MiniMax-W首次覆盖报告：灵活性和战略力兼备全模态布局卡位深远

目录一、AGI近端断共成，押语言态和coding能度更高 5二、瞄准Agent场提预判，通智、效基建全路探索 7贯通工程效率和智能边的全维度探索，厚积薄发迎接L3Agent时代 8高效推理和极致性价比务，形成错位竞争优势 10技术审美到位具备远见团队扁平高效执行 12三、卡全模布局稀缺性长期锁更泛Agent市场 13视频模型H3重回一梯队，2K+价格优势带动商业化上行 13卡位全模态布局具备稀性，长期解锁更泛潜在市场 14Agent放大模型能力，驱用量实现乘数扩张 15四、盈预测投资议 17盈利预测 17投资建议 18五、风险提示 18图表目录图1：部分头部厂商对技术路线的选择、代表模型和商业化情况 5图2：OpenAI和AnthropicARR情况（亿美元） 6图3：Anthropic26Q1和26Q2收入利润情况 6图4：25年6月M1发布时支持业内最高的100万上下文的输入和8万的推理输出 8图5：OpenRouter上用MiniMax的token量趋势（十亿） 8图6：公司年收入和月均收入情况（百万美元） 9图7：M3在软件工程、终端执行等多个维度的国际权威评测中均达到国际领先水平 9图8：6月M3上线后首6周均调用3.78万亿，较M2.5线后同期增长10图9：公司M3系列模型兼顾智能水平和价格，极具性价比 图10：大模型研发训练成本比（亿美元） 12图11：Agent实习生应用场占比 12图12：H3在ArtificialAnalysis的文生视频/图生视频/视频辑榜单上分列第2/2/1位 13图13：MiniMax各个模态的模型在ArtificialAnalysis上的分情况 15图14：MiniMax10x组建计划 16图15：公司2026~2028年利预测情况 17图16：可比公司估值情况 18表1：海内外对于AGI的表述 5表2：不同智能阶段，对基模结构和设计优化的要求不同 7表3：MiniMax语言模型发布时间线梳理 7表4：公司M1/M2/M3系列模型的基本情况和差异 10表5：主要模型厂商最新模型价格对比 表6：公司核心管理层介绍 12表7：主要视频生成模型参数情况对比 14表8：海内外主要模型厂商在各领域的模型布局情况 14表9：不同厂商Agent框架比 16一、AGI近端判断共识形成，押注语言模态和coding能见度更高行业对于AGI的近端判断收敛，形成一定共识。AIAGI（ArtificialGeneralIntelligence）的终极愿景，尚未形成统一的AGI过程，不仅在智力水平上达到或超过人类顶级专家（如诺贝尔奖得主）的基准，而且能够像人类一样调用数字化和物理工具、独立执行具有经济价值的复杂任务，实现自主规划、自主行动和自我改进。表1：海内外对于AGI的表述海外海外OpenAIGoogleAnthropic杨立昆

提出AGI五级路线图，认为AGI是能在大多数具有经济价值的工作上超越人类的系统，不存在单一的达成时刻，只有任务难度的逐步提升。现有大模型路线大概率不是死路，但离AGI仍缺几块硬能力，关键差距是持续学习、长期推理、记忆和一致性，Agent是通往AGI的必要形态。①智力上，在大多数学科领域，包括生物学、计算机科学、数学和工程学智力水平达到或超过诺贝尔奖得主的水平；②具备人类线上交互需要的全部“接口”，可以执行任何操作、沟通或远程任务，不只是被动回答问题，还能自主完成任务。AI国内 第一阶段是智能涌现，特征是“学习人”，在人类各学科测试中取得顶级水平；第二阶段是自主“辅助人”阿里智谱MiniMax

