,并关注后续规范版本更新以确保符合最终发布标准。

OpenClaw(龙虾)太消耗token了怎么办?带你挑选性价比最高的Coding Plan(编程套餐)~

龙虾真是太耗token了,如果你不注意节约,一天可能几十块钱就没了,本文带你挑选性价比最高的Coding Plan(编程套餐)。

zhanyd的博客 2063

万人睡眠健康与生活方式调查数据集

成年人群睡眠健康与生活方式研究数据集,合成模拟10000行20列单CSV文件,睡眠障碍标记人群占比约四分之一。设置双预测目标:睡眠障碍二分类字段与日间疲劳得分回归字段,可分别开展分类与回归建模。特征字段涵盖年龄、性别、十一种职业类别、每周工作时长、轮班工作标记、自我压力评分、身体质量指数BMI、吸烟状态、每周饮酒量、每日咖啡因摄入毫克数、睡前一小时屏幕使用时间、每周运动分钟数、日均步行数、静息心率、习惯就寝时间点、平均睡眠时长、睡眠质量自评等二十项。数据完整无缺失,结果列与特征列分离清晰,便于目标泄漏防范练习。适用场景:睡眠障碍预测建模、日间疲劳程度回归分析、咖啡因与睡前屏幕对睡眠时长的影响量化、不同职业群体睡眠质量对比研究、逻辑回归与梯度提升模型对比实战等。合成数据不含真实个人信息,适合健康数据分析教学、特征工程练习与机器学习课程实训项目使用。

MiniMax改价引风波,AI大模型行业信任危机凸显!

用户的愤怒是真实的,但它指向的不是对AI的否定,而是对更透明、更公正、更可持续商业模式的期待。对于新一代的AI科技公司,如果你不能尽快证明自己在企业级市场的造血能力,不能证明自己的API定价权和客户黏性,那么即使你的C端产品再怎么吸引眼球,到了资本市场的严苛审视期,缺乏支撑的股价总有一天会剧烈回归。而更尴尬的是,就在MiniMax艰难消化这次改价危机的同一时段,老对手智谱正反向操作、高歌猛进,API调用定价逆势大涨83%,MaaS平台ARR约17亿元,12个月里提升了60倍。两边一对比,局面相当微妙。

IT界那些事儿 157

FANUC-R2000iC165F-六轴机械臂码垛仿真

FANUC_R2000iC165F_六轴机械臂码垛仿真

frontend-design skills

frontend-design skills

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)

考虑风光火储+需求响应+P2G多能源系统NSGA-II多目标优化调度(Matlab代码实现)内容概要:本文介绍了基于NSGA-II多目标优化算法对包含风能、光伏、火电、储能系统、需求响应及电转气(P2G)等多种能源形式的综合能源系统进行优化调度的研究,采用Matlab进行代码实现。研究综合考虑了系统运行成本、碳排放、能源利用率等多个优化目标,通过建立精确的数学模型,结合可再生能源出力不确定性、负荷波动以及需求响应机制,实现多能源协同调度的帕累托最优解集求解,旨在提升能源系统的经济性与环保性,并验证所提方法的有效性和实用性。; 适合人群:具备一定电力系统、优化算法及Matlab编程基础的研究生、科研人员以及从事能源系统规划与运行相关工作的工程技术人员。; 使用场景及目标:①应用于多能源互补的综合能源系统优化调度研究;②为实现低碳、高效、可靠的能源供应提供决策支持;③学习和掌握NSGA-II算法在复杂多目标优化问题中的实际应用方法。; 阅读建议:建议读者结合Matlab代码与文中模型描述逐步理解算法实现流程,重点关注目标函数构建、约束处理及Pareto解集的生成与分析,有条件者可进一步修改参数或扩展模型以深化理解。

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?.docx

政府科技管理者在推动区域科技成果转化过程中,如何解决成果供需匹配效率低的问题?

