作者：快思慢想研究院 田丰，每日经济新闻记者 陈婷
引言：一行代码，价值几何？
经济学家曾用"铁路时刻表"来描述技术革命的临界点——当某项技术开始被大规模日程化、标准化地嵌入生产流程，颠覆就已无可逆转。2026年的AI产业，正在经历属于自己的"铁路时刻"。而这张时刻表上，写的不是对话、不是图像，而是两个字：编程(Coding)。
6月1日，MiniMax正式发布新一代通用模型MiniMax M3，搭载自研稀疏注意力架构MSA（MiniMax Sparse Attention），具备"前沿Coding能力、100万Token超长上下文、原生多模态"三重核心能力。就在M3亮相的前一天，MiniMax宣布已聘请专业顾问就科创板上市条件展开咨询并签署辅导协议；随后第二天，智谱同样在港交所公告，拟发行A股并在科创板上市。两家中国顶尖AI公司在同一时间窗口齐奔A股，绝非巧合——这是一个行业在完成商业化逻辑重构后，集体向资本市场发出的确定性信号。
正如诺贝尔经济学奖得主保罗·罗默所言："技术变革的核心，是可复用的知识改变了生产函数本身。"而AI Coding，正是第一个让软件工程师能够用ROI精确衡量、用预算可控规模化采购的AI能力——它不只改变了生产效率，它改变了大模型商业化的底层逻辑。
一、Coding战场，从"订阅体验"到"采购生产力"
理解这场战争，首先要理解为什么Coding如此特殊。
过去两年，大模型商业化的最大难题不是技术，而是付费意愿的模糊性。企业购买了AI助手，却难以在财报里清晰写下它究竟节省了多少钱。这种"感知价值"与"可审计价值"的裂缝，始终是大模型B端商业化的隐痛。
Coding改变了这一切。当一个工程师用AI完成了原本需要三天的代码审查，节省的工时可以直接折算成美元——这是AI第一次能够提供"可审计的工程产出"，向企业客户收取具有明确ROI锚点的费用。Anthropic联席创始人Dario Amodei曾公开表示，AI编程将压缩软件工程领域至少数年的人力周期。这句话背后的商业含义是：企业买的不再是"体验"，而是"生产力"。这一逻辑的转变，使得整个AI竞赛的战略重心发生了深刻位移。
数据最能说明问题。东方证券研报援引Menlo Ventures数据显示，Anthropic在LLM企业API市场份额2025年达到40%，而在Coding细分市场更高达54%。今年4月，阿里巴巴首席执行官吴泳铭在财报电话会上坦言：从去年11月到今年5月，API需求的增长"几乎大部分都是由AI Coding能力的提升带来的"，并断言这是"未来两到三年非常重要的增长趋势"。更令市场侧目的是Anthropic的ARR数字：4月环比增长110亿美元达300亿美元，5月环比再增140亿美元达440亿美元——这种增速已接近当年SaaS黄金时代最陡峭的增长曲线。
Coding市场的远期TAM（总潜在市场）被测算为4000亿美元，来源是替代全球程序员和产品开发工程师人力成本的逻辑推演。更重要的是，这是一个独立AI模型厂商比传统互联网大厂更迫切需要抢占的赛道——因为大厂更聚焦C端流量，而独立厂商必须在特定场景的Token有效率上证明自己的价值，方能构筑起差异化的商业壁垒。
二、M3模型解剖，架构决策背后的工程赌注
MiniMax M3大模型最值得分析的，不在于那些令人眼花缭乱的评测分数，而是支撑这些分数的关键架构决策：MSA。
传统Transformer的全注意力机制（Full Attention）是一把双刃剑——它的计算成本随序列长度呈平方级增长。这意味着，当上下文窗口从10万Token扩展到100万Token，计算量将暴增10000倍。这不是工程优化能够线性解决的问题，它需要在架构层面动手术。MiniMax选择了自研稀疏注意力架构MSA，将上下文窗口提升至100万Token的同时，把单Token计算量压缩至上一代模型的约1/20，相关推理性能较主流开源方案提升逾4倍。
