事项：
　　事件：2 月13 日，公司发布M2.5，在MiniMax 内部真实业务场景中，整体任务的30%由M2.5 自主完成，覆盖研发、产品、销售、HR、财务等职能，且渗透率仍在持续上升。
　　国信计算机观点：1）MiniMax 自创立之初即布局全模态大模型方向，聚焦基础模型研发与AI 原生应用构建。公司通过持续迭代升级，形成了涵盖文本、语音等能力的多模态模型体系；2）当前大模型能力不断提升，应用边界快速扩展，同时供给侧技术进步推动算力成本结构性下降，行业从技术验证期迈入爆发增长期；3）公司已构建起覆盖“文本理解—视觉生成—语音生成”的多模态能力矩阵，技术边界较为完整。
　　这种路线使其具备长期演进潜力，而非阶段性能力领先，通过C 端验证能力、B 端实现放大的双轮驱动路径，公司调用量、用户规模快速提升；4）投资建议：公司低价模型切合中小企业和个人用户需求，多模态产品商业化和出海均处于国内领先地位，预计公司2026/2027/2028 年营业收入分别为2.5/6.5/12.9 亿美元，分别同比增长218.7%/156.4%/100.2%，给予“优于大市”评级；5）风险提示：盈利预测的风险、AI 落地不及预期的风险、技术被赶超或替代的风险等。
　　评论：
　　领先的大模型开发企业，兼顾模型和产品落地
　　MiniMax 成立于2021 年，自创立之初即布局全模态大模型方向，聚焦基础模型研发与AI 原生应用构建。
　　公司通过持续迭代升级，形成了涵盖文本、语音等能力的多模态模型体系，并采用MoE 等架构优化训练与推理效率。在模型能力基础上，公司推出多款C 端应用并向企业开放API 服务，逐步推进商业化与全球化布局。自成立之初，公司主要经历以下发展阶段：
　　1）创业初期，产品逐步丰富（2021-2023 年）：2021 年公司成立后便启动基础模型的开发，并在2022 年发布首个文本模型abab1。2023 年发布首个百亿参数预训练大模型abab5.5 并与首位API 客户合作，后续分别发布AI 原生全模态交互平台Talkie、全模态交互平台星野、语音模型Speech-01；
　　2）产品快速迭代，进入快速发展阶段（2024 年至今）：2024 年多语言语音生成模型Speech-02、MiniMaxMCP 发布。2025 年首个开源、大规模混合注意力推理模型MiniMax M1 发布、智能Agent 应用发布，并发布Hailuo-02、MiniMax M2、Music 2.0 等，公司形成完备产品矩阵，2026 年公司在港交所成功上市。
　　公司为创始团队主导，管理团队经验丰富
　　公司核心决策权高度集中于创始团队，通过明确的职能分工实现战略、技术与商业化的协同推进。创始人兼董事会主席、CEO/CTO 闫俊杰统筹公司整体战略方向与核心技术路线，直接参与模型研发与关键技术决策。核心技术人员均拥有多年从业经验，在技术研发、经营管理与产品商业化等方面形成互补合力，共同推动公司全模态大模型迭代与AI 产品规模化落地。
　　闫俊杰及联合创始人团队通过Alpha Exp 平台合计持有28.25%股份，为公司实际控制人。其余股权主要由产业资本及财务投资机构持有，其中阿里巴巴持股13.66%，为第一大外部机构股东、米哈游持股6.40%、IDG 资本持股2.80%等。
　　公司产品：涵盖模型产品、应用产品及平台服务，形成完备矩阵
　　1）基础模型：M 系列
　　公司构建了以M 系列为核心的通用大语言模型体系，包括M1、M2、M2.1 及最新发布的M2.5 等版本。M1 为公司早期通用模型，主要承担文本理解与生成任务，在长上下文处理和基础推理能力方面奠定技术基础。
　　MiniMax M2 在此基础上采用优化后的混合专家（MoE）架构，提升复杂推理与代码生成能力，并降低推理成本，更适用于智能Agent 与开发类应用场景。根据Artificial Analysis 智能指数公开评测结果，M2.5在开源模型类别中位居前列。
