MiniMax股价震荡、亏损126亿,Coding业务慢一拍,限售股解禁与回A布局成挑战

商业化焦虑带崩股价

MiniMax的股价经历了剧烈震荡,大涨大跌背后,即将迎来上市后首轮限售股解禁,公司商业化的焦虑和业务航道上的踌躇也让投资者担忧。6月22日大涨23.89%后,此后两日遭遇合计22.53%的下跌。震荡过后,MiniMax市值退守至1498亿港元,仅为同期竞争对手智谱9693亿港元的六分之一。从3月18日高点算起,至6月24日的3个多月里,MiniMax的市值缩水了2676亿港元。

投资者王雄原本期待6月公司发布最新旗舰模型、纳入恒生科技指数后,股价能更好爆发,但一场产品定价风波让MiniMax股价几近腰斩。6月1日,MiniMax旗舰模型M3亮相,参数亮眼,创始人闫俊杰宣称它已“超越GPT - 5.5”。但新模型发布后,MiniMax涨价,API调用价格整体上涨,计费方式改变,还新增周额度限制,且未事先预告,惹恼了不少用户。Plus版年度付费用户李实提出退款,认为公司没有契约精神,他算了笔账,以前5小时能调用1500次,现在可用量不足原来的三分之一。另一位开发者也表示自己的Plus套餐现在只能勉强养虾。在开发者社群中,这被认为是“背刺式”的涨价。

这股情绪传导到资本市场,6月1日MiniMax股价收跌15.71%,创下上市以来最大单日跌幅。当日晚间,MiniMax发布公告致歉并提出补偿措施,6月8日对API进行“永久五折”优惠,但市场并未买账,即便6月8日被纳入恒生科技指数,股价仍连续下挫,6月12日跌破400港元关口,6月15日起股价开始震荡回升。股价大幅下跌之下,投资者担忧MiniMax无法通过技术优势获得高溢价,公司面临商业化焦虑。

一年亏了126亿元

闫俊杰形容MiniMax的团队是“草根”,他本人来自河南小县城,中科院博士毕业后进入商汤科技,从实习生做到副总裁,上市前离职创业。公司员工大多是95后,业内认为其“没什么背景”。为突围,团队自主研发多模态通用大模型,主攻C端市场的AI应用,如AI陪伴产品Talkie(星野)和AI视频应用海螺AI,并把重心放在海外市场,Talkie在海外年轻人中很受欢迎,每月有上千万用户和AI好友交流。

这些成绩使MiniMax获得投资人青睐,成立四年就上市。2025年公司营收达到7904万美元(约合人民币5.34亿元),同比增长近159%,国际市场贡献超七成。但公司仍未摆脱亏损,2025年归母净利润亏损18.72亿美元(约合人民币126.51亿元),亏损规模同比扩大三倍。不过,为上市在2025年有近16亿美元的金融负债公允价值亏损,剔除后调整净亏损回落至2.5亿美元,同比仅微增2.7%,对比收入近159%的增幅,说明公司盈利能力在增强,综合毛利率也从2024年的12%提升到2025年的25%。

目前,MiniMax形成“C + B”商业模式。2025年,C端AI原生产品贡献超67%的收入,B端依托开放平台API服务,收入从2024年的872万美元增长至2025年的2596万美元,增速可观。但C端用户追逐“情绪价值”,规模增长快,黏性低,客单价难突破,截至2025年前三季度,C端AI原生产品毛利率仅有4.7%,而收入占比不足四成的B端,毛利率高达69.4%,利润厚度差距大。

对MiniMax来说,加强B端收入是必然选择。今年5月启动“10x Team”招募计划,准备通过专家共建模式将大模型效率跃迁复制到更多垂直产业。公司COO贠烨祎5月底透露,MiniMax用户规模已超3亿,服务的全球企业及开发者客户超过100万,企业用户与C端提供的营收“对半开”,但B端业务成为公司增长引擎还有距离,推出技术领先且价格有竞争力的旗舰模型是当务之急,M3模型把Coding能力作为商业化突围核心战略很明显。

Coding业务慢了一拍

在6月14日MiniMax的技术交流活动上,闫俊杰表示两年前大家认为全国会写代码的人只有100万到200万,AI Coding市场不够宽广,但现在他想法改变,2025年下半年评测时就明确只做Coding和Agent。

Anthropic强化编程能力后,国内大模型行业看到高客单价B端市场潜力,“Coding + Agent”成了资本市场更看好的叙事。真机智能董事长兼首席科学家刘智勇认为Coding已成为大模型商业化主战场,因为它具备高付费意愿、可验证的正确性、直接ROI三重属性。