OpenAI联合创始人Andrej Karpathy长期强调，"tokens per dollar"（每美元可处理的词元数）是模型实用化的核心指标，而非裸速度或绝对精度。从这个维度看，MSA架构的意义在于：它将M3的可用性边界推入了"超大代码仓库"场景——即超过50万Token的代码库。在这个场景里，大部分竞争对手的模型或者根本无法承载上下文，或者计算成本高到企业难以接受。这是一道竞争对手难以快速复制的工程护城河，因为它扎根于架构，而非调参。
在评测表现上，MiniMax披露的数据显示：M3在SWE-Bench Pro（2026年新引入的"真实企业级AI编程能力测评集"）上超过GPT-5.5和Gemini 3.1 Pro，接近Opus 4.7；在综合评估SVG生成性能的SVG-Bench上，M3超过Opus 4.7；在代码生成综合能力评测Claw-Eval上，M3更是拿下全系列最高分。三项评测共同指向一个结论：M3的Coding能力已进入全球第一梯队的竞争射程之内。需要特别说明的是，SWE-Bench Pro是今年新引入的更难评测集，目前各家数据口径尚不完全统一，独立第三方复测结果尚未完整公布，投资决策层面应等待更多交叉验证。
与此同时，M3从训练起点便采用文本、图片、视频的多模态混合训练，支持图像与视频理解，并具备桌面操作能力，可在复杂跨应用环境中执行Computer Use任务——即让AI像人一样使用电脑。这种"编程+长上下文+多模态+端侧控制"的四要素组合，使M3在产品形态上接近一个具备完整能力组合的开源选项，而非单点能力的强化版本。
三、价格战的真相，成本优势的结构性转移
M3发布当日，MiniMax同步推出TokenPlan订阅方案：Plus版49元/月提供6亿Token，Ultra版469元/月提供55亿Token。以月度Token容量计算，MiniMax TokenPlan与Claude Pro（20美元/月）相比，差距约达10至15倍——换句话说，同等价位下，开发者在MiniMax平台上能"烧"的算力，远超国际主流订阅产品所能提供的上限。这不是小幅让利，这是量级上的重新定价。
更具市场冲击力的是API定价：MiniMax M3百万Token输入价格定为4.2元，虽较M2.7价格翻倍，但上线7天限时五折后与M2.7持平；折扣结束后价格将显著上行。与之对比，智谱GLM-5.1百万Token的收入单价为6元，高于M3的API价格。
这是否意味着MiniMax在打价格战、以补贴换市场？理解这一点需要穿透价格表象。MSA架构所带来的推理成本下降，使得低价并非单纯的商业补贴，而是真实成本优势的市场转移——这与当年AWS亚马逊云用规模效应打穿IDC定价的逻辑高度相似。如果这一判断成立，MiniMax的低价具备可持续性，而非一次性的市场扩张烧钱。
更值得关注的是MiniMax隐藏在定价策略背后的生态野心。"开源（MIT License）+低价+100万Token长上下文+Coding能力"——这四个要素并非孤立存在，而是构成了一个专门为"被套壳"的开发者群体设计的粘性飞轮：开发者基于MIT License免费取用模型权重，用极低的API成本在M3之上构建产品，又因为长上下文的工程实用性而难以轻易迁移。当足够多的AI应用产品在M3之上运行，MiniMax就从一个模型提供商，悄悄变成了一个生态基础设施。这类似于谷歌当年用开源Android绑定OEM厂商到谷歌移动服务(GMS，包括Google Play 商店、Gmail、YouTube、地图、Chrome 浏览器等)。
当然，后续用户对新价格体系的接受度，尤其是折扣期结束后是否出现流失，将成为本轮商业化攻坚的核心变量。订阅用户的留存曲线，比发布日的评测分数更能说明M3的真实市场穿透力。
四、中国AI格局，一场速度与生态的赛跑
MiniMax发布M3的同一天，放眼中国AI市场，格局的轮廓已日趋清晰，但内部分化却在加速。
