MiniMax股价回弹92%之后：模型公司减去模型，还剩什么

文｜Sleepy

8 月 31 日，MiniMax 暴涨 16.18%。从 7 月低点算起，这只股票已经反弹 92%，市值重新回到 1249 亿港元。

三个月前，市场刚给这家公司开过一场追悼会。股价较高点跌去八成以上，3000 亿港元市值随之蒸发。

8 月 26 日，MiniMax 发布中报，收入同比增长 283%，B 端收入增长 703%；到 8 月，公司 ARR 已经超过 8 亿美元，7 月 token 消耗量是 1 月的 20 倍。

几天之后，把 MiniMax 重新推回讨论中心的，是一个它自己没有做出来的模型。

H3 Max。

无限频道

8 月 3 日，MiniMax 开源了 H3，一个 33B 参数、能够同时处理文本、图像、视频和语音的全模态模型。fal 拿走它的开源权重，继续做后训练，再和自己的推理基础设施一起优化，最后做出了 H3 Max。

按照 fal 的说法，同样生成一段 5 秒视频，H3 Max 的吞吐量可以达到 MiniMax 官方端点的大约 35 倍。

8 月 29 日，美国生成式 AI 基础设施公司 fal 的工程师 Rehan Sheikh，把 H3 Max 接到了 Twitch 上开始直播。直播的内容不是预先准备好的视频。画面一边播放，模型一边往后生成。5 秒一段，768p，带同步声音，生成时间大约 3 秒。

生成比播放更快。

正因如此，观众可以在弹幕里决定剧情走向，几秒钟后，新的情节就会出现在屏幕上。只要机器不停，这个频道理论上可以一直播下去。一个周末吸引了约 500 万次围观，也有不喜欢AI生成内容的人给它起了个名字，叫「无限泔水机」。

底层来自同一个模型，真正把差距拉开的，是模型交付出去之后的后训练、推理优化、硬件调度、部署方式。

有个媒体在报道的时候直接把标题写成：

《Post-Train Beats Parent》

后训练打败亲爹

这件事看起来只是一次很漂亮的工程优化，却碰到了 MiniMax 这轮反弹背后一个更大的问题。

如果模型可以被开源、拿走、继续训练，甚至被别人做得更快、更好，那么市场究竟应该给一家模型公司的什么东西定价？

要回答这个问题，让我们先看看 fal 这家公司。

这家公司不训练基础模型。它的生意是把其他公司训练好的模型接进来，跑在自己的基础设施上，再卖给开发者。新模型出来得越快，它的货架更新得越快。

模型接进来之后，fal 会重新做推理优化、硬件调度和部署，把速度和成本压到一个更适合商业调用的位置。超过 250 万开发者通过它调用生成式模型，公司 ARR 已经做到约 4 亿美元，团队只有 70 人。

过去一年，fal 的收入增长了大约 60 倍，估值则从 45 亿美元攀升至据传约 80 亿美元。

红杉对 fal 创始团队做过一次深度访谈，访谈中红杉资本合伙人 Pat Grady 提到，fal 团队在 2025 年第二、三季度观察到，排名前五的视频模型半衰期仅为 30 天。

「半衰期」这个词来自物理学，原指放射性物质半数原子核发生衰变所需的时间；用在这里，是指 Top 5 视频模型榜单中约有一半被新模型取代所需的时间。

一个模型刚登上榜首，一个月后就可能被下一个替代。但不管模型怎么换，开发者始终需要一个平台来运行它们。

fal 就卡住了这个位置。

开发者每生成一张图、一段视频，都按调用量付钱。接入 fal 这样的平台后，哪个模型当前最好，就可以随时切过去用，不用重新对接 API、搭建基础设施。模型可以月月换，平台的位置却很难被替代。

fal 的 CEO Burkay Gur 说过一句话：「当内容生成变得无限时，有限的东西反而更有价值。」

这家公司本身就是模型快速贬值之后诞生出来的一门生意。H3 是 MiniMax 做的，但 H3 Max 的用户、收入和调用数据会首先留在 fal。H3 Max 越成功，这个问题就越尖锐。

而且 fal 还是一家私有公司，公开市场买不到它。

从 1100 港元到 200 港元

MiniMax 上市时，市场相信的是另一套故事。

这家公司同时做文本、语音和视频模型，C 端有 Talkie 和海螺 AI，B 端有 API。相比只做单一模型的创业公司，它看起来更接近一个完整的多模态商业闭环。

今年 1 月 9 日，MiniMax 上市，发行价 165 港元，公开认购超购 1848 倍，首日收涨 109%。3 月 10 日，股价盘中冲破 1100 港元，市值一度超过百度。

