中国AI独角兽MiniMax发布上市后首份年度业绩，交出了一份超预期的增长答卷。
2025年全年营收达7904万美元，同比增长159%，较彭博汇总的市场预期7140万美元高出约10.6%。年度经常性收入在2026年2月已突破1.5亿美元，显示商业化步伐正显著加快。全年毛利同比增长437%至2000万美元，毛利率从2024年的12.2%提升至25.4%。全年调整后净亏损为2.5亿美元，与上年基本持平。
在公司绩后电话会上，公司创始人兼CEO闫俊杰在业绩电话会上阐述了战略演进方向：MiniMax正从一家大模型公司向AI时代的平台公司过渡。其核心逻辑是平台价值等于智能密度乘以Token吞吐量，两个维度足够强劲时，平台价值将自然涌现。
在产品层面，M2.5模型已在多项生产力基准测试中取得全球领先表现。伴随模型能力提升，2026年2月M2系列模型的日均Token消耗量已达2025年12月水平的6倍以上，验证了高性价比路线的市场接受度。
电话会要点提炼：
模型迭代速度与商业化验证 过去108天内完成2.0至2.5三个版本迭代，M2系列模型日均token消耗量自2025年12月以来增长超6倍，验证了高性价比路线的市场接受度。多模态战略的阶段性成果 多模态融合被确立为通向AGI的必然路径，已完成各模态独立打磨，预计2026年上半年推出M3系列模型，展现各模态协同进化成果。视频生成已成为API调用量第三大细分市场，多模态能力被视为占领该市场的核心壁垒。智能体演进的判断与布局 明确L3级智能体已到来，L4与L5的分野在于“单个任务”与“多智能体协同”。编程场景最先验证，但办公场景（数据分析、文档撰写、PPT制作）的潜在市场空间被认为远大于编程。差异化竞争策略 战略上有所为有所不为，2023年即放弃移动端通用个人智能助手，集中资源投入编辑器、海螺视频等能形成差异化的产品。研发策略上不追求全面领先，而是以“速度快”和“特定能力突出”打开市场。研发效率的底层逻辑 强调AI竞争的本质不是烧钱与烧资源，而是模型迭代速度与边际效率。在统一架构下做全模态训练的成本远低于分头建设独立系统，且协同效应已被持续验证。生态建设的外溢效应 模型已在生态层面产生外溢，从Google Cloud生态的贡献到OpenRouter等开发者平台上调用量领先，未来将通过产品层面的多模态能力进一步降低使用门槛，构建更完整的平台生态。营收加速，国际市场贡献超七成拆解MiniMax 7900万美元全年营收，两大业务板块均实现高速增长。面向企业和个人开发者的开放平台贡献约2600万美元，同比增长198%；面向消费者的AI产品，包括MiniMax Agent、海螺AI、Talkie及星野，贡献约5300万美元，同比增长143%。
国际化成为公司营收结构的显著特征。2025年全年，国际市场营收占总营收比例超过70%，开放平台国际营收占比亦超过50%。截至2025年12月31日，MiniMax已累计服务全球超过200个国家和地区的2.36亿用户，以及来自逾100个国家和地区的21.4万家企业客户和开发者。
费用端表现印证规模效应初步显现。销售和营销费用同比下降40%，研发支出同比增长33.8%，但增速远低于营收增幅。进入2026年后商业化势头进一步增强，闫俊杰透露，2026年2月开放平台新用户注册量已达2025年12月水平的4倍以上。
模型矩阵迭代提速，M2.5刷新编程基准电话会上提到，在技术层面，MiniMax展现出快速的模型迭代能力。2025年第四季度密集发布M2、M2.1、M2-her三款大语言模型，仅用108天完成从M2到M2.5的三代演进。
2026年2月发布的M2.5在生产力场景中取得全球领先表现。在编程领域，该模型在SWE-bench Verified基准测试上创下行业新纪录，相较上一代M2.1效率提升37%。成本端亦实现突破——以每秒100 tokens输出计，M2.5运行复杂Agent每小时成本仅1美元，公司据此估算，1万美元预算可支撑Agent全年持续运行。自发布以来，M2.5迅速登顶Open Router排行榜首位。