　　2 月13 日，公司发布M2.5，在MiniMax 内部真实业务场景中，整体任务的30%由M2.5 自主完成，覆盖研发、产品、销售、HR、财务等职能，且渗透率仍在持续上升。其中，在编程场景表现尤为突出，M2.5 生成的代码已占新提交代码的80%。
　　1）在编程、工具调用和搜索、办公等生产力场景都达到或者刷新了行业的SOTA，比如SWE-BenchVerified(80.2%)、Multi-SWE-Bench(51.3%)、BrowseComp(76.3%)；
　　2）M2.5 优化了模型对复杂任务的拆解能力和思考过程中token 的消耗，使其能更快地完成复杂的Agentic任务。在SWE-Bench Verified 的测试中，M2.5 比上一个版本M2.1 完成任务的速度快了37%；
　　3）M2.5 让无限运行复杂Agent 在经济上可行。在每秒输出100 token 的情况下，M2.5 连续工作一小时只　　需花费1 美金；而在每秒输出50 个token 的情况下，只需要0.3 美金。按照输出价格参考，50 TPS 的版本价格是Opus、Gemini 3 Pro 以及GPT5 这些模型的1/10-1/20；
　　4）在编程的核心测试中，M2.5 相比于上一代模型有了显著提升，达到了跟Claude Opus 系列类似的水平。M2.5 在超10 种语言和数十万个真实环境中进行了训练。能够胜任各类复杂系统开发的全流程。覆盖Web、Android、iOS、Windows、Mac 等多平台的全栈项目，包含Server 端API、功能逻辑、DataBase 等，而不仅仅是前端网页demo。
　　在过去108 天里面，公司陆续更新了M2、M2.1 和M2.5，模型的进步速度超出公司自身预期，例如在编程领域最具代表性的SWE-Bench Verfied 上，相比Claude、GPT 和Gemini 等模型系列的进步速度，M2 系列模型保持了行业最快的进步速度。
　　2）视频生成模型：Hailuo 系列
　　公司在多模态生成领域推出Hailuo 系列视频生成模型，其中Hailuo-02 支持文本生成视频及图像生成视频等多模态生成能力，在指令理解能力、复杂动作表达及画面物理一致性方面表现较为突出，能够满足内　　容创作、影视辅助制作及数字媒体生产等应用需求。基于该模型，公司推出海螺AI 视频生成平台，实现模型能力向创作端与商业化场景的延伸。
　　3）语音模型：Speech 系列
　　公司于2023 年11 月推出首个语音模型Speech-01，随后于2025 年发布Speech-02 系列模型，进一步强化文本到语音（TTS）生成能力。Speech-02 系列包括Speech-02-HD 与Speech-02-Turbo 两个版本，分别面向高保真语音生成与高效率实时生成场景，在自然度、情感表达与语音稳定性方面实现显著提升。
　　公司已逐步构建起模型、应用、平台协同发展的商业闭环，以M 系列多模态基础模型与语音、视频模型为技术底座，通过Talkie（星野）、海螺AI 等应用产品以及开放平台API 实现用户与开发者的规模化触达，在实际使用场景中持续获取数据反馈。
　　1）C 端：以订阅制与应用内付费为核心变现方式，依托在线营销与产品分发获取用户流量，实现高频互动　　与内容消费场景变现；
　　2）B 端：通过开放平台API 调用收费及定制化企业服务收费，向企业客户输出文本、语音、视频等多模态能力，拓展产业级应用场景与规模化收入来源。
　　财务分析：收入加速释放，盈利结构边际改善
　　收入规模跨越式增长，商业化节奏明显提速。公司自2023 年开始形成规模化收入，2025 年实现收入7904万美元，同比增长159%。从收入结构看，2025 年AI 原生产品实现收入5308 万美元，占比67.2%；开放平台及其他服务收入2596 万美元，占比32.8%。2025 年实现净亏损18.72 亿美元，公司目前仍处于技术积累与产品商业化初期，虽已构建AI 原生产品矩阵，但用户规模与商业化变现能力尚未达到盈亏平衡点。