那是市场最相信这个故事的时候。

转折出现在 6 月。6 月 1 日，MiniMax 发布旗舰模型 M3，428B 参数。和同期的 GLM-5.2、DeepSeek V4 相比，它的模型规模更小。官方最强调的是训练和工程效率，一套系统可以连续 12 小时无人干预，自主训练出 4 个模型，并把 CUDA 内核加速到 9.4 倍。

然后问题就来了。社区发现，部分官方公布的成绩来自自测，第三方实际测试和公开数字存在明显差距。同步调整的计费规则，又让部分老用户的额度消耗速度大幅增加。

6 月 5 日，公司公开致歉称「M3 需要更多算力，是我们工作不到位」，十天后上线仅两周的旗舰模型永久降价 50%；紧接着 6 月 16 日智谱发布 GLM-5.2，开源榜第一随即易主，M3 的领先只维持了两个星期。到 7 月 9 日解禁首日，MiniMax 跌了 20%，几天后股价较高点已经跌去八成以上。

就在暴跌后的第二天，闫俊杰宣布，在实现 AGI 之前不再领取薪酬，同时拿出个人股份奖励团队和支持开源。当天，公司完成一笔 160 亿港元配售，获得约 7 倍认购。

到了 8 月 26 日，MiniMax 拿出了一份足够漂亮的中报，收入同比增长 283%，B 端收入增长 703%，研发投入继续快速增长。第二天，股价只涨了 4%。

市场显然还在等别的东西。

核心资产

模型公司最大的麻烦，是产品更新得太快。

6 月初，M3 刚登上榜首，半个月后就被 GLM-5.2 反超；紧接着 DeepSeek V4、GLM-5.3、Kimi K3 轮番发布。现在的第一名，可能到下一个模型出来就易主了，领先窗口只有几周。

领先只能按周算，单靠一个模型显然撑不起一家公司的长期估值。

于是过去一年，市场一直在寻找模型公司真正的核心资产。

最直接的答案是下一代模型，但下一代也会很快过时。只要行业还在高速迭代，「造出新模型」这件事只能保证公司不被淘汰，却解释不了它为什么值得长期持有。

更有说服力的答案，是制造模型的能力。

今年很多模型发布已经证明，同一个基座，只靠后训练和环境，也能产生巨大的能力跃迁。

智谱 GLM-5.3 和 GLM-5.2 使用的是同一个 753B 参数基座，真正发生变化的，是更大规模的训练环境和强化学习后训练。Terminal-Bench 3.0 成绩从 4.6 跳到 28.3，基座没有重新训练，效果却大大提升。

唐杰后来把这称作一次「控制变量实验」。

Kimi K3 在训练和评测过程中建立了超过 5000 万个沙箱环境，大量机器时间都花在等待模型推理。冻结、恢复、分叉这些操作被压到几十毫秒级，目的就是让模型可以在海量真实环境里反复尝试、失败、重来。

Cline 甚至让 K3 自己修改训练自己的脚手架。17 个小时无人干预后，成绩从 77.5 提升到 88.8。

模型公司真正难复制的部分，开始从一份权重，变成生产权重、后训练权重、评测权重的整套系统。

Anthropic 一年在强化学习环境上花掉超过 10 亿美元。OpenAI 为 computer-use agent 购买数万台 Mac，也是同样的原因。

建这套系统的门槛和投入都在快速攀升，而且它并不只掌握在模型公司手里。

Cursor 的 Composer 2 是一个很典型的例子。它的底层基于月之暗面开源的 Kimi K2.5，但市场最终给 Cursor 的估值，显然和 Kimi K2.5 无关。

Cursor 积累了大量真实编程行为、开发者工作流，以及围绕这些数据训练出来的强化学习系统。基础模型来自别人，真正关键的是模型被使用之后留下的东西。

fal 也是如此。它拿走 H3 权重，做出 H3 Max。用户在 fal 上生成视频，调用收入先进入 fal，使用数据也先留在 fal。

上游模型公司提供了最贵的原材料，下游却有可能把真正能复利的东西攒下来。技术复杂度和价值捕获能力并不天然对应。

三十年前，个人电脑行业发生过类似的事情。芯片是机器里最复杂的部分，但普通消费者认的是戴尔和康柏。Intel 后来花了十几年，才通过「Intel Inside」把自己重新塞进消费者的视野。