任务；第三阶段是自我迭代，特征是“超越人”，可自主搭建训练基础设施、优化数据流程、升级模型架构。提出AGI五级路线图，目前正处于L3（第三级）阶段，Agent与自主学习能力的初步显现，距离完全实现像人类一样思考的AGI目标仍有一段距离。专注于文本、视频、语音的全模态通用大模型研发。AGI是能通过图灵测试的智能体，既能完成生产任务，也要提供娱乐体验，单一模态难以企及。Forbes，51CTO技术栈，Anthropic，划重点Keypoints，财联社，腾讯科技，数智前线，东方证券研究而对于AGI的实现路径，不同厂商的技术押注存在差异。codingAGIAnthropic、DeepSeek、智谱、Kimi；第二类则同时押注在语言、图片、视频、语音等多个模态，通过实现GoogleGemini、OpenAI字节、MiniMax。我们认为，两种技术路线的选择更多是战略和资源分配优先级的问题，行业对于coding、多模态的价值并无分歧，只是当前AGI的发展并未探索出唯一解，厂商的路线聚焦和技术攻破先后次序上的权衡，更多是基于自身资源禀赋和商业化的综合考量。图1：部分头部厂商对技术路线的选择、代表模型和商业化情况EPOCHAI，CNBC，InfoQ，YahooFinance，Newcomer，公司公告，acquinox，Sacra，tickertrends等，东方证券研究注：单元格标灰指押注单一语言模态，标黄指押注全模态。当前押注语言模态和coding能力的技术路径进展更快。相较于多模态的理解和生成，语言模型texttoken的技术架构已经基本固定，预训练的scalinglaw、强化学习等范式突破奠定模型智能基础；codingrewardsignal可验证性，使得通过coding执行复杂任务、加速AGI的能见度目前来看更高。头部企业如Anthropiccoding，呈现指数增长趋势，266月其ARR600亿美元，26Q2127%1095.59亿美元，为成立以来首个盈利季度，26Q310亿美元。我们认为AI技术持续迭代是高度确定的，尽管迭代节奏以及下一个技术范式的突破时点难以预测。站在当下，codind和语言模态为模型能力进步和开拓新的AI应用场景奠定基础，而全模态技术路线，我们认为因技术路径还在探索中、范式未固定，且对于数据、算力资源和计算基础设施的要求更高，还没有到显著突破时点，或是驱动模型进步的后发因素。图2：OpenAI和AnthropicARR情况（亿美元） 图3：Anthropic26Q1和26Q2收入利润情况Mar-23Jun-23Sep-23Dec-23Mar-24Jun-24Sep-24Dec-24Mar-25Jun-25Sep-25Dec-25Mar-26Jun-26Mar-23Jun-23Sep-23Dec-23Mar-24Jun-24Sep-24Dec-24Mar-25Jun-25Sep-25Dec-25Mar-26Jun-26

OpenAI Anthropic

0

收入（亿美元） 运营利润（亿美元）109109485.5926Q1 26Q2EEPOCHAI，tickertrends，东方证券研究 CNBC，环球Tech，东方证券研究二、瞄准Agent场景提前预判，走通智能、效率、基建全链路探索阶跃星辰联合创始人朱亦博在文章中提到，不同智能阶段最适合的基模结构是不同的。我们对此的理解是，模型智能水平发展到不同的阶段，由于应用场景差异，对模型的核心要求也在发生变化。按照OpenAI的定义：L1Chatbot时期Token输出速度等。L2Reasoner时期testtimecomputeDeepSeek首创的MLA架构（多头潜在注意力，Multi-headLatentAttention）L3Agent时代动执行和循环，对基模的设计目标也提出了新的要求，包括析文字图像语音能力、长上下文时的极致运行效率、吞吐量和推理速度等。表2：不同智能阶段，对基模结构和设计优化的要求不同时间 时间 L1Chatbot时期 L2Reasoner时期 L3Agent时期应用场景核心模型特点对基模的设计要求