　　毛利率由负转正，盈利能力稳定提升。受模型能力提升带来的单位算力效率改善、收入结构向高附加值产品倾斜以及固定成本随收入扩大被逐步摊薄等因素影响，公司毛利率逐步改善。2025 年公司实现毛利率25.40%。公司净亏损逐步收窄，期间费用率逐步下降，2025 年公司实现销售/管理/财务费用率分别为6.58/65.66/319.81%。
　　行业趋势一：大模型能力不断提升，应用边界快速扩展
　　1）纵向拓展：随着参数规模的指数级攀升与混合专家（MoE）架构的普及，大模型的智能水平已实现跨越式提升。以从GPT-3 到GPT-4 为例，其律师资格考试成绩由倒数10%跃升至前10%，模型推理能力发生飞跃式提升。而GPT-4o、Claude 3.7 等后续迭代更新也持续刷新了智能上限。与此同时，模型能力的边界也在不断外延：一方面，长上下文技术（如10 万+ token）打破了信息处理的记忆瓶颈；另一方面，AgenticAI 的兴起标志着模型从“被动问答”向“主动执行”的范式转变——通过自主规划并调用代码解释器、浏览器等外部工具，大模型已具备在复杂环境中解决实际问题的逻辑推理与执行能力。
　　2）横向拓展：多模态融合加速迈向AGI，大模型正加速突破单一文本模态的局限，构建起涵盖视觉、听觉及视频的统一语义空间。在理解侧，GPT-4V 与Gemini Ultra 已能精准解读医学影像与复杂图表；在生成侧，从Midjourney 的艺术创作到Sora、Veo 3 的视频生成，AI 的创作边界被无限延展。目前，学术界与产业界正致力于构建集理解与生成于一体的统一架构，构建起视听多模态的无缝交织的模型能力。
　　模型迭代速率加快、规模与能力不断提升。2025 年以来，全球大模型行业正式告别了以年为单位的代际演进，转而进入了以季度甚至月度为周期的竞速时代。头部厂商的模型更新频率已从2024 年的四个月以上大幅压缩至三个月内，以Anthropic 为例，2024 年3 月公司推出了Claude3 系列，随后推出Claude3.5 系列，并分别于6 月和10 月推出Sonnet 和Haiku 系列，共同构成了对Claude3 家族的重大升级。2025 年，　　Anthropic 于2 月推出Claude3.7 Sonnet，三个月后的5 月又推出Claude 4，8 月公司就推出Opus4.1，更新速度相较于2024 年快了进50%，从季度更新向月度更新演进。
　　国内方面，Deepseek、字节跳动、阿里巴巴、智谱、Minimax 等头部厂商也并未放缓其模型迭代的速度。
　　以Deepseek 为例，继2024 年底发布V3 及2025 年1 月推出R1 模型后DeepSeek 便迅速于3 月和5 月推出了V3-0324 与R1-0528 等增强版本，并穿插发布了DeepSeek Prover-V1（4 月）以强化逻辑证明能力。进入下半年，其技术飞轮进一步加速：8 月推出DeepSeek V3.1，9 月发布3.2-Exp 实验版，10 月与11 月分别补齐了DeepSeek OCR 与DeepSeekMath V2 等关键模态拼图，最终在12 月正式落地DeepSeek V3.2。模型能力亦不断提升，迭代加速。
　　行业趋势二：供给侧技术进步推动算力成本结构性下降，市场空间逐渐打开
　　供给侧的技术进步正在驱动算力成本的结构性下降，打开应用侧市场空间。据EOPCH AI 数据，机器学习专用GPU 的算力性价比（FLOPs/$）平均每2.1 年翻倍，叠加FP16、INT8 等低精度计算与Tensor Core 的软硬协同优化，推理效率可实现数量级提升。这种底层硬件迭代，直接导致了高性能模型推理成本的快速下探，为大规模商业化应用扫清了核心成本障碍。