多模态能力同步推进。Hailuo 2.3视频模型、Speech 2.6语音模型及Music 2.0/2.5音乐模型相继落地。截至2025年末，视频模型累计帮助创作者生成逾6亿个视频，语音模型累计生成逾2亿小时语音内容。
推理效率优化成果显著。截至2026年2月，M2.5系列每百万Token推理算力成本较2025年12月下降逾50%，Hailuo视频生成模型推理延迟降低逾30%。
生态布局加速，头部云平台与工具链相继接入MiniMax在商业生态层面取得一系列关键进展。全球主流云平台正加速引入其模型能力——Google Vertex AI、Azure AI Foundry、Fireworks AI及NetViews AI均已部署MiniMax模型。在编程工具领域，MiniMax已成为OpenCode及Kilo Code等主流编程平台的默认模型。
2026年初，Notion宣布接入M2.5模型，使其成为该平台上线的首个也是唯一的开源模型选项。闫俊杰表示，这标志着MiniMax在生产力场景的渗透进一步加深。
与OpenClaw项目的协同亦释放生态效应。闫俊杰提到，OpenClaw创始人Peter此前公开表示，M2.1是其偏好的最佳开源模型。MiniMax随后推出MaxClaw，进一步降低用户使用门槛，推动模型在开发者社区的广泛采纳。
组织AI化提速，内部Agent覆盖九成员工在组织转型层面，MiniMax创始人兼CEO闫俊杰披露，公司内部Agent实习生已为近90%的员工提供支持，覆盖软件开发、数据分析、运营管理、人才招聘及销售营销等场景。他将这一实践定义为公司构建竞争优势的核心来源之一。
内部大规模部署Agent正带来双重效益。一方面，模型迭代与产品创新之间的反馈循环被显著加速；另一方面，实际部署环境清晰暴露了当前模型能力的短板，从而直接指导下一代模型的研发优先级。闫俊杰观察到，公司内部正在经历一个明显转变，员工正从“教Agent如何工作”逐步转向“观察Agent如何工作”。
展望2026：押注M3全模态模型，向平台公司跃迁在2026年展望中，MiniMax创始人兼CEO闫俊杰提出三大核心判断：软件开发领域将迎来L4至L5级别智能的跃升，AI将从工具演化为同事级协作者；职场生产力场景将复制编程领域去年的快速渗透路径；多模态内容创作将迈入中长篇生产级内容的直接生成阶段，输出格式日益接近流式实时。他预计，上述趋势将推动平台Token需求量增长一至两个数量级。
为承接这一需求，公司次代旗舰产品M3及Hailuo 3系列模型已针对上述场景进行架构设计，计划于2026年下半年推出多模态融合能力。闫俊杰表示，MiniMax是中国仅有的三家在每个模态均取得领先的公司之一，也是少数能够同时在产品层和模型层并行执行的独立公司。
在战略定位上，闫俊杰将AI时代的平台公司重新定义为：能够定义并推动新智能范式、持续捕获范式转移所创造的商业价值的公司。这一界定与互联网时代以流量入口为核心的平台范式形成明确区分。
管理层表示，MiniMax的目标是成为AI时代的平台型企业，核心驱动力来自模型能力的持续提升与客户价值的深度挖掘。
在战略执行层面，公司坚持围绕“全模态”与“高质量”两个关键词，有所为有所不为。闫俊杰透露，2023年公司即明确不做移动端通用个人智能助手，因判断其中难以形成独特价值；而是将资源集中投入编辑器、海螺视频等能形成差异化的产品上。
以下是电话会全文（由AI辅助生成）：
2025年度业绩电话会议
接线员：您好，女士们，先生们。感谢大家的等待。欢迎参加MiniMax 2025年全年财务业绩电话会议。请注意，管理层的主旨发言及中文问答环节将提供英语同声传译。
英语线路将处于仅收听模式。我现在将电话线转交给MiniMax投资者关系总监余美琪女士。
