我见证了 MiniMax 的“至暗时刻” - 世界杯买球网

尽管 MiniMax 发布了备受期待的原生多模态模型 M3，但随之而来的定价争议几乎立刻将其推入了风口浪尖。这款强化了编程和 Agent 能力的模型，本应是公司的一大亮点，却因新的计费模式引发了用户的不满。

在 M3 上线当天，MiniMax 将原有的订阅制 Coding Plan 调整为按 token 计费的 Token Plan。许多用户发现，在同等使用强度下，额度消耗速度远超预期，而这一调整并未得到充分的提前通知或清晰的解释，导致不少个人开发者在登录后才意识到规则的变更。

不满情绪迅速蔓延，用户们涌向投诉平台要求退款，并在社交媒体上表达不满。MiniMax 内部迅速组织起来，承认了沟通不足和对老用户周限额处理不当的问题，并发布了道歉公告。然而，当天 MiniMax 的股价仍下跌了 15.71%。

模型发布次日，内部紧张情绪升级。一名技术负责人公开质问负责开放平台的用户服务部门，对其定价策略提出质疑，双方发生激烈争论。这场争吵的根源在于，团队将大量精力投入到模型研发中，却在模型上线后遭遇了因定价策略引发的危机，导致关注点完全偏离。

尽管争吵激烈，但套餐设计很快完成了更新，显示出 MiniMax 高效的解决问题能力。作者观察到，类似的高效争吵在 MiniMax 并不少见，它们通常围绕着细微的内部参数和设计细节展开，并且在争吵后并无个人恩怨。据了解，在后续的讨论中，最初的批评者甚至主动维护了当时与他发生争执的同事，认为其缺乏对早期用户情绪和模型版本历史的了解，这并非其个人责任，而是整体“context”缺失的问题。

MiniMax 的工作模式以扁平化和信息自由流动为特点。在公司内部，员工普遍在上午10点半左右开始工作，午晚餐由公司提供，考勤制度相对宽松。位于漕河泾的办公区采用开放式布局，会议室使用率极高。每周一次的全员会会邀请各行业人士分享，例如近期就有上海交大教授探讨心理学与 AI 的关系。

模型发布前夜，MiniMax 员工们在上海总部通宵达旦地工作，有的负责监控服务稳定，有的追踪模型进展，有的则在小会议室讨论最终细节。尽管如此，他们最习惯的协作方式仍是线上沟通，信息在各类群组中快速流动，谁掌握相关“context”谁就会被拉入讨论。这种组织方式虽然初看显得混乱，但体现了信息共享和快速决策的效率。

在 M3 发布前的凌晨，作者观察到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细节，几十个光标同时跳跃，仿佛整个公司都汇聚于此。创始人 IO（闫俊杰）也身处其中，在关键时刻提供决策。这种基于充分“context”的决策模式是 MiniMax 的常态，确保了信息在需要时能够快速汇集并被有效利用。

M3 的发布是 MiniMax 对自身能力的一次重大期待。然而，当模型的兴奋与期待遭遇因“缺少 context”而引发的用户质疑和负面冲击时，对团队而言无疑是一次“至暗时刻”。

MiniMax 在模型研发上投入巨大，其 M2.5 和 M3 等模型在行业内获得了认可。然而，快速变化的市场格局和竞争对手的进展，使得模型迭代成为一项持续的挑战。M3 发布前，公司将大部分精力集中在提升模型智能水平上，但定价策略的失误却分散了关注点，导致市场反应负面，市值受到影响。

此次定价争议也暴露了 MiniMax 在用户沟通方面的不足。尽管模型能力提升是内部核心目标，但用户对收费体系的理解和接受程度也至关重要。公司意识到，以往快速迭代并依赖用户反馈的模式，在面对重大收费调整时，需要更充分的沟通和用户“context”的考量。

