MiniMax 股价回弹 92%：开源 H3 后，模型公司还剩什么？

据 Woofun AI 消息，MiniMax 股价在经历剧烈波动后重新成为市场焦点，其核心悬念在于开源模型 H3 被第三方优化为 H3 Max 后，模型公司的剩余价值究竟何在。

8 月 31 日，MiniMax 股价单日暴涨 16.18%。若从 7 月的低点计算，该股已累计反弹 92%，市值回升至 1249 亿中国香港元。回顾三个月前，市场曾对这家公司进行过一场近乎'追悼'的估值重估，股价从高点跌去八成以上，导致 3000 亿中国香港元的市值瞬间蒸发。转折点出现在 8 月 26 日，MiniMax 发布的中报显示，其收入同比增长 283%，其中 B 端收入更是激增 703%。截至 8 月，公司的年度经常性收入（ARR）已突破 8 亿美元，而 7 月的 token 消耗量更是达到了 1 月的 20 倍。

然而，真正将 MiniMax 再次推回讨论中心的，并非其自身发布的模型，而是由第三方基于其开源权重打造的 H3 Max。

时间回溯至 8 月 3 日，MiniMax 开源了全模态模型 H3，该模型拥有 33 B 参数，具备同时处理文本、图像、视频和语音的能力。基础设施公司 fal 迅速获取了 H3 的开源权重，通过后续训练（Post-Train）并与自有推理基础设施深度优化，最终推出了 H3 Max。据 fal 宣称，在生成同样一段 5 秒视频的任务中，H3 Max 的吞吐量可达 MiniMax 官方端点的约 35 倍。

这一性能差距直接引发了市场对模型公司核心竞争力的重新审视。

8 月 29 日，美国生成式 AI 基础设施公司 fal 的工程师 Rehan Sheikh 在 Twitch 平台开启了一场直播，演示 H3 Max 的实时生成能力。直播内容并非预录视频，而是模型边播放边生成的实时画面：每段视频时长 5 秒，分辨率 768 p，并带有同步声音，生成耗时仅约 3 秒。由于生成速度快于播放速度，观众可通过弹幕实时决定剧情走向，新情节随即在屏幕上呈现。只要机器不停止，该频道理论上可无限直播下去。这场直播在一个周末吸引了约 500 万次围观，尽管部分反对者将其戏称为'无限泔水机'，但其工程优化价值已得到验证。有媒体直接将此现象概括为《Post-Train Beats Parent》（后训练打败亲爹），指出底层模型相同的情况下，后训练、推理优化、硬件调度及部署方式才是拉开差距的关键。

这一现象触及了 MiniMax 股价反弹背后的深层逻辑：如果模型权重可被开源、拿走并二次优化，市场应如何为模型公司定价？以 fal 为例，该公司不训练基础模型，而是将其他公司的模型接入自有基础设施，再向开发者提供服务。新模型迭代越快，其'货架'更新越频繁。接入后，fal 通过推理优化和硬件调度，将速度和成本调整至更适合商业调用的水平。

目前，超过 250 万开发者通过 fal 调用生成式模型，其 ARR 已达约 4 亿美元，团队规模仅 70 人。Woofun AI 整理数据显示，过去一年 fal 收入增长约 60 倍，估值从 45 亿美元攀升至据传约 80 亿美元。红杉资本合伙人 Pat Grady 在访谈中提到，fal 团队在 2025 年第二、三季度观察到，排名前五的视频模型半衰期仅为 30 天。

这意味着模型榜首更替极快，但开发者始终需要一个稳定平台来运行模型。fal 的 CEO Burkay Gur 指出：'当内容生成变得无限时，有限的东西反而更有价值。'fal 正是模型快速贬值背景下诞生的生意，H3 Max 的成功使得用户关系和调用数据首先沉淀在 fal 而非 MiniMax 手中。

MiniMax 上市之初，市场看好其多模态商业闭环故事。C 端拥有 Talkie 和海螺 AI，B 端提供 API，相比单一模型公司更具完整性。1 月 9 日，MiniMax 以 165 港元发行价上市，公开认购超购 1848 倍，首日收涨 109%。3 月 10 日，股价盘中冲破 1100 港元，市值一度超越百度。