模型公司减去模型

所以判断一家模型公司的价值，或许可以做一道减法。减去模型权重、可复制的推理优化和能被第三方接走的后训练能力之后，剩下的才是这家公司真正能长期占有的东西。

MiniMax 恰好主动做了一次这样的实验。8 月 3 日，它把 H3 开源。短时间内出现数百个衍生模型，下载量达到数千万次，华为昇腾、沐曦、AMD 等芯片平台快速完成适配，大量开发者和合作伙伴接入。

权重虽然开源了，但企业合同和 API 收入都没有流失——就在 H3 开源前的 7 月，MiniMax 的 token 消耗已经是 1 月的 20 倍，这些仍然记在自己账上。

更重要的是，H3 并没有把所有东西都放出去。H3-Context-IR 和 Regenerate-2K 两个托管模块仍然掌握在 MiniMax 手里。想要输出更高规格的 2K 视频，依然需要调用官方服务。这是一种很典型的开源策略，底层能力扩散出去，让生态长起来，把真正能够形成商业回流的部分留在服务端。

也因此，H3 Max 对 MiniMax 的意义不只是「别人把我的模型优化得更快了」，它第一次向市场演示了那道减法。

中报给出了一部分答案，B 端收入增长 703%，ARR 超过 8 亿美元，至少到目前为止，开源并没有让所有价值流失。但 H3 Max 也展示了另一半风险，用户关系、调用收入和使用数据，可能在下游平台沉淀。

多空对决

8 月下旬，MiniMax 股价从低点反弹接近一倍，做空比例却同时升到约 20%，创下高位。

多头看到的是做了减法之后剩下来的东西。比如企业客户、API 收入、真实调用、数据回流，以及继续训练下一代模型的系统能力。在公开市场里，这类资产并不多，可以买到的模型公司有限，MiniMax 因而带着明显的稀缺性溢价。

H3 Max 的爆红，又给了这笔钱一个非常直观的参照物。如果 fal 这种公司值 80 亿美元，而 fal 最热门的新产品之一建立在 H3 上，那么 H3 背后的公司值多少钱？

这是多头的思路。

空头的思路则是，如果权重可以免费拿走，后训练可以由 fal 完成，推理速度能被第三方提高 35 倍，那么这些能力为什么还要全部留在 MiniMax 的估值里？

这也解释了 MiniMax 过去几个月的反常走势财报只能反映这家公司现在赚了多少钱，但市场真正关心的是开源之后它还能留住什么。H3 Max 第一次把这个答案摆到了台面上。

回流

把 H3 放出去之后，MiniMax 面临的其实是一个很古老的商业问题。一家公司可以主动放弃一层稀缺性，前提是它知道下一层的钱在哪里。

Red Hat 做过一次这样的选择。

Linux 的源代码从来不属于 Red Hat，任何人都可以免费下载、修改和重新发行。Red Hat 最后卖掉的也不是 Linux 本身，而是企业愿意付钱买的稳定版本、长期维护、技术支持和认证体系。

开源软件铺得越广，这套服务的市场反而越大。2019 年，IBM 花 340 亿美元收购 Red Hat，买的当然不是一份任何人都可以下载的 Linux 源代码。

放出去的东西必须能把价值带回来。

这也是 H3 开源之后，MiniMax 接下来真正需要证明的事情。

现在市场已经看见了扩散。模型被下载，被适配，被二次训练，也开始长出 H3 Max 这样的第三方产品。

接下来要看的，是这种扩散能不能最终反映在 MiniMax 自己的收入和资产里。

可能是更多企业客户，可能是持续增长的 API 消耗，也可能是开发者使用过程中留下的数据和反馈，最后重新进入后训练，变成下一代模型的一部分。

如果这些东西能够形成循环，H3 被拿走得越多，MiniMax 得到的入口反而越多。

如果循环没有形成，情况就完全不同。

模型的影响力可能越来越大，生态也可能越来越繁荣，但最值钱的客户关系、使用数据和交易入口最终沉淀在别人手里。到那时，MiniMax 提供了底层能力，却没有拿到这轮扩散产生的大部分价值。

所以 H3 开源真正要检验的，不是下载量，也不是有多少家公司宣布适配。那些数字只能证明它传得够远。

接下来几个季度需要看的，是传出去以后，有多少钱还能回来。Red Hat 有企业服务合同，Google 有搜索和广告。MiniMax 也需要找到自己的那根管道。