　　算力成本的降低向应用层传导，表现为“每百万Tokens”价格的持续下行。以GPT-4 level 为例，2025年每百万token 成本仅为2024 年的1/40，使用成本显著降低。这将显著提升下游企业与个人用户的付费　　意愿。随着推理成本从高昂走向普惠，高频次、长上下文的复杂应用场景（如全库代码扫描、实时伴随助手）将具备经济可行性。供给端成本的指数级下降将激发需求端的非线性增长，从而激活下游企业和个人需求，推动行业从技术验证期迈入爆发增长期。据灼识咨询数据，全球大模型市场规模，按基于模型的收入计全球大模型市场将由2024 年的146 亿美元增长至2029 年的2065 亿美元，CAGR 达80.7%，其中大模型应用市场规模从71 亿美元增长至1515 亿美元，CAGR 达84.3%。Maas 市场从36 亿美元增长至55 亿美元，期间CAGR 达72.7%。
　　随着成本下降和应用场景拓展，头部企业已逐渐实现商业化落地。数据显示，2023 年-2025 年，OpenAI 的年化营收从0.2 亿美元增长至200 亿美元。同期，Anthropic 亦展现出强劲的增长爆发力，年化营收从1亿美元攀升至90 亿美元。其它头部厂商如Xai 等也同步推进，随着技术进步，成本降低以及多模态大模型的演化，未来商业化路径有望进一步拓宽。
　　行业趋势三：竞争格局海外暂时领先，国内外差距逐渐缩小
　　目前大模型应用的主要赛道包括生产力、娱乐、视觉生成、音频生成和通用2B 服务。纵观这些赛道，由于大模型技术的通用性特征，这些市场都实现了用一套高度可扩展的模型、撬动下游规模化与个性化并存的多元需求场景，从大型行业客户到中小创作者全覆盖，实现模型ROI+转正。
　　这些赛道里能长期保持自然增长的产品，都是底层模型智能持续提升驱动的。长期头部玩家需要有可端到端优化的底层自研模型，且保持模型水平在第一梯队。一个模型智能水平的突破能使其快速突围，当技术突破带来更佳用户体验时，用户就会自然迁移。
　　1）生产力：生产力赛道可以分类为通用类和垂类厂商，其中通用类头部厂商包括OpenAI、DeepSeek、Google等，垂类头部厂商包括Cursor 等。赛道的关键在于1）从Chatbot 向Agent 演进：核心逻辑在于模型能力的提升，使其不再局限于简单的问答，而是具备长程任务规划、多步推理及工具调用能力，能够处理复杂的学术研究或商业分析任务。2）代码开发的门槛降低：随着Claude 3.5 等模型在代码能力上的突破，应用形态从单纯的代码补全转向Vibe Coding（自然语言编程）。这使得非技术背景用户也能通过对话构建应用，同时也极大提升了专业开发者的效率；
　　2）娱乐：赛道的头部厂商包括Character.AI、Talkie（星野）等、该赛道通过提供个性化的智能体互动，满足用户的社交与情感需求。核心竞争力在于利用多模态工具（语音、图像）丰富交互形式，激发用户的创作欲望，从而建立高活跃度的社区生态；
　　3）视觉生成：头部玩家包括OpenAI、Google、Minimax，其核心技术壁垒在于声音的逼真度（情感表现力）以及实时交互的响应速度。在B 端主要用于突破人力瓶颈（如智能客服、销售Agent），在C 端则服务于内容创作（有声书、配音、播客生成），语音正逐渐成为大模型时代的通用交互入口；
　　4）通用ToB 服务：头部厂商包括OpenAI、Anthropic 等，以及Microsoft、Amazon、Google、Alibaba 等云服务商、其通过API 或私有化部署提供算力与模型服务，核心竞争要素回归到性能、成本（ROI）、并发稳定性及数据合规性。企业客户倾向于根据具体场景路由不同的模型，以在成本与效果之间取得平衡，推理成本的下降是推动产业渗透的关键驱动力。
　　美国顶尖公司和实验室占据模型性能高地，中美模型代差逐渐减少。自2022 年ChatGPT 发布以来，中美前沿模型之间的性能差距虽然一直存在，但目前已缩窄至历史最小水平。根据Artificial Analysis 数据，中国领先AI 实验室与美国领导者的性能差距已从ChatGPT 发布后的超过一年，缩小到不到三个月。
　　公司优势：多模态布局形成平台级技术优势，具备长期演进能力