知识广度极大，硬编码在参数权重中偏向人类对话的对齐与顺畅度优化知识存储的参数效率降低首字延迟（TTFT）Token输出速度适配人类正常阅读

引入testtimecompute生成极长的思维链进行深度推理优化解码效率解决长链条推理下的显存与存取瓶颈

闭环自动执行任务跨平台/跨软件协同具备感知-规划-工具调用-状态执行与反思的完整闭环能力高吞吐量与极限推理速度原生多模态（统一解析文字/图像/语音）长上下文下的极致运行效率代表模型 GPT3.5等 OpenAIo1、DeepSeekR1等 Claude4、GPT-5等知乎AI先行者，东方证券研究AgentAgent同时要求强逻辑能力、长上下文效率与推理速度。我们复Minimax的模型迭代思路，M1100token上下文长度的突破，M2系列走小尺寸路线，高效率计算并提升推理深度和复杂任务解决能力，进一步在M3系列中将智能和效率充分融合完成向上scaling，为L3Agent时代的模型迭代积累了扎实的技术储备。表3：MiniMax语言模型发布时间线梳理时间 具体型号 特点时间 具体型号 特点2022年4月abab1 首款文模型2022年6月abab2 具备对与问能力能实流连贯的能对话2022年10月abab3 在语言解、轮对及内生等核心力上著超上一模型2023年5月abab5.5 在写作聊天问答场景达了GPT-3.5水平2024年1月abab6.0 国内首千亿数量上的MoE架构模型2024年4月abab6.5 支持200ktokens上文长度2025年6月MiniMaxM1 MoE架构结合闪电注意力机制支持输/出100/8万个token2025年6月MiniMaxM1 MoE架构结合闪电注意力机制支持输/出100/8万个token2025年10月MiniMaxM2 专为代和agent相关用设在智能速度成本益之实最佳平衡2025年12月MiniMaxM2.1重点聚焦更多编程语言和办公场景的可用性2026年2月MiniMaxM2.5编程场景表现尤为突出，1美金/小时经济可行性高20263月MiniMaxM2.7harness2026年6月MiniMaxM3 同时备CodingFrontier+1M下文窗口+原生模态个核力公司官网，东方证券研究L3AgentM1系列采用闪电注意力机制和更快的强化学习算法CISPO，原生支持100万tokens的上下文长度。M1L3时代对基模长上下文运行效率的要求。公司独创以闪电注意力机制为主的混合架构，在计算长的上下文输入以及深度推理的时候显著高效，将上下文100万（GoogleGemini2.5Pro一致8Token为业内最长，并且在生成长度分别为64K和100Ktokens时，M1的FLOPs（浮点运算量）只有DeepSeekR150%25%CISPO，通过裁剪重要性采样权重提升强化学习效率，收敛性能更快。图4：25年6月M1发布时支持业内最高的100万上下文的输入和8万Token的推理输出MiniMax《MiniMax-M1:ScalingTest-TimeComputeEfficientlywithLightningAttention》M2系列专为coding和agent设计，实现小参数路线极致提升模型智能。2510系列，一方面延续了M1时代的极致工程效率基因，通过细粒度专家策略（大量小专家）提升路L3Agent230B10B，但依AgentAgentForge，M2在代码智能、深度搜索、办公自动化等任务上实现智能边界的极致拔高，走通工程能力和模型深度双融合的路线。262M2.5发布，2RLM2.5OpenClaw配合成为性价比极高的选择，OpenRouterM2.55token量榜首位置，M2.551M2.14倍多。263M2.7发布，是第一个模型深度参与迭代自己的模型。265ARR4亿美元。图5：OpenRouter上调用MiniMax的token量趋势（十亿）OpenRouter注：图中的橙色和2月少量的绿色均指M2.1模型。图6：公司年收入和月均收入情况（百万美元）20 3