未具名发言人：谢谢接线员。大家晚上好，早上好。欢迎参加MiniMax 2025年全年财务业绩电话会议。在开始之前，请注意，今天的讨论可能包含前瞻性陈述，涉及诸多风险和不确定性。实际结果可能与讨论内容存在差异。除法律规定外，公司不承担更新任何前瞻性信息的义务。
有关本次电话会议的重要信息，包括前瞻性陈述，请参阅公司早些时候发布的公开信息或2025年全年业绩公告以及截至2025年12月31日的财务状况。在今天的电话会议中，管理层还将讨论某些非国际财务报告准则财务指标。这些指标仅为补充信息提供，不应取代基于国际财务报告准则的财务结果。有关非国际财务报告准则财务指标的定义、国际财务报告准则与非国际财务报告准则财务结果的对账及相关风险因素，请参阅我们的2025年全年业绩公告。
在今天的电话会议中，管理层将主要使用中文。第三方口译员将在主旨发言环节和问答环节提供英语同声传译。请注意，英语口译仅为方便起见。如有任何歧义，以管理层的原始语言发言为准。最后，除非另有说明，所有货币单位均为美元。我现在将电话线交给我们的创始人兼首席执行官闫俊杰博士。
闫俊杰，创始人、董事会主席、首席执行官兼首席技术官：尊敬的投资者和分析师，晚上好。我是闫俊杰。感谢大家参加我们IPO后的第一次业绩电话会议。我想借此机会分享我们过去一年的进展以及我们下一阶段增长的战略重点。
首先回顾2025年。对MiniMax而言，今年的主题是"夯实基础"。2025年，我们建立了全模态研发能力，在语言、视频、语音和音乐等关键模态上均拥有了具备全球竞争力的模型。同时，我们通过持续的技术创新不断升级产品，这包括面向企业和开发者的开放平台，以及MiniMax Agent、海螺AI、星野等面向终端用户的产品。我们还进一步深化了全球布局。在大语言模型方面，去年第四季度，我们推出了三个更新模型：M2、M2.1和M2-her。M2重新定义了性能、成本和速度之间的平衡，并集成了三大关键能力：编程、工具使用和深度搜索。
其性能已接近全球领先水平。发布后，M2迅速获得全球开发者社区的采纳，成为OpenRouter上首个日消耗Token量超过500亿的中国模型，同时在Hugging Face全球趋势榜上位居榜首。基于M2，我们迅速推出了M2.1，专注于提升处理复杂现实世界任务的性能，特别是在编程和工作场所场景中，它在理解和执行多步指令方面展现出更强能力。此外，M2-her作为支持我们AI互动产品（即星野）的基座模型。
其设计旨在提供更自然、更个性化的对话体验，并在百轮长上下文对话测试中综合表现排名全球第一。2月，我们发布了M2.5，在关键生产力场景（包括编程、工具使用和工作场所应用）中取得了全球领先的性能。在编程方面，M2.5在FWE Bench Verified基准测试中创造了新的行业记录，同时与前一代M2.1相比实现了37%的效率提升。
更重要的是，M2.5使得复杂智能体的运行在经济上变得可行。以每秒100 token的输出速度连续运行一小时，成本仅为1美元。这意味着，1万美元的预算可以让智能体持续运行一整年。模型能力的突破也带动了使用量的快速增长，M2.5发布后迅速登顶OpenRouter排行榜。
从M2到M2.1，再到现在的M2.5，每一代模型在能力和应用采纳上都实现了显著提升。2026年2月，M2模型系列的日均Token消耗量是2025年12月记录的6倍以上，其中来自编程场景的Token消耗量增长了超过十倍。在多模态方面，我们现在已建立起覆盖视频、语音和音乐的模型能力。
去年10月，我们发布了视频模型海螺2.3，在角色运动、视觉质量和风格表达方面实现了显著改进。我们还推出了一款更快的模型，可将批量内容创建成本降低高达50%，并在海螺AI中进一步升级了媒体智能体，支持全模态内容创建，一键生成最终输出。