　　多模态能力布局形成平台级技术优势，公司自成立早期即明确推进多模态底层能力建设，在语言、语音、视觉及视频等方向分别构建自研模型体系。整体来看，公司已构建起覆盖“文本理解—视觉生成—语音生成”的多模态能力矩阵，技术边界较为完整。这种路线使其具备长期演进潜力，而非阶段性能力领先。在文本模态方面，公司通过长上下文建模与高效专家混合架构（MoE）优化，在复杂推理、代码生成及多任务泛化能力上持续提升，为多模态融合提供稳定的语义理解核心。在视觉模态方面，视频生成模型在物理一致性、复杂动作控制与连贯性表达上实现突破，强化了高维动态内容的生成质量。在语音模态方面，公司模型在自然度、情感表达与多语言泛化能力上达到行业领先水平，已具备规模化应用条件。
　　2026 年2 月，MiniMax 推出新一代旗舰模型MiniMax M2.5，围绕真实生产环境中的复杂任务处理与多场景应用能力进行系统性升级。相较上一代版本，M2.5 在长上下文理解、复杂编程推理及工具调用协同方面进一步强化，兼顾性能提升与推理成本优化，持续拓展其在企业级生产力场景中的适配深度。据OpenRouter最新真实调用数据统计，MiniMax M2.5 上线后已进入全球模型调用排行榜前列，同时M2.1 仍保持较高活跃度，双型号产品矩阵共同跻身平台前十，显示其在开发者生态与实际使用场景中的市场认可度持续提升。
　　2026 年2 月，在OpenRouter Programming 最新统计中，MiniMax M2.5 以约29.7%的调用份额位列第一，调用规模超过1.21T tokens，显著领先同类主流模型。反映其在编程场景中的实际落地能力与生态渗透度已进入全球第一梯队，在复杂代码生成、工程级任务理解与生产力工具协同方面具备较强竞争力。同时，平台整体调用量持续增长，说明编程场景需求仍在扩张，领先模型具备更强的份额集中效应。
　　公司优势：采取“C 端验证能力、B 端实现放大”的双轮驱动路径
　　公司早期以AI 原生应用为突破口，通过高频互动场景实现模型能力的产品化落地，在用户规模扩张过程中完成技术与商业模式的双重验证；在此基础上，再将成熟的模型能力向开放平台与企业服务延伸，形成由应用牵引、平台承接的演进路径。
　　在C 端，公司并未选择以通用问答为核心的竞争路线，而是切入情感陪伴、角色互动与沉浸式对话等高黏性场景，强调人格一致性、多轮对话稳定性与情绪表达能力，形成差异化体验优势。该类场景天然具备高使用频率与情感依附属性，使用户付费意愿相对工具型AI 更强，从而支撑较快的商业化落地节奏。同时，C 端高频真实交互为模型持续优化提供数据基础与工程验证环境，形成技术能力与产品体验之间的正向循环；
　　在B 端，公司则侧重将ToC 阶段沉淀的模型能力与工程经验进行平台化输出。角色构建、长对话一致性、多模态生成与成本控制等能力，可以迁移至游戏、虚拟人、内容平台及企业智能化场景。前期通过C 端打磨形成的稳定性与调优能力，也在一定程度上降低了企业级部署与交付门槛。整体来看，B 端更强调规模化扩展能力与收入结构的稳定性，是公司技术能力外溢与长期增长的承接方向。
　　公司优势：全球化推进迅速，确立“首日即全球”的发展锚点
　　公司自创立伊始便将全球化确立为企业的核心生存法则与发展逻辑，每一款产品从研发阶段就致力于支持多语言环境，确保上线即面向全球200 多个国家和地区发布。全球化基因使得公司能够迅速跳出单一市场的内卷，在新加坡、美国等高价值市场通过精准的本地化运营逐渐扎稳脚跟。在具体产品落地通过“情感陪伴+生产力工具”的双引擎策略，公司在全球范围内实现用户和营收双增长。旗下Talkie 以极高的用户粘性不仅实现了日均使用时长超70 分钟的深度互动，更构建了累计超2.12 亿用户的全球社区；而生产力工具海螺AI 则大幅降低了视频创作门槛，不仅支持用户创作出播放量过亿的剧集，更成为全球最受欢迎的AI 视频平台之一。截至2025 年前三季度，公司海外收入占比已高达73.1%，付费用户数从2023 年的约12 万飙升至177 万，且付费用户平均支出（ARPU）翻倍至15 美元。在用户规模和平均单价方面均实现了高速增长。