16周全【Harness&Hermes】多智能体开发特训营

2026年的AI开发者圈子里,几乎没有人再怀疑多智能体的价值。Gartner预测年底40%的企业应用将内置智能体,LangChain、AutoGen、CrewAI等框架轮番登场,演示视频里的AI团队分工明确、配合流畅。然而,一个尴尬的现实是:大多数开发者手里跑通的多智能体项目,停留在Jupyter Notebook的最后一行。一旦试图把它塞进真实业务环境,问题便如潮水般涌来——长任务跑到一半崩了要重来,智能体之间的消息黑盒般不可追溯,换个场景就得推倒重写,上线之后连“刚才那次调用为什么花了三倍的钱”都查不出来。 这正是【Harness&Hermes】多智能体开发特训营试图回应的命题。它的切入点不在“再教你写一个Demo”,而在于一个更朴素却更稀缺的能力:让多智能体系统从演示玩具变成可交付、可运维、可演进的生产资产。 要理解这门课的价值,得先看清多智能体开发当前的断层在哪里。单Agent时代,提示词写得好、API调得通,基本就能交差。但多Agent协作的本质是编排:谁负责拆解需求,谁负责执行,谁负责校验,上下文如何在角色之间传递而不丢失,某个环节出错时整条链路如何回退。这些问题的难度不在模型能力,而在工程控制。市面上不缺讲LangGraph节点怎么连、RAG检索怎么做的教程,缺的是把“多个智能体在真实业务压力下稳定协作”这件事讲透的人。 Harness与Hermes的分工,恰好对应了工程控制的左右手。根据课程的设计逻辑,Harness管“流程”,Hermes管“记忆与进化”。Harness 负责长任务的流程治理:一个面试模拟流程跑了二十分钟,中途用户关掉页面,下次打开能不能接着上次的进度继续?某个Agent调用工具超时了,整条链路是崩溃还是优雅降级?线上出了问题,日志能不能精确到“第几轮对话、哪个Agent、调了什么工具、花了多少token”。这些听起来不性感,但任何一

国企央企如何实现技术成果的精准对接与快速落地?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计研究(Matlab代码实现)

内容概要:本文围绕用于计算系统状态的卡尔曼最优增益和最小均方误差(MMSE)估计展开研究,深入探讨了卡尔曼滤波在动态系统状态估计中的核心作用。文章系统阐述了卡尔曼滤波的数学基础,包括状态空间模型的建立、先验与后验状态估计、协方差矩阵的递推更新,以及最优增益矩阵的推导过程,确保在高斯白噪声环境下实现对系统状态的最小均方误差估计。结合Matlab代码实现,完整展示了算法从理论建模到仿真实验的全流程,涵盖系统建模、噪声设置、滤波迭代、状态更新与误差分析等环节,并通过仿真实验验证了算法在噪声干扰下对系统真实状态的高精度跟踪能力。该研究为控制工程、导航系统、信号处理及自动化领域中的状态估计问题提供了坚实的理论依据与高效的数值实现方案。; 适合人群:具备一定控制理论、概率统计基础和Matlab编程能力,从事自动化、电子信息、航空航天、机器人、导航定位等相关领域的科研人员、工程技术人员及高校研究生。; 使用场景及目标:①掌握卡尔曼滤波的基本原理及其在状态估计中的数学推导过程;②学习如何利用Matlab实现卡尔曼滤波算法并进行系统仿真与性能评估;③应用于目标跟踪、传感器融合、惯性导航、故障诊断、时间序列预测等实际工程中的动态状态估计问题。; 阅读建议:建议读者结合文中提供的Matlab代码进行动手实践,通过调整系统模型参数、过程噪声与观测噪声强度,观察滤波效果的变化,深入理解卡尔曼增益的自适应调节机制与MMSE估计的收敛特性。同时可进一步拓展学习扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等非线性滤波方法,以应对更复杂的非线性系统状态估计挑战。

产业园区运营负责人如何利用数据智能化提升科技资源配置效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

高校技术转移办公室人员如何提升成果转化服务效率?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

一种具有实验验证的层级扰动抑制深度跟踪控制算法,适用于欠驱动型AUV(Simulink仿真、Matlab代码)