收入 月均收入（右轴79316.59

12.5

33 3550 2023年

2.542024年

2025年

02026年2月 2026年5月公司公告，东方证券研究注：26年2/5月收入根据1.5/4亿美元ARR除以12个月计算。M3融合前代模型效率和智能优势，完成向大参数scaleup的技术可行性验证。M3基于全新自MSA（MiniMaxSparseAttention），1M1M上下文下token1/20，TPS（token）630优化80M3重点优化了coding和agentSWEBenchProM2230B小参数模型，M3scaleup428B，跑通数据、算法、infraOpenRouter数据显示，M363.78Top5M2.56周的1.76115%。图7：M3在软件工程、终端执行等多个维度的国际权威评测中均达到国际领先水平MiniMax稀宇科技公众号图8：6月M3上线后首6周周均调用3.78万亿，较M2.5上线后同期增长115%OpenRouter，东方证券研究Minimax在模型迭代上的思路，我们认为公司贯通完成了长上下文运行效率、模型智能深度、infra适配三位一体的完整技术路径探索，M1系列模型跑通百万窗口运行效率，M2小尺寸模型中验证了效率和智能的并行提升，M3scale的技术可行性验证。此外公司宣布下一代2.7万亿参数大模型预计最早三季度发布，考虑到公司前代模型在架构设计、训练效率和推理优化等维度的积累，此次2.7ARR长向上斜率。表4：公司M1/M2/M3系列模型的基本情况和差异M1系列M2系列M3系列发布时间2025年6月2025年10月2026年6月参数规模

总参数：456B激活参数：46B

总参数：230B激活参数：10B

总参数：428B激活参数：23B模型架构 MoE（32个专） MoE（256个专） -注意力机制 闪电注力 全注意机制 MSA稀注意力上下文窗口训练数据价格

输入：1M输出：40K/80K7.5TtokensSTEM/代码//输入：$0.8/$1.2(每百万token)输出：$8/$16(每百万token)

最大输入输出token总和：200K最大输出：128K预训练时达29.2Ttokens输入：$0.3/$2.1(每百万token)输出：$1.2/$8.4(每百万token)

1M多模态混合训练预训练时达100Ttokens输入：$2.1(每百万token)输出：$8.4(每百万token)原生多模态（图文视频+桌面操作）核心优势 极长小文，低长本成本 深度推，复任务

1M上下文推理快（解码15.6×）性价比高MiniMax《MiniMax-M1ScalingComputeEfficientlywithLightningAttentionMiniMax《TheMiniMax-M2Series:MiniActivationsUnleashingMaxReal-WorldIntelligenceMiniMax2026812日。公司模型在推理性价比上有显著优势，新一代模型有望继续提升智能边界进入最优象限。根据ArtificialAnalysisM3模型在任务的成本消耗维度表现更优，性价比已接近行业最优象限水平。我们预计随着三季度新一代模型发布，模型智能程度有望全面提升，届时进一步关注定价情况，公司有望进入最优象限水平。对比海内外模型厂商API1/7~1/5，Minimax在国内模型厂商的定价中同样具有显著价格优势。ArtificialAnalysis表ArtificialAnalysis表5：主要模型厂商最新模型价格对比厂商 具体模型输入价格缓存输入输出价格（USD/1Mtokens）（USD/1Mtokens）（USD/1Mtokens）海外GPT-5.60.2/2/50.02/0.2/0.51.2/12/30OpenAI GPT-5.550.530GPT-5.42.50.2515Gemini3.6Flash1.50.157.5Google Gemini3.5Flash1.50.159Gemini3.1ProPreview20.212ClaudeFable510150Anthropic ClaudeOpus4.850.525ClaudeOpus4.750.525国内qwen3.8-max26阿里巴巴 qwen3.7-max2.57.5qwen3.7-plus0.4/1.21.6/4.8deepseek-v4-flash0.140.00280.28deepseek-v4-pro0.4350.00360.87GLM-5.21.40.264.4智谱GLM-5.11.40.264.4GLM-510.23.2MiniMax-M30.30.061.2MiniMaxMiniMax-M2.70.30.061.2MiniMax-M2.50.30.031.2kimi-k330.315kimi-k2.7code0.950.194kimi-k2.60.950.164kimi-k2.50.60.13

