从Mini到Max：一家模型公司的至暗时刻与生长逻辑

最紧张时，内部争吵如期而至

平息之后，我和两位吵架主角聊天。“我觉得他当时说的是对的，但当时我就是会跟他吵架。”

“反正我们吵完架后并没有什么个人恩怨。我们争吵的就是非常细的一些内部参数。”而后来据我了解，在另一个场合，当再次讨论到当初的定价风波时，他直接维护了并不在场的被他“点名”的同事。

“他缺的是 context，这是所有人的责任。”

一场没有缓冲层的协作

MiniMax 的办公区没有独立办公室，连创始人也坐在开放工位一角。上午十点半，人陆续出现；午饭由公司统一订餐，无需打卡——反而是周末加班才需打卡。三层漕河泾办公区像一张大通铺，会议室以星星命名，使用率常年饱和。

信息流动不靠层级，而靠 context。谁掌握关键信息，谁就进群；重要事项随时拉会，快速开始、快速结束。群里突然弹出一条技术参数，所有人同步看见；凌晨三点，几十个光标在同一份文档里闪烁修改，算法、工程、产品、创始人挤在同一个页面上补榜单、调配置、定描述。

这不是指挥链式的决策，而是一种“上下文就位即行动”的节奏。IO 大部分时间沉默倾听，直到足够多的 context 汇聚完成，才开口给出判断。他不是发号施令者，而是最终研判者——前提是，所有人都已站在同一事实基座上。

定价风波：一场因“缺失context”引发的震荡

M3 发布当天，港股早盘股价一度涨超7%。半天后，内部群被用户投诉截图刷屏。新上线的 Token Plan 替代了旧订阅制，但调整毫无预告：没短信、没站内信、官网说明模糊。开发者登录才发现额度消耗翻倍，有人退订、有人发帖怒斥、有人涌向投诉平台要求退款。

内部反应极快：当晚发布道歉公告，承认沟通缺位、老用户限额处理失当，“是我们工作不到位”。但股价当日收跌15.71%。

第二天，焦虑抵达临界点。一名技术负责人在百人作战群里质问开放平台同事：“这个定价是怎么设计的？”对方当场回应，争论爆发。他们争的不是立场，而是参数颗粒度——档位划分是否合理、token 消耗速率是否匹配真实负载、用户感知阈值设在哪……火药味十足，却在一个小时内完成了套餐方案迭代。

这不是第一次吵架，也不会是最后一次。后来我约两人单独聊，他们并肩走进会议室，毫无芥蒂。一人指着另一人说：“他当时说的确实对，后来我们也按他说的改了。”另一人接话：“吵完没隔夜气，吵的只是几个小数点后的数值。”

症结不在定价，而在节奏错位

M3 不是一次普通升级。它是 MiniMax 追逐更强智能的长期节点：原生多模态、1M 上下文、强化编程与 agent 能力。过去几个月，全员重心全在模型本身——训练、调参、压测、对齐。没人把“怎么收费”当作优先级，因为它的底层逻辑是服务模型演进：旧订阅体系太复杂，加一个模型就得配一套次数规则，用户看不懂，开发也难维护。

内部共识很朴素：“既然 token 是未来服务的基本单位，迟早要改，为何不趁新模型上线一起改？”问题不在方向，而在节奏——他们忘了，用户不是技术同行，不会自动补全那句没说出口的“因为模型变强了，所以计费方式必须重置”。

这暴露的不是能力短板，而是成长阵痛：成立仅四年，已是最快上市的大模型公司，一边保持创业公司的敏捷，一边承受资本市场的严苛审视。历史债不是故意欠的，是在20倍增速的行业里，不得不边跑边修路。

道歉不是姿态，是重新校准的起点

M3 发布后一周的全员会，取消外部分享，改为闭门复盘。全公司用表格实名提问，尖锐问题直接扔进大群。IO 面对所有人道歉：“效果没达预期，对不住付出的同事。”

接着他拆解全部思考：哪里判断错了？哪里准备不足？接下来怎么改？没有归因于某个人，也没有回避责任——“产品团队在用户触达上做得不够”，“运营节奏没跟上技术节奏”，“我们高估了内部共识能自然外溢到用户侧”。

员工告诉我，这种“就事论事”不是设计出来的。曾有大厂背景的工程师说：“在别处，你会先想‘这事谁背锅’；在这里，你第一反应是‘怎么让它变好’。”吵架不撕扯，纠错不甩锅，改进不拖延——冲突不是裂痕，而是系统自检的信号灯。

ego 很小，scale 很大

这家公司少见“天才叙事”，研究员普遍被评价为“靠谱”。一位核心成员解释：“ego 不是自信，而是实力与判断不匹配还强行推动。”当一个人的观点缺乏证据支撑却要求服从，那才是 ego；当判断有逻辑、能说服人、愿被挑战，那就是专业。

IO 的务实渗透在每个细节：他不夸技术，只讲 ResNet 式的简洁——跳跃连接解决深层网络退化，十年后仍是基石。MiniMax 追求的 scale，从来不是堆参数，而是让架构、数据、工具链、协作方式都具备可复制、可延展、可沉淀的底座能力。

M3 开源后，外界惊讶于它428B总参、仅23B激活的设计。这不是妥协，而是选择：更小的激活参数意味着更低推理成本、更高部署密度、更快迭代速度——这些，才是真正 scale 的支点。

从 Mini 到 Max，是一道优化函数

如果 MiniMax 是一个模型，它的目标函数是什么？一位技术人员答：“scaling = 智能上限 × 可动员资源。”

Mini 是现状——年轻、资源有限、仍在爬坡；Max 是方向——不是虚妄的巨头幻觉，而是用有限资源撬动最大智能产出的能力。他们开源 M3，不是展示肌肉，而是加速生态反馈；他们允许员工在办公软件里自由接入 agent，不是为造概念，而是让 AI 成为日常杠杆；他们提醒“别乱花 token”，不是抠门，而是敬畏算力的真实成本。

M3 上线初期 TPS 仅20，两周后稳定在100以上；首包延迟正逼近1秒；重点客户反馈转向积极；后台核心指标持续上扬。行业不会停，考验还会来，但他们已证明一件事：至暗时刻暴露的不是缺陷，而是组织真实的质地——混乱中有秩序，争吵里有共识，慌乱后有校准，而所有这一切，都指向同一个函数：用 Mini 的起点，奔向 Max 的终局。