截至2025年底，我们的视频模型已累计帮助全球创作者生成超过6亿个视频。去年10月，我们发布了语音模型Speech 2.6，该模型针对语音智能体场景进行了优化，显著增强了语音交互性能，实现了全球领先的超低延迟，并支持超过40种语言。截至去年底，我们的语音模型已累计帮助全球用户生成超过2亿小时的语音内容，成为语音智能生态系统的核心基础设施平台之一。我们新发布的音乐模型Music 2.0和2.5也取得了显著进展，能够可靠地处理广泛的声乐风格和情感表达。
在开发这些模型和产品的过程中，我们也持续推进了AI原生的组织进化。在公司内部，我们的智能体实习生现在支持近90%的员工，应用场景涵盖软件开发、数据分析、运营管理、人才招聘以及市场销售。我们视自己为AI原生组织能力演进的试验场，这将稳步提升我们的研发效率。今年1月，我们将积累的能力产品化，发布了MiniMax Agent 2.0，使智能体能够直接访问用户的本地工作空间。同时，我们推出了专家智能体功能，允许用户为专业用例创建特定领域的智能体。
截至2月底，专业用户累计创建了超过5万个专家智能体，通过深度知识和能力整合来解决专业挑战。甚至在OpenClaw项目获得广泛关注之前，其创始人Peter就已经高度评价了MiniMax提议的模型，称M2.1模型是他首选且最好的开源模型。OpenClaw正式推出后，M2系列结合的性能和成本优势使更多开发者能够以显著更低的成本采纳该模型。我们的智能体产品也积极支持OpenClaw，推出了MaxClaw，进一步降低了用户的准入门槛。
接下来，我想谈谈我们在商业化方面的进展。全年来看，我们2025年全年实现收入7900万美元，同比增长159%。其中，来自AI产品的收入达到5300万美元，同比增长143%；来自我们开放平台的收入约为2600万美元，同比增长198%。请看下一张幻灯片。
我们看到2025年收入正在加速增长。例如，面向企业客户和个人开发者的开放平台，2026年2月的新用户注册量是2025年12月记录的4倍以上。截至2025年12月31日，我们已累计服务来自超过200个国家和地区的2.36亿用户，以及来自100多个国家和地区的21.4万企业客户和开发者。国际市场收入占我们2025年总收入的70%以上，并且国际收入占我们开放平台总收入的50%以上。
自M2.5发布以来，我们看到在国际市场获得了强劲吸引力，新的全球客户兴趣浓厚，积极的用户口碑持续建立。包括Google Vertex AI、Microsoft Azure AI Foundry、Fireworks AI和NetViews AI在内的全球领先云提供商和AI原生云平台均已部署MiniMax模型。我们也已成为OpenCode和Kilo Code等领先编程平台的默认模型。今天早些时候，Notion推出了M2.5，这是其首个也是唯一一个开源模型选项。
此外，在提供上述服务的同时，我们通过推动工程优化进一步提高了计算效率，并实现了有意义的收益。得益于算法优化、算子实现以及编码和解码工程方面的迭代改进，截至2026年2月，M2.5模型系列每百万Token的推理计算成本相比2025年12月的水平已下降超过50%。同期，高保真视频生成模型的推理延迟也降低了30%以上。
随着我们模型能力的持续迭代和改进，新的规模效益已经显现。2025年全年，毛利润达到2000万美元，同比增长437%，毛利率提升至25.4%，比2024年的12.2%提高了13个百分点。费用方面，销售和营销费用同比下降40%，而研发费用同比增长33.8%，但显著低于我们的收入增长率。2025年全年，调整后净亏损为2.5亿美元。
随着商业化持续推进以及模型优化带来成本效益，我们的调整后净亏损率显著收窄。在2026年的前两个月，我们已经看到了强劲的增长势头。截至2026年2月，我们的年度经常性收入已超过1.5亿美元。接下来，我想分享一下我们对未来的展望。
我们相信，在2026年，智能水平将显著提升。我们自身的努力将集中在以下三个方面。首先，在软件开发领域，我们预计将看到L4到L5级别智能的出现，标志着AI从工具向同事级协作者的转变。其次，在专业工作场所，我们预计将看到类似于去年在编程领域所取得的进步速度。