图9：公司M3系列模型兼顾智能水平和价格，极具性价比月之暗面公司官网，东方证券研究注：价格数据根据2026年8月12日统计。我们认为，MiniMax对L3的不同训练侧重点，都能做到集中力量精准突破，底层来源于公司技术审美持续在线且务实、组织敏捷高效执行。技术审美明确且务实，聚焦优化架构效率和智能提升，同时尊重客观事实灵活调整思路做好平衡。MiniMax的技术审美一直非常明确，在算力有限的情况下聚焦更省算力的架构研发，以实现同算力消耗下有更好的效果，并且多次在业内共识形成之前就落实技术想法。24年1月abab6MoE架构的大语言模型，该结构下模型单位时间内训练的数据更多，每次推理时只有一部分专家参与计算，计算效率也得到提升。25101首次大规模实现线性注意力机制，在处理长输入时接近线性而非平方级复杂度。256M1创以闪电注意力机制为主的混合架构，在计算长上下文输入和深度推理时更高效。2510M2态还没有完全成熟，scaleAgent场景里，因此公司选择用全注意力机制先确保模型效果，同时在数据、评测体系和实验范式、训推基建等底层上继续完善，大方向仍看好未来线性和稀疏注意力在处理更长更复杂场景上M3系列模型中我们也看到稀疏注意力机制的回归。团队扁平，研发各环节贯彻迭代效率。公司从成立到现在，始终保持扁平架构，CEO之下职级不超过三层，且技术决策者同时有话语权，帮助公司充分发挥自上而下和自下而上的优势，年研发费用+2.5OpenAI/Anthropic80/40外，AINative的组织形式、积极拥抱Agent在实际工作流中的落地，也极大提升组织和研发效率。表6：公司核心管理层介绍姓名 职位 具体负责事项姓名 职位 具体负责事项主要负责整体管理和业务运营、董事会事务、财务事务、制定闫俊杰 创始人、董事会主席、执行董事、首席执行官兼首席技术官

战略和运营计划（尤其是AI研发方面）以及作出重大业务决策。赵鹏宇执行董事兼大语言模型研究及工程赵鹏宇负责人 主要负大语模型算法关研发工。周彧聪执行董事兼视觉模型研究及工程负周彧聪责人 主要负视觉型的发。公司招股书，东方证券研究图10：大模型研发训练成本比（亿美元） 图11：Agent实习生应用场占比0

2024 2025 2026E 2027E 2028E

GitLab数据查询与分析文件操作与管理信息搜索与研究网页开发与设计业务数据与运营图片与多

26.1%23.2%19.3%15.5%13.7%12.4%8.8%

41.9% MiniMax Anthropic OpenAI

0% 10% 20% 30% 40% 50%WSJ，Bloomberg，东方证券研究注：MiniMax数据为研发费用+资本开支，取自彭博一致预期；其余为大模型训练成本。