MiniMax 的决策逻辑往往体现出“既然迟早如此，为何不早点改变”的思路。在模型能力提升的同时，收费体系的更新被视为必要之举，旨在解决旧体系的复杂性，让用户更好地使用新模型。这种前瞻性的改革，虽然在短期内引发了争议，但也反映了公司对行业发展趋势的判断。

成立仅四年便迅速完成上市的 MiniMax，在快速成长中依然保持着创业公司的运作模式。然而，作为一家上市公司，它也面临着来自资本市场的审视，初创公司可能忽略的问题在此阶段被放大。六月的事件集中体现了这种复杂性，模型进步带来的阵痛以激烈的方式呈现出来。

在 M3 发布后的内部复盘会上，创始人 IO 向全体员工道歉，承认效果未达预期，并分享了对竞争、技术和组织运作的反思。这种直接面对问题并道歉的态度，在作者看来并不常见。他强调了将模型做好这一核心目标，并以客观事实而非指责的方式进行复盘，为员工提供了安全感。

MiniMax 的企业文化强调“就事论事”，即使是创始人之间也会发生激烈争吵，但过后依然能够正常合作。这种氛围鼓励员工坦诚交流，挑战既有观点，共同推进事情。员工普遍认为，公司提供的安全感能够保护真正做事的人，只要专业且有逻辑，观点就会得到尊重。

公司鼓励信息的透明流动，员工的“ego”相对较小，更注重专业能力的发挥。即使在面对激烈竞争的环境中，MiniMax 也很少被与“天才叙事”联系在一起，其团队以“靠谱”著称。核心研究员认为，真正的“ego”体现在实力匹配的判断和决策上，而非强行推行个人意志。

MiniMax 的创始人 IO 被认为是一位务实且不喜张扬的领导者，他的个人特质深刻影响了公司的文化。在这种环境下，缺乏务实精神或“ego”过大的人可能难以适应。

MiniMax 的核心理念在于“Scale”，即规模化。这体现在其全面的产品布局，包括语言模型、多模态模型和产品应用。公司认为，要实现“intelligence with everyone”的愿景，必须涵盖多模态、代码、Agent 等多种能力，并将产品作为模型走向市场的手段。

M3 的训练也体现了“Scale”的追求，例如其原生多模态训练、1M上下文的MSA以及交互式用户模拟器框架，都是为了提升模型的扩展性。公司鼓励员工利用 AI 提高工作效率，开放了办公软件的 AI 改造权限，甚至在内部开发了“AI 实习生”。

MiniMax 内部的共识是，AI Native 的概念需要落实在实际应用中，即 AI 在组织运转中的角色和公司对其的认知。通过内部交流群组，最佳实践得以快速扩散。

在与核心技术人员的交流中，作者了解到 MiniMax 的目标函数被定义为“scaling”，即规模化，包括智能上限和可动员的资源。这与公司名称“MiniMax”相呼应，寓意着以“Mini”的资源和起点，追求“Max”的目标。

M3 开源模型的参数量（428B 总参数，23B 激活参数）低于外界预期，但其技术博客强调了模型更新的速度和扎实积累的重要性。公司计划投入更多资源开发下一代模型，目标是让用户在享受 Opus 级别智能的同时，成本限制得到大幅缓解。

M3 发布后，模型服务性能迅速提升，TPS 从 20 左右优化至 100 左右，首包延迟也得到显著改善，在全球模型中处于领先水平。第三方服务商和重点客户反馈积极，内部关键指标也显示出增长。

六月对 MiniMax 而言是充满挑战的一个月，但这种“疯狂”将继续。行业发展加速，更大的考验仍在前方。MiniMax 相信，模型更新是日拱一卒的积累过程，奖励那些遵循规律、扎实前进的团队。他们的目标是持续提升模型智能水平，并让更多用户受益。

正如 MiniMax 的技术博客所言，“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。如成立之初我们所相信的那样，我们会尽最大努力持续提升模型的智能水平，并让更多的用户使用到。”