然而，6 月 1 日发布的旗舰模型 M3（428 B 参数）成为转折点。尽管官方强调其训练效率（12 小时无人干预自主训练 4 个模型，CUDA 内核加速 9.4 倍），但社区发现部分成绩来自自测，第三方测试结果与公开数据存在差距。加之计费规则调整导致老用户额度消耗加速，6 月 5 日公司致歉称'M3 需要更多算力，是我们工作不到位'，十天后上线仅两周的 M3 永久降价 50%。6 月 16 日，智谱发布 GLM-5.2，M3 的领先优势仅维持了两个星期。7 月 9 日解禁首日，股价下跌 20%，随后较高点跌去八成以上。暴跌次日，CEO 闫俊杰宣布在实现 AGI 前不再领取薪酬，并拿出个人股份奖励团队。当天，公司完成一笔 160 亿中国香港元的配售，获得约 7 倍认购。

模型迭代加速使得核心资产的定义发生转移。6 月初 M3 登顶，半个月后便被 GLM-5.2 反超，随后 DeepSeek V4、GLM-5.3、Kimi K3 轮番发布。智谱 GLM-5.3 与 GLM-5.2 使用同一 753 B 参数基座，但通过大规模训练环境和强化学习后训练，Terminal-Bench 3.0 成绩从 4.6 跃升至 28.3。智谱 CEO 唐杰将此称为'控制变量实验'。

Kimi K3 在训练过程中建立了超过 5000 万个沙箱环境，大量机器时间用于等待模型推理，冻结、恢复等操作被压缩至毫秒级，使模型能在海量真实环境中反复试错。Cline 甚至让 K3 自行修改训练脚手架，17 个小时无人干预后，成绩从 77.5 提升至 88.8。这表明，模型公司的核心资产正从单一权重转向生产、后训练及评测权重的整套系统。Anthropic 一年在强化学习环境上投入超过 10 亿美元，OpenAI 为 computer-use agent 购买数万台 Mac，均印证了这一趋势。

下游平台在价值捕获中占据优势，历史类比提供了参考。Cursor 的 Composer 2 底层基于月之暗面开源的 Kimi K2.5，但市场给予 Cursor 的高估值与其积累的编程行为数据及强化学习系统密切相关，而非基础模型本身。同样，fal 通过 H3 Max 截留了用户收入和调用数据。三十年前，个人电脑行业中芯片虽最复杂，但消费者认的是戴尔和康柏，Intel 花费十几年才通过'Intel Inside'重新进入消费者视野。这提示我们，判断模型公司价值需做减法：减去可复制的权重、推理优化及后训练能力，剩余部分才是长期资产。

MiniMax 的开源策略与市场多空博弈反映了这一逻辑。8 月 3 日 H3 开源后，短时间内出现数百个衍生模型，下载量达数千万次，华为升腾、沐曦、AMD 等芯片平台快速适配。

尽管权重开源，但企业合同和 API 收入未流失，7 月 token 消耗已是 1 月的 20 倍。关键在于，H3 并未完全开源，H3-Context-IR 和 Regenerate-2 K 两个托管模块仍由 MiniMax 掌控，输出 2 K 规格视频仍需调用官方服务。

这种策略旨在通过底层能力扩散培育生态，同时将商业回流部分保留在服务端。8 月下旬，MiniMax 股价从低点反弹近一倍，但做空比例升至约 20%。多头认为，若 fal 估值 80 亿美元且其热门产品基于 H3，则 MiniMax 具备稀缺性溢价；空头则质疑，若权重可免费获取且第三方能将推理速度提升 35 倍，这些能力为何仍计入 MiniMax 估值？

Red Hat 的历史案例为 MiniMax 的未来提供了参照。Linux 源代码开源，但 Red Hat 通过提供稳定版本、长期维护和技术支持获得收入，2019 年 IBM 以 340 亿美元收购 Red Hat，购买的正是这套服务体系。MiniMax 需证明 H3 的扩散能转化为自身收入和资产，如更多企业客户、增长的 API 消耗及开发者数据回流。若形成循环，H3 被拿走越多，MiniMax 获得的入口越多；若循环断裂，客户关系和数据将沉淀在下游平台。因此，H3 开源的真正检验标准并非下载量，而是未来几个季度中，有多少价值能最终回流至 MiniMax 手中，正如 Google 通过搜索和广告捕获价值一样，MiniMax 需找到属于自己的那根管道。