MiniMax稀宇科技公众号，东方证券研究三、卡位全模态布局具备稀缺性，长期解锁更泛Agent市场H3，2K视频模型H3重回一梯队水平，填补中低端高性价比多模态的供给空白25Q4hailuo2.3，267MiniMaxH3出、全能参考等功能，默认提供2KArtificialAnalysis的文生视频/图生视频/2/2/1H3图12：H3在ArtificialAnalysis的文生视频/图生视频/视频编辑榜单上分列第2/2/1位ArtificialAnalysis，东方证券研究性价比极高，预计利好成本敏感型场景如短剧等。H3默认支持2K分辨率，得益于ContextualOmniRepresentation、H3-VAE、H3-OmniTransformer、In-contextRegeneration等多项技术，H3提供极佳性价比。API调用下，H32K0.8元/SD2.0720P1.2元/秒、SD2.5720P1.8元/3.0720P0.9/AI重创作效率和生产成本，如短剧等场景更加受益。此外H3视觉风格效果独特，从表现力上看尤其适合广告、视觉设计、特效之类强调风格化的场景。我们判断AI视频工具在品牌广告、产品设计、UI/UX、游戏预告片等场景里有望加速渗透。表7：主要视频生成模型参数情况对比Seedance2.5MiniMaxH3可灵3.0Seedance2.0发布时间26年7月26年7月26年2月26年2月技术架构DiTDiT（参数量33B，dense）DiTDiT（参数量200B，MoE）单次生成时长（秒）4~30s，支持多轮延长（小云雀可以延长2轮到90s）4~15s3~15s4~15s分辨率480P、720P768P、2K720P、1080P、4K720P、1080P、4K参考生成支持素材数量 最多50个30张图片、1010生产工作流型功能 视频编辑（时间戳）3D白膜预演等

最多12个 最多7个（无视频输入时） 最多12个视频编辑 视频编辑 视频编辑价格（元秒）

768P：0.5￥2K：0.8￥

720P：0.9￥1080P：1.2￥4K：3.0￥

480P：0.6￥720P：1.2￥1080P：3.0￥4K：6.2￥开源闭源 闭源 开源 闭源 闭源MiniMax稀宇科技公众号，Huggingface，火山引擎Agent社区，公司官网，东方证券研究率先打响视频赛道领先模型开源第一枪，关注行业开源生态发展。不同于LLM的是，目前SOTA视频模型还是以闭源为主，此前开源阵营中有阿里万相、腾讯混元视频、LTX等模型，但SeedanceH3择开放模型权重。我们认为对于企业端来说可获得部署、数据与工作流的控制权，私有化部署后可在企业内部完成素材资产创建和调用；对于行业整体也让视频模型具备被定制和扩展的可能，AI多模态布局的卡位具有战略稀缺性。我们梳理全球同时布局于大语言基座模型和多模态生成模型的厂商，目前只有海外Google、xAI，和国内阿里、字节、腾讯、MiniMax在所有模态均有布局。从ArtificialAnalysis榜单来看，MiniMax各个模态的模型均在其赛道有不错的智能表现，尤其是语音和视频模型表现亮眼。