特别是，AI智能体在工作场所场景中的交付能力和渗透率将显著提升。第三，多模态创作今年将朝着直接生成可供直接使用的长中长形式内容迈进，并出现越来越接近流式实时输出的格式。综合来看，这三个发展预示着新的技术挑战、智能供给的大规模显著扩张，以及在应用层出现的巨大创新窗口。它们也意味着对我们平台的需求将显著增加，Token量级可能增长一到两个数量级。
我们的下一代M3和海螺3模型系列正是为了满足这些需求而设计的。与此同时，我们正在快速加强我们的基础设施，并持续吸引顶尖人才，将我们的关注点从优化训练效率转向提升更高的研发和迭代效率。在战略层面，我们正从一家大模型公司演变为AI时代的平台公司。在互联网时代，平台公司主要是流量的入口。
然而，在AI时代，平台公司是那些定义和推进新智能范式、并能捕捉由这些范式转变所创造的产品和商业价值的公司。这需要具备塑造新兴智能框架的能力，在技术和产品上持续创新，并提供可扩展的基础设施和高效率的Token吞吐能力。我们相信，我们是少数已经建立并持续加强这些能力的公司之一。因此，一个AI时代平台公司的价值可以简单地概括为：所提供的智能密度乘以Token吞吐量。当这两个维度都足够强大时，平台价值自然显现。站在这个行业的历史性拐点上，我们的能力源于两个因素。AI行业的加速发展日益明显。模型能力的突破、智能体应用的部署以及变现模式的成熟也在行业中持续扩展。
因此，我们已经看到了强劲的增长势头。我们有信心成为AI平台生态的核心建设者。我们准备好的发言到此结束。现在我们准备回答大家的问题。
问答环节
接线员：问答环节
接线员：现在我们开始电话会议的问答环节。（接线员指示）您的第一个问题来自摩根士丹利的Gary Yu。
Gary Yu：谢谢管理层。感谢你们的分享。你们的愿景是成为一家AI平台公司。那么，你们如何定义AI时代的平台公司？为什么认为像MiniMax这样的初创公司能够成为其中之一？谢谢。
闫俊杰，创始人、董事会主席、首席执行官兼首席技术官：
谢谢你的问题。这是我们内部长期讨论和思考的事情。正如我们之前提到的，当智能的边界被推动时，它会产生许多新的场景、新的客户和新的用户，形成一个新的生态系统，并产生新的商业化红利，例如，编码或视觉/图像生成领域已经涌现出一些公司。那么，为什么MiniMax有机会成为AI时代的平台公司？我认为有几个原因。首先，AI市场不是一个零和市场。
每年的增量市场都大于现有的存量市场。它也不是一个赢家通吃的市场。只要你拥有独特的、差异化的创新，你就能找到自己的市场契合点。我们相信，在未来两三年内，我们的模型研发能力和基础设施能力极有可能创造新的场景，并且在编码、办公效率和互动娱乐等领域存在着巨大的创新市场空间。
在这样一个高增长、快速变化的市场中，我们认为机会存在于三个层面。首先是模型层。我认为一个关键要素是我们依赖于模型的长期积累和更快的迭代。例如，在108天的时间里，我们成功发布了M2、M2.1、M2.5，每一次发布都带来了用户数和API调用量的快速增长。并且，从创业第一天起，我们就在积累跨模态的能力。我们是唯一一家采用这种战略的公司，这使我们在多模态融合这一必然趋势中占据了有利位置。第二是产品层。MiniMax是国内第一家同时注重产品和模型的公司。
因此，"模型+产品"形成了更强的准入门槛。这种将模型作为产品的方式，是其他同行更难复制的。第三是生态层面。我们利用差异化的能力，建立了一个开放的系统，例如在OpenClaw生态中。OpenClaw使用了我们的许多模型进行开发。同时，我们的模型也非常适合大吞吐量的产品场景。通过进一步整合，也降低了用户的使用门槛。这也是为什么我们看到大量的代码贡献。我们具备帮助生态系统快速成长的能力。展望未来，这只是我们内部生态建设的开始。接下来，我们将专注于打造下一代全模态模型M3系列，确立清晰的模型差异化。另一方面，我们希望围绕我们提供的智能，构建独特的产品和生态系统。我们相信，除了少数几家大厂之外，我们是亚洲唯一一家能够同时在产品和模型上有所建树的公司。谢谢。