智谱和月之暗面是最先投身这一叙事逻辑的重量级玩家,闫俊杰2025年开始推出M2系列模型,但专注全模态和C端路线,Coding能力慢了,在用户心智占位上落在智谱身后,只是追赶者。智谱6月15日发布GLM - 5.2模型后,当日股价盘中涨幅高达47.6%,截至6月24日,智谱收报2174港元,市值高达9693亿港元。

从M2系列更新到M3,MiniMax加快迭代,加码模型Coding能力,刘智勇认为这是将多模态应用层积累的用户场景理解下沉到底层模型能力竞争。虽然经历波折,但商业化竞赛才刚开始,MiniMax仍有机会,刘智勇表示很关心M3模型,其成本低,对累计消耗Token数万美元的用户有吸引力。

加强基础模型质量是MiniMax在资本市场挽回估值颓势的关键。中国企业资本联盟副理事长柏文喜预测,当MiniMax和智谱的Coding评测数据改善时,港股投资者会将其解读为商业化拐点临近的信号,推动估值修复。但MiniMax更大挑战临近,7月初首发限售股将解禁,解禁股份占港股股本比例约63%,财务型投资者持有占比超三分之一,目前实际流通盘仅约5%,解禁后供给量或将暴增近10倍,股价能否守住取决于公司能否交出超预期成绩单。

在这样的压力下,MiniMax于5月29日与中信证券签署科创板IPO辅导协议,启动“A + H”布局。6月17日科创板“硬科技”上市扩容消息让市场兴奋,如能成功在A股上市,或将为其在商业盈利拐点到来前补充资金弹药。柏文喜认为其回A核心驱动力是融资需求,大模型训练成本高,持续烧钱需要更广阔融资通道,但A股对未盈利科技企业上市审核趋严,大模型公司需要证明清晰的商业化路径,而非仅靠技术概念,如果Coding能力等硬指标没有持续突破,无法支撑企业长期高估值。