表8：海内外主要模型厂商在各领域的模型布局情况厂商名称 大语言模型 多模态理解模型多模态生成模型图片 视频 音频海外OpenAIGPT-5.5-GPTImage2Sora（已关停）GPTRealtime2GoogleGemini3.5Flash-NanoBananaProVeo3.1Lyria3AnthropicClaudeOpus4.7----MetaMuseSpark--MovieGenMAGNeTxAIGrok4.3-grok-imagine-image-qualitygrok-imagine-videoTexttospeech国内阿里巴巴Qwen3.7MaxQwen3-VLQwenImageHappyhorse1.0Qwen3-TTS字节跳动Seed2.0Seed1.5-VLSeedream4.0Seedance2.0Doubao-Seed-TTS2.0腾讯Hy3Preview-HunyuanImage3.0HunyuanVideo1.5HunyuanVideo-FoleyDeepSeekDeepSeekV4----智谱GLM-5.1GLM-4.6V---MiniMaxMiniMaxM2.7MiniMax-VL-01Hailuo02H3Speech2.8HD月之暗面KimiK2.6Kimi-VL---量子位，智东西，机器之心，ArtificialAnalysisModelScope社区，火山引擎等，东方证券研究注：大语言模型同样具有多模态理解能力，区别在于是否推出单独的多模态理解模型。13：MiniMaxArtificialAnalysisArtificialAnalysis，东方证券研究公司认为多模态的融合是持续提升智能的基本前提，过去公司通过每个单一模态模型积累了研发经验和正向的用户口碑。我们认为，全模态的整合对于模型各项能力均有正向作用，一方面具备更强的跨模态对齐和推理能力，可以更好榨干多模态和信息更加丰富的长文数据，实现模型能力提升；另一方面通过更强的理解和生成的结合，视频生成质量和效果更佳，也能满足更多样的满足更多样的agent应用场景。Agent26PMFAgent各大厂商Agent产品的能力差异，核心底层是由基座大模型决定上限，外围来自Agent规划、工具调用、记忆管理等框架设计与工程实现上的差异，更进一步由工具应用生态等拉开差距。目前行业里两种不同的演进路径：一种是作为底层基础设施的通用开发范式（OpenAI、Google等），Agent深度产品化、工程化的垂直解决方案（Anthropic、MiniMax等），更聚焦于复杂长流程，如长代码编Agent框架和产品，MiniMax的Agentteam核心差异在于：调度与编排逻辑：由确定性的代码逻辑驱动。MiniMax的Agentteam强调硬性工程约Agent的运行周期。什么时候该跳转、什么时候该重试、什么时候该强制终止，都由确定性的代码逻辑来硬性约束，极大地降低了大模型在长流程任务中迷失或无限循环的概率。而OpenAIAgentsSDKGoogleADKAgent是作为工作流的一个节点，模型在执行过程中遇到解决不了的问题，可以通过工具调用把整个控制权直接移交给另一个Agent，这种设计学习曲线极低，更适合构建动态互动的智能体网络。上下文管理：物理隔离。MiniMaxHarnessWorkerVerifierAgentToken证了单一模型在执行具体任务时的注意力聚焦。质量保障机制：对抗性的质量门禁MiniMaxAgentteam设计中，质量控制机制WorkerVerifierAnthropic的Teams机制、GoogleADK都将质量保证放在工作流里的特定节点或专门的测试工具来实现。表9：不同厂商Agent框架对比框架框架/机制名称 厂商 定位与核心场景 编排与调度逻辑 状态与边界管理AgentsSDK OpenAI 通用多能体用开发 Agentasatool+动态交通过函数调用将控制权灵活转移