闫俊杰，创始人、董事会主席、首席执行官兼首席技术官：下一个问题，谢谢。
接线员：下一个问题来自摩根大通的Alex Vovk。请继续。
Alexander Vovk：谢谢管理层抽出时间。祝贺你们取得强劲的业绩。我想问一个关于多模态的问题，这是你们一直强调的AI的终局。如果竞争对手专注于先完善单一模态，然后再转向跨模态，这意味着他们可能比你移动得更快，那么你们从一开始就专注于跨模态的方法会不会成为一种负担，对你们来说会更慢吗？
闫俊杰，创始人、董事会主席、首席执行官兼首席技术官：谢谢你的提问。这是我们自公司创立第一天起就一直在被问到的问题。我想借此机会解释一下我们为什么专注于跨模态。我们认为多模态的融合是持续提升智能水平的根本前提。过去六个月，已有多个模型通过多模态融合实现突破，验证了这一趋势。例如，像Nano Banana Pro这样的模型，将视觉理解和生成融合在一起，进一步拓展了智能的边界。对我们来说，我们采用两阶段方法。我们现在正处于第二阶段。过去的四年是第一阶段。
我们稳步在每个模态建立了业界领先的模型，获得了积极的口碑和市场认可。我们在各个模态都有很多模型在提供，并在各自领域取得了显著成就。接下来，关键是要将它们整合融合，以实现更大的突破。今年下半年，M3模型正是为了实现这个目标。在这个过程中，我们想强调两点：第一，每个模态的积累都是一个漫长的过程。
从数据到单一模态，再到多模态融合，整个链条需要相当长的时间。这是我们长期能力的基础，也是我们的与众不同之处。我们是国内仅有的三家在所有模态都取得领先地位的公司之一。第二点我想分享的是，视频生成，除了编码和智能体任务之外，是最大的市场。我们相信，我们能够看到接近实时格式的中长形式内容。我们相信我们也能实现这种能力，并且对我们来说存在巨大的机会。就像你提到的，我们的战略方法是否会阻碍我们的研发进展？怎么说呢？我认为挑战是存在的，但它们是不可避免的。
自公司成立以来，AGI就一直是多模态输入和输出。因此，我们建立了一种组织架构，使得跨模态的基础能力可以复用。如您所见，在这种AI原生的组织架构下，我们构建全模态的成本并不比其他初创公司高，并且远低于大型科技公司的投入。而且，我们每个单独的模态都取得了有竞争力的模型。
在某些情况下，甚至超过了专注于单一模态的公司。我们的技术判断和前瞻性定位在过去几年中不断得到验证，未来只会变得更加清晰。谢谢。
未具名发言人：下一个问题，谢谢。
接线员：我们的下一个问题来自瑞银的Kenny Fong。
Kenneth Fong：祝贺你们在IPO后取得强劲的业绩。您提到L4到L5级别的编程智能正在到来，并且有很多说法称许多软件公司可能被智能体取代。我们应该如何看待这种变革？你们在这个变革中处于什么位置？
闫俊杰，创始人、董事会主席、首席执行官兼首席技术官：嗯，这是一个非常重要的问题。让我先解释一下L4到L5级别的智能意味着什么，以及编程智能的未来方向，还有我们在这个变革中的位置。L3是我们今天正在使用的智能体，而L4、L5代表着同事级和组织级的智能。举个例子，我们想要构建世界领先的模型，需要许多人、算法创新和实验、程序优化、数据处理和技术运维的协作，工作量巨大。我们认为L4将能够处理许多创新性任务，例如，基于一篇研究论文进行实验，并为论文中的许多挑战提出高效的解决方案，即实现许多创新。对于L5级别的智能，它需要的不仅仅是一个人，而是许多人的协作。
我认为编程只是智能体的一部分。它是最早得到验证的生产力能力。除了编程之外，我相信办公生产力将在未来一年复制去年在编程领域看到的快速进步。我们相信市场正在增长，我相信这个市场甚至比编程还要大。那么，我们如何看待自己？我们如何定位自己？我认为我们面前有一个巨大的市场。编程模型让更多的人能够编写代码，并且编写得更好。但我想再次强调，程序员在劳动力市场中仍然只占一小部分。