内容概要:本文详细介绍了一种专为欠驱动型自主水下航行器(AUV)设计的层级扰动抑制深度跟踪控制算法,该算法通过构建分层控制架构,有效应对海洋环境中复杂的外部扰动(如水流、波浪等)以及系统内部的非线性动态特性,显著提升了AUV在执行深度跟踪任务时的控制精度与系统鲁棒性。研究不仅涵盖了控制策略的理论设计与稳定性分析,还包括详细的Simulink仿真模型搭建、Matlab代码实现及参数设置,并通过对比实验验证了所提方法在抗干扰能力和跟踪性能方面相较于传统控制算法的优越性。资源包内含完整的可运行代码、仿真模型和详尽的文档说明,便于研究者复现结果并在此基础上进行二次开发与创新。; 适合人群:具备自动控制理论基础、海洋工程或机器人相关学科背景,且熟练掌握Matlab/Simulink仿真环境的科研人员、研究生及高年级本科生。; 使用场景及目标:① 深入学习和研究欠驱动AUV的先进运动控制技术,特别是深度跟踪控制策略;② 开展水下机器人抗外部扰动控制算法的设计、仿真与性能验证工作;③ 作为毕业设计、科研项目或学术论文的技术支撑与代码原型,加速研究进程。; 阅读建议:建议使用者结合提供的Matlab代码与Simulink模型,逐模块理解算法的实现逻辑与数据流,推荐从简单静态环境仿真入手,逐步过渡到复杂动态扰动工况,通过调整控制器参数与扰动强度,全面掌握算法的性能边界、鲁棒性特征及优化潜力。

国央企创新负责人如何利用平台实现技术需求的精准挖掘与匹配?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

自适应多机器人编队规划,以包围和跟踪具有运动和可见性约束的目标(Matlab代码实现)

内容概要:本文提出了一种自适应多机器人编队规划方法,旨在实现对具有运动能力和可见性约束目标的高效包围与持续跟踪,采用Matlab进行算法实现与仿真验证。该方法综合考虑了多机器人系统在动态环境中的协同控制、编队形态生成与保持、障碍物规避以及目标可见性维护等关键问题,通过设计分布式控制律使编队能够根据目标行为和环境变化自适应调整队形与运动轨迹,确保稳定包围并最大化目标观测质量。文中详细阐述了系统的数学建模过程、控制策略设计原理及约束处理机制,并提供了多场景下的仿真实验结果,验证了所提方法在复杂条件下的鲁棒性、灵活性与有效性。; 适合人群:具备自动化、机器人学、控制理论或人工智能等相关领域基础知识的科研人员及研究生,熟悉Matlab编程环境并致力于多智能体系统、协同控制、路径规划或智能无人系统研究的专业人士。; 使用场景及目标:①应用于多机器人系统在监视、围捕、搜救等任务中对移动目标的协同包围与跟踪控制;②为研究分布式编队控制、可见性优化、动态避障与多智能体协同决策等核心技术提供可复现的算法实例与理论支撑; 阅读建议:建议读者结合提供的Matlab代码逐模块分析算法实现细节,重点关注控制律设计、约束建模与仿真结果对比部分,宜在仿真环境中调整参数配置以深入理解系统性能边界与优化潜力。

国央企如何构建高效的内部技术转移与创新协同机制?.docx

科易网基于行业知识库+行业大数据+科技资源要素+AI模型,以AI,赋能技术转移、成果转化、技术经理人培训、知识产权管理、区域产业分析与布局、地方科技招商、创新创业大赛等场景,推出科技创新领域的AI工具、场景化服务和数智化解决方案,推动科技创新与产业创新智能化发展。

openlayers6【十九】vue HeatmapLayer热力图层实现热力图效果详解

文章目录1. 写在前面2. Heatmap 类实现热力图2.1 Heatmap 参数2.2 实现热力图3. 完整代码4. 添加删除map图层的方法5. 热力图自身的get,set方法 1. 写在前面 我们主要看热力图的效果,区域绘制效怎么设置详细内容可以访问 openlayers6【十七】vue VectorLayer矢量图层画地图省市区,多省市区(粤港澳大湾区)效果详解 在 openlayers 中,图层是使用 layer 对象表示的,主要有 WebGLPoints Layer、热度图(HeatMap L

@必意玲 1万+
上一篇: 具身智能与机器人升温带热供应链,中国企业各展所长或成全球硬件创业“底层供应商”
下一篇: 恋爱麻烦不想谈?柏林AI亲密体验馆登场,背后中国工厂成关键力量!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值