偏向大模型自主路由上下文通常随对话轮次持续累积ADK (ClaudeCode内置)Anthropic

企业级多智能体系统与工作流部署研发场景的复杂代码编写与系统重构

Orchestrator编排器+动态/静态混合支持图结构(Graph)与工作流专职专家团并行/串行协作围绕代码库进行特定领域专长的分工Worker-Verifier对抗性双回路

融合确定性代码约束与大模型推理原生支持企业级上下文控制强依赖大规模上下文(100k+)支撑的多文件、多仓库分析状态机驱动+上下文隔离AgentMiniMax

非传统单向调度，引入硬性质量门禁

由确定性状态机接管生命周期，各环节上下文天然物理隔离MiniMax稀宇科技公众号，东方证券研究26年重点关注垂类领域Agent跑通，看好公司长任务流程产品化能力，形成拉动模型订阅量的增长乘数AgentMiniMax10xTeamAI图14：MiniMax10xTeam组建计划MiniMax稀宇科技公众号四、盈利预测与投资建议盈利预测我们对公司2026~2028年盈利预测做如下假设：1）26~284.07/12.21/30.53yoy+415%/200%/150%。其中AI原生产品收入2.04/5.50/12.21yoy+283%/170%/122%，占比分别为50%/45%/40%，主要由模型能力提升带动Agent产品、AI视频模型海螺等付费用户数和ARPU提升；开放平台及其他基于AI的企业服务收入2.04/6.72/18.32亿美元，yoy+684%/230%/173%50%/55%/60%coding和agentAPI调用量增长。2）26~2822.5%/28.4%/34.0%AIAI入占比下降。费用率方面，26~28年销售费用率分别为14%/5%/2%，主要考虑模型厂商更多依靠模型实力吸引用户，而不依赖于传统的营销推广动作；26~28年管理费用率分别为13%/10%/5%，主要考虑收入增长规模效应；26~28151%/74%/41%，AGIAI3）利润：我们预计公司26~28年经调整归母净利润为-6.01/-6.88/-3.93亿元。图15：公司2026~2028年盈利预测情况单位：亿美元2023A2024A2025A2026E2027E2028E营业收入0.030.310.794.0712.2130.53yoy782%159%415%200%150%分业务（1）AI原生产品0.010.220.532.045.5012.21yoy2777%143%283%170%122%占比22%71%67%50%45%40%（2）开放平台及其他基于AI的企业服务0.030.090.262.046.7218.32yoy223%198%684%230%173%占比78%29%33%50%55%60%营业成本0.040.270.593.158.7520.15毛利-0.010.040.200.923.4610.38毛利率-24.7%12.2%25.4%22.5%28.4%34.0%销售费用0.230.870.520.560.610.66销售费用率660%285%66%14%5%2%管理费用0.080.140.370.541.181.65管理费用率220%47%47%13%10%5%研发费用0.701.892.536.169.0912.65研发费用率2023%619%320%151%74%41%经调整归母净利润-0.89-2.44-2.51-6.01-6.88-3.93经调整归母净利率-2574%-800%-317%-148%-56%-13%公司公告，东方证券研究16

投资建议我们选取智谱、商汤、科大讯飞、Palantir、谷歌作为可比公司。考虑到模型厂商整体均处于大力投入研发和模型迭代，收入高速增长没有实现盈利的阶段，采用PS估值法。根据可比公司的调Minimax202717xPS2081=7.841,629466.32/股，给予“买入”评级。公司代码市值（亿美元）营业收入（亿美元）PS2024A2025A2026E2027E2024A2025A2026E2027E智谱2513.HK6190.51.15.214.9134658111841商汤-W0020.HK795.67.09.512.0141187科大讯飞002230.SZ14634.439.947.456.14433PALANTIRTECHNOLOGIESPLTR.O4,12228.744.877.3112.5144925337谷歌-AGOOGL.O41,9343500.24028.44881.25835.7121097调整后均值57382317，Bloomberg，东方证券研究注：收盘数据取自8月18日。五、风险提示模型迭代不及预期。大模型是一个强竞争、模型能力为王的行业，若行业内模型能力快速提升，而公司模型迭代不及预期、持续拉开技术代差，或会进一步导致用户流失、商业化变现能力下降，进而对估值水平产生影响。价格战、竞争格局恶化。为抢占市场份额，行业可能出现通过价格战等方式进行恶意竞争。若被动跟进，可能会压制整体盈利水平。AI商业化表现不及预期。目前行业盈利主要通过订阅、API调用、tokenplan等方式，商业化模式仍在探索中且具有不确定性，用户付费意愿是根据模型提供的实际效用决定，若实际效用低于用户预期，可能导致付费意愿、复购率、单用户支出等不及预期，对估值水平产生影响。业务前景和经营业绩不确定性风险。由于公司发展历史有限，且大模型行业竞争激烈、汰换率高，倘若公司无法应对竞争环境，公司业务和前景将受到不利影响，可能对公司收入和盈利水平、以及估值水平产生影响。短期无法实现盈利风险。由于公司所处的大模型行业仍处于非常早期的阶段，公司业务及营运正快速扩张，且持续投资于研发活动以支持模型发展和长期增长，倘若经营开支端持续增加，可能对业务短期的盈利能力和现金流产生负面影响，对估值水平产生影响。业绩预测变化和波动较大风险。由于公司可参考的历史运营和财务数据相对有限，且行业技术处SOTA将显著拉动商业化表现。附表：财务报表预测与比率分析资产负债表2024A2025A2026E2027E2028E利润表 2024A2025A2026E2027E2028E单位:百万美元单位:百万美元现金3165283,5422,2721,655营业收入 31794071,2213,053应收票据及应收账款合计711336784营