工作场所中更大一部分是由非代码软件处理的。例如数据分析、财务建模或制作幻灯片等用例，这些是支持财务业绩会议所需的工作。这些工作用例代表的市场远比编程大。我们已经在编程和智能体方面取得了初步进展，用最少的资源占据了独特的市场地位。
因此，更大的市场渗透才刚刚开始。对我们来说，我们行动迅速。就像我说的，从M2到M2.3的演变只用了108天。所以，可以说我们保持着行业中最快的迭代速度，每一代模型在能力和使用上都实现了显著改进，这凸显了我们的研发能力和处理规模的能力。
我们用有限的资源构建了M2，但我们的资源正在扩大。我相信随着模型改进的加速，更好的模型将进一步提高天花板。我们过往的业绩是基于M2系列模型的。我们预计M3系列模型将释放更大的潜力，形成一个积极的飞轮效应。
除了我们的快速行动，我们能够创造出差异化的模型，这在过去几个月里不断得到验证。就像我说的，市场是巨大的，技术路径将会分化。对我们来说，我们需要知道自己是否有能力定义技术路线图。我们的目标不是在每一个维度上都获胜。相反，我们专注于定义能展示我们独特优势的模型能力。对于M2、海螺2和语音2系列模型，每个都建立了清晰的差异化，并能够迅速获得市场吸引力。它们的特点包括低延迟、高成本效益。
这些特性将使我们脱颖而出，帮助我们获得更大的市场份额。随着我们的组织和资源持续扩大，我们对模型演进和技术路线的深刻理解将进一步增强这种差异化及其价值。总之，我们有信心通过编程智能体以及更广泛的生产力市场，进一步提高我们的份额，实现更多突破。我们希望以更快的迭代和更强的差异化定位，争取更大的市场，实现更多突破。谢谢。
接线员：您的下一个问题来自高盛。
分析师：谢谢你的分享。我们知道在这个行业中，有科技巨头、初创公司以及开源模型。我想知道你在哪里竞争？你的优先事项是什么？
闫俊杰，创始人、董事会主席、首席执行官兼首席技术官：如之前所述，我们正在构建并希望成为一家AI时代的平台公司，其驱动力来自于智能密度的持续提升，结合可扩展的商业增长。与其他AI公司相比，我们在几个方面有所不同。首先是我们的战略定位。从第一天起，我们就专注于全模态模型，以提升智能密度和扩展边界，创造差异化价值。
同时，我们围绕模型智能密度构建可扩展的产品和业务，将资源集中在能创造差异化价值的领域。例如，在2023年，我们决定不构建通用的移动助手（即豆包和ChatGPT那样的产品）。我们决定不构建这样的产品，因为我们不认为能在这个领域创造独特价值。相反，我们专注于差异化的模型研发和产品创新，而不是烧钱。以我们的海螺和MiniMax Agent产品为例。
这些是我们的重点。这个战略决策强化了我们的差异化，并提高了我们的胜率。另一个例子是我们从第一天起就致力于跨模态开发基础模型。正如之前提到的，每个模态的积累都至关重要。
我们现在已经到达了跨模态融合的关键阶段。这使我们能够在向全模态融合的必然趋势中占据有利位置。其次，我想谈谈我们的研发效率。在AI时代，成功最终不取决于你烧多少钱或多少资源，而取决于智能提升的速度。
这个速度来自研发效率。它将转化为更大的市场份额和更高的效率。我们一直强调并执行这一点。我们将之应用于研发的每个阶段，包括算法优化、实验设计、迭代周期等。我们充分利用我们灵活的组织结构，结合自上而下和自下而上的方法，同时跨模态复用经验和基础设施。
这确保了我们始终保持领先地位。长远来看，我们相信，全球范围内只有少数AI平台产品将自然而然地引领行业。我们是少数几家既有显著优势又有清晰差异化定位以赢得竞争的独立公司之一。
接线员：您的下一个问题来自中信证券的于中海。
分析师：谢谢。祝贺你们取得强劲的业绩。您提到，在2026年的前两个月，M2系列的Token消耗量已经是去年12月的6倍。这种爆炸性增长是一次性的红利，还是一个可持续长期趋势的开端？因为我们注意到OpenClaw上的Token消耗量出现了激增，所以我问这个问题。您认为这是一个一次性现象，还是一个长期趋势的开始？