内容概要:本文提出了一种基于改进扩散模型的高海拔地区新能源高波动出力场景生方法,并提供了完整的Python代码实现。该方法针对高海拔地区风能、光伏等新能源出力波动剧烈、不确定性高的特点,通过优化扩散模型的结构训练策略,有效捕捉历史数据的概率分布特征时序相关性,从而生高质量、多样化的出力场景。文中详细阐述了模型的数学推导、网络架构设计、损失函数优化及采样算法改进,并通过实验证明其在拟合精度、场景多样性稳定性方面优于传统生模型,为电力系统在高比例新能源接入下的规划、调度风险评估提供了可靠的场景输入支持。; 适合人群:具备一定Python编程能力和机器学习基础,从事新能源发电预测、电力系统分析、智能优化、场景生等方向研究的科研人员、高校研究生及工程技术人员。; 使用场景及目标:①用于高海拔地区风电、光伏出力的不确定性建模多场景生;②支撑含高渗透率新能源的电力系统随机优化调度、鲁棒决策风险评估;③为相关学术研究、论文复现算法改进提供可运行的技术方案代码基础; 阅读建议:建议读者结合所提供的完整资源(代码、数据集、说明文档)进行实践操作,重点关注扩散模型的前向加噪反向去噪过程的设计细节,以及如何将其适配于新能源时序数据的生任务,通过参数调优对比实验深入理解模型的生机制性能边界。
内容概要:本文围绕基于静态约束法的配电网电动汽车接入容量评估展开研究,提出了一种在新型电力系统背景下评估主动配电网对电动汽车承载能力的方法。研究通过构建数学模型,结合流计算关键约束条件(如电压越限、线路过载等),量化分析配电网可承受的最大电动汽车充电负荷容量,旨在识别规模化电动汽车接入带来的潜在运行风险,并为电网规划运行提供科学依据。文中配套提供了完整的Matlab代码实现,便于仿真验证结果复现。此外,该研究分布式光伏承载力评估、电动汽车可调能力分析等方向形技术联动,展现了多主题协同的研究体系。; 适合人群:具备电力系统分析基础理论知识及Matlab编程能力的高校研究生、科研机构研究人员,以及从事新能源并网、智能配电网规划运行等相关领域的工程技术人员。; 使用场景及目标:①用于学术研究中的模型复现论文撰写支撑;②评估实际配电网中电动汽车大规模接入的可行性安全边界,指导充电基础设施布局;③作为高校教学案例,帮助学生深入理解电网承载力评估的核心原理、建模方法仿真技术; 阅读建议:建议结合文中提及的相关研究方向(如二阶锥规划、多面体聚合方法等)进行对比学习,充分利用所提供的Matlab代码网盘资料开展仿真实验,重点关注约束条件的设定逻辑流计算模块的实现细节,以深化对评估模型机理工程应用价值的理解。
内容概要:本文围绕“考虑隐私保护的分布式联邦学习电力负荷预测研究”展开,提出了一种基于Python实现的联邦学习框架,旨在解决居民或行业电力负荷预测中用户电表数据隐私泄露的风险。该研究通过构建分布式机器学习模型,使各参方在不共享原始数据的前提下协同训练全局模型,有效实现了数据“可用不可见”。文中详细阐述了联邦学习的整体架构设计、本地模型训练流程、参数加密传输安全聚合机制,并结合差分隐私等技术进一步增强系统的隐私保护能力。同时,研究利用真实电力负荷数据集进行了实验验证,展示了方法在预测精度隐私保障之间的良好平衡,并提供了完整的代码实例复现指南,便于后续研究应用拓展。; 适合人群:具备一定机器学习基础和电力系统背景知识,从事智慧能源、隐私计算或人工智能相关方向研究的研究生、科研人员及工程技术人员。; 使用场景及目标:① 实现跨区域、跨主体的电力负荷协同预测,打破数据孤岛;② 在确保用户用电数据隐私安全的前提下提升负荷预测准确性;③ 推动联邦学习在智能电网、需求响应、虚拟电厂等场景中的实际部署应用。; 阅读建议:建议结合文中提供的Python代码网盘资料进行动手实践,重点关注联邦学习的通信轮次设计、模型聚合算法(如FedAvg)的实现细节以及差分隐私噪声添加策略,深入理解其对模型性能隐私强度的影响,为进一步优化创新奠定基础。
VDA_Band_19.1_3rd edition_2026 English Inspection of Technical Cleanliness 内容概要:本文档为德国汽车工业协会(VDA)发布的第三版《技术清洁度检验:功能相关汽车部件的颗粒污染检测》(VDA 19.1),系统规范了汽车行业中零部件技术清洁度的检测方法流程。文件涵盖从取样、提取、过滤到分析的全流程标准化操作,重点更新了干法提取(如 Stamp Test 和刷吸法)、小于50µm颗粒的检测、光学子系统和SEM/EDX标准分析方法,并引入统一材料分类体系以提升结果可比性。同时明确了“标准分析”“自由检验”的区别,前者用于高兼容性检测,后者允许客户供应商协商定制参数。文档还强化了对非可测组件的技术清洁保障、测量不确定度评估及方法验证的要求,并提供了多个实际案例支持应用落地。; 适合人群:适用于汽车制造业中从事质量控制、工艺开发、供应商管理及相关检测实验室的技术人员和管理人员,尤其适合具备一定质量管理或洁净度检测基础的专业人员。; 使用场景及目标:①用于制定和执行零部件清洁度检测标准;②指导 incoming/outgoing 检验及生产过程监控;③支持失效分析质量改进项目;④作为企业内部审核和技术交流的依据; 阅读建议:建议结合VDA 19.2及其他相关标准配套使用,重点关注各章节中的起始参数设定、方法选择逻辑及附录中的检查表示例,在实际操作中同步开展方法验证人员培训,确保检测结果的有效性和可追溯性。
内容概要:本研究聚焦于电动汽车(EV)作为灵活可调资源的能力评估,提出了一种基于多面体聚合闵可夫斯基和的数学建模方法,用以精确刻画大规模电动汽车集群的可调能力范围。通过将单辆电动汽车的充放电行为抽象为几何空间中的多面体可行域,并利用闵可夫斯基和实现对群体可行域的高效聚合,从而构建出能够反映整体调节潜力的统一数学表达。该方法在Matlab平台上实现了完整的仿真代码,支持对不同场景下电动汽车集群的上、下调能力进行量化评估,为电网调度、需求响应及电力市场机制设计提供了理论依据工具支撑。; 适合人群:具备电力系统分析、优化理论及Matlab编程基础的研究生、科研人员及从事新能源、智能电网相关工作的工程师。; 使用场景及目标:①用于评估大规模电动汽车接入背景下系统的灵活性资源潜力;②支撑含高比例可再生能源的电力系统调度规划决策;③为需求响应项目中EV聚合商参电力市场提供能力申报的技术手段;④作为教学案例帮助理解集合运算在电力系统中的应用。; 阅读建议:学习者应结合Matlab代码深入理解多面体建模闵可夫斯基和的实现细节,建议从单车模型入手逐步过渡到集群聚合,并尝试调整参数(如数量、SOC分布、功率限制)观察聚合结果的变化,以增强对模型特性的掌握。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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