　　盈利预测
　　我们的盈利预测基于以下假设：
　　AI 原生产品（C 端）：涵盖MiniMax、海螺AI、MiniMax 语音、Talkie╱星野等C 端业务，2023-2025 年占公司总收入比重分别为22%/71%/67%，当前公司核心大模型迭代迅速，多模态业务商业化领先，公司有望继续推出更低价格，更高质量的C 端AI 产品，打开收入增长空间。我们预计2026/2027/2028 财年AI原生产品收入增速分别为130.0%/110.0%/70.0%，占公司总收入比重分别为48%/40%/34%。
　　开放平台及其它服务（B 端）：涵盖B 端基于AI 的企业服务收入，2023-2025 年占公司总收入比重分别为78%/29%/33%，当前全球AI 创业需求旺盛，token 消耗量迅速上涨，公司提供全模态和高质价比的产品，满足复杂的AI 创业需求。我们预计2026/2027/2028 财年开放平台及其它服务收入增速分别为400.0%/200.0%/120.0%，占公司总收入比重分别为52%/60%/66%。
　　主要费率：公司正处于高速发展期，随着公司收入规模扩大，公司研发、销售和行政费用将得到明显改善，未来研发、销售和行政费用率均随收入规模增长逐步下降。我们预计2026-2028 财年销售费用率为30.9%/16.9%/11.0%，管理费用率为21.9%/11.1%/6.7%，研发费用率为141.2%/74.5%/47.4%。
　　投资建议
　　领先的全模态大模型提供商，在消费级和国际化领域有较大空间，给予“优于大市”评级。1）文本模型：
　　M2.5 模型在编程、工具调用和搜索、办公等生产力场景均达到或刷新了行业SOTA，在每秒输出100token的情况下，连续工作一小时仅需花费1 美金，市场潜力巨大；2）多模态：公司全模态技术领先，旗下AI视频、AI 陪伴、AI 音频等产线齐全，并且向企业和个人提供全模态AI 能力，目前已有超过13 万家企业客户和开发者接入，商业化有望迅速落地；3）海外业务：海外收入占比73%，且欧洲和中东地区收入迅速增长。考虑到公司低价模型切合中小企业和个人用户需求，多模态产品商业化和出海均处于国内领先地位，未来业绩增长空间有望进一步打开，我们给予“优于大市”评级。
　　风险提示
　　盈利预测的风险：1）我们假设公司未来3 年收入增长218.7%/156.4%/100.2%，可能存在对公司产品销量及价格预计偏乐观、进而高估未来3 年业绩的风险。2 ） 我们预计公司未来3 年毛利分别为32.4%/38.2%/43.8%，可能存在对公司成本估计偏低、毛利高估，从而导致对公司未来3 年盈利预测值高于实际值的风险。
　　AI 落地不及预期的风险：公司AI 产品已经实现商业化，随着AI 产业快速发展，AI 产品需要迅速迭代以满足市场需求，若公司新一代AI 产品研发不及预期，将影响公司未来产品的市场份额；同时，目前市场已有同类产品上市或在研竞品，未来商业化预计会面临激烈竞争，出现商业价值低或不及预期的风险，如果不能如期获得市场认可，将会对公司经营发展产生不利影响。
　　产品价格下行及毛利率下降的风险：公司产品迭代速度较快，通常上一代产品价格下行速度较快。未来，如果产品迭代速度放缓，旧产品价格持续下行，将对公司整体营收和毛利率产生不利影响。
　　技术被赶超或替代的风险：公司所处行业属于技术密集型行业，涉及软件平台构建、AI 产品研发等技术，在未来提升研发技术能力的竞争中，如果公司不能准确把握行业技术的发展趋势，在技术开发方向决策上发生失误；或研发项目未能顺利推进，未能及时将新技术运用于产品开发和升级，出现技术被赶超或替代的情况，公司将无法持续保持产品的竞争力，从而对公司的经营产生重大不利影响。
　　宏观经济及行业波动风险：如果未来宏观经济发生剧烈波动，导致终端需求下滑，将对公司的业务发展和经营业绩造成不利影响。