闫俊杰，创始人、董事会主席、首席执行官兼首席技术官：谢谢你的提问。我们认为这是一个长期趋势的开始，而不是一次性的红利。当然，行业的增长往往遵循阶梯函数的模式，而不是线性移动。我们能够不断推出新模型，这使我们能够抓住行业机遇。我认为核心部分是我们的研发战略，即提前准备资源和能力，并根据我们对智能演化的理解为每一代模型下定义。除了M2模型，下一波增长是由几个因素支撑的。实际上，从2025年下半年开始，我们就一直在积极准备能力，以捕捉2026年出现的多个高影响力的生产性机会。
我们相信增长将日益多元化。编程有巨大的发展空间。我的意思是，它作为一个辅助工具已经相当不错了。我们相信它将继续改进，并从助手级工具向同事级协作者演变，甚至向更高级别的智能操作者演变。
根据我们的技术储备、研发进展和判断，我们相信上述情况很可能在今年发生。第二点是关于工作场所场景，因为与编程相比，这是一个更大、更广泛的市场。那里涉及到许多职业，使用各种各样的工具，问题也更加复杂。这些职业执行的许多任务也无法通过常规挑战来验证，我们一直在积极为此类挑战做准备。我们预计在工作场所，我们将看到类似于编程领域的快速进步。转向多模态领域，我们相信我们将显著降低采用门槛，并制作更好的模型，从而能够生成可供直接使用的、更长的视频。
因此，模型竞争涉及输赢，每家公司都面临这个现实。没有公司能保证永久的领先地位。然而，我们有信心在最关键的领域持续获胜。我认为我们的一个关键战略是推动技术边界，并利用这一点实现突破，通过我们的产品和模型创建一个更大的生态系统。最终目标是利用这一点来捕捉红利。我们有信心与这个行业共同成长，将我们的能力、研发效率、产品创新能力和全球变现能力扩展为组织的持久竞争优势。
接线员：您的下一个问题来自杰富瑞的Thomas John。
Thomas John：晚上好。谢谢回答我的问题。您提到内部智能体实习生现在覆盖了近90%的员工。这种变化给您带来了什么洞察？它又是如何反馈到您的产品和技术开发中的？
闫俊杰，创始人、董事会主席、首席执行官兼首席技术官：谢谢你的提问。我们不只是一家AI公司。我们的目标是构建一个真正AI原生的平台公司。在研究AI模型的同时，我们希望将自己转变为一个AI原生公司。
所以，这是我们的一个关键组织目标。我们专注于两件事：第一是速度，也就是进步的速度。我的意思是，我们成为AI原生公司的根本原因在于，作为一家初创公司，我们资源有限，需要最大化效率以求生存和成功。因此，我们一直在内部使用AI智能体，许多员工在日常工作中都在使用它们。
我们观察到了一个清晰的趋势。在许多情况下，动态正在从人教智能体如何工作，转变为人观察智能体如何工作。有时，智能体甚至会给我们带来惊喜。这不仅缩短了我们的组织工作流程，还让每个环节都能受益于智能的提升。
从模型迭代、产品创新到客户服务，我们的反馈和迭代循环正在加速。同时，我们的员工可以更专注于更高价值的工作，进一步加快我们作为组织的思考和创新能力。这也反馈到我们的模型研发中，因为这让我们能够定义模型智能的目标。例如，当智能体在公司内部部署时，我们可以清楚地观察到，即使是今天最好的模型，仍然会犯错或无法正确完成任务。
而这些差距恰恰揭示了最高的经济价值。它们为下一代模型和智能体的研发指明了优先级。这使我们能够更清晰地定义我们的目标。我们部署的智能体越多，模型迭代的方向就越清晰。
过去几个月，我们的模型迭代速度、收入增长、客户服务能力以及Token吞吐量都得到了提升。这让我们能更快地定义新的模型目标。我们正在公司内部最大化AI的价值。我们相信，正如我们所说，构建一个AI原生公司，我们已经看到了内部的积极飞轮效应。我相信这将成为我们组织的关键竞争优势之一。再次感谢大家今天的参与。如果您有任何进一步的问题，请随时联系我们的投资者关系团队。谢谢。
风险提示及免责条款 市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。思考资本提示：文章来自网络，不代表本站观点。