2026年4月，智谱发布新一代开源模型GLM-5.1，支持8小时级持续工作；同月，月之暗面（Kimi）发布并开源Kimi K2.6，在SWE-Bench Verified上达到80.2%，SWE-Bench Pro达58.6%，压过GPT-5.4。MiniMax则以M3姗姗来迟地完成了Coding赛道的战略转向。
这场赛跑中，最关键的变量不是技术，而是响应速度。2025年初，DeepSeek-R1的横空出世重新校准了全行业的战略坐标——它以极低成本证明了推理能力可以大幅提升，同时倒逼所有玩家重新审视自身的技术路线选择。在这个被DeepSeek强行按下的"战略重置键"之后，智谱是国内最快调转资源投向Coding的玩家；MiniMax迟至Q3才完成转向；阶跃星辰始终未推出专项Coding模型。这种战略响应时差，在2026年5月被资本市场无情计价：截至5月29日，智谱较IPO发行价涨超1275%，市值逾7111亿港元；MiniMax市值约2634亿港元；阶跃星辰尚未上市，市场定价仍是空白。
硅谷有一句在科技领袖中流传甚广的话：速度不是优先级之一，速度是一切优先级的前提。AI行业的竞争力窗口约为3~6个月——错过战略转向时机的代价，会反映到市值上。
在生态建设维度，三家公司的差异同样显著。智谱已推出20余款MCP工具，开发者工具链最为完整，对国内开发者心智占领最早；月之暗面的迭代路径尤其值得复盘：Kimi K2.5的核心创新是Agent Swarm机制——支持动态调度最多100个子智能体并行协作，在多步规划类任务上实现突破，SWE-bench约达70%；随后的Kimi K2.6在SWE-Bench Verified上更进一步达到80.2%，SWE-Bench Pro 58.6%，两代迭代均在同一技术方向上持续深挖。MiniMax则押注MIT License开源策略与低价，争取被"套壳"的全球开发者生态，其国际渗透路径更为清晰。
这里有一个关于竞争格局演进的关键洞见：当前各家SWE-bench成绩从70%密集向80%追赶，说明纯技术维度正在平台化——差距已从"能不能做到"压缩为"谁做得稍好一点"。在这种收敛态势下，下一轮真正的分化不会再来自跑分，而是来自开发者生态锁定、MCP工具链集成深度和端到端产品体验。谁先把开发者的工作流嵌入自己的体系，谁就在这场竞赛中赢得开发者生态份额。
与Kimi相比，M3的1M Token长上下文在处理超大代码仓库时具备工程实用优势；与智谱相比，M3的开源策略更有利于国际开发者生态渗透。综合判断：M3有真实竞争力，但在Coding领域目前仍是追赶者——智谱GLM-5和Kimi K2.6均已先行建立了开发者心智，这是比跑分差距更难弥补的存在感落差。
值得警惕的是阶跃星辰的处境。尽管其Step 3.5 Flash以196B总参数、激活11B，SWE-bench Verified达74.4%，推理速度不俗；但2026年2月，智谱GLM-5与MiniMax M2.5同日发布，将阶跃好不容易凭Step Audio R1.1赢得的行业关注度彻底分流。在中国市场尚未进入全球开发者核心视野的阶跃，暴露出产品节奏与生态建设的系统性滞后——这比技术差距更难逆转。大概率的格局演进是：智谱+Kimi双强并立，MiniMax持续追赶，阶跃走向边缘化——除非后者在特定垂直场景实现突破性绑定。
五、A股之局，锁定人民币定价权
理解MiniMax此刻启动科创板上市辅导，需要放在更宏观的政策与资本双重坐标系内观察。
2025年6月，证监会深化科创板改革，将第五套上市标准的适用范围扩展至人工智能领域，为尚未盈利但增长迅速的大模型公司开辟了A股上市的现实通道。这是MiniMax此时出手的政策窗口——而窗口期的价值在于，它不会永远打开。
MiniMax于2026年1月在港交所完成上市，截至5月29日股价已较IPO价格飙升409%，市值达2634.5亿港元。在此高溢价基础上启动A股辅导，市场的即时反应是港股单日跌破10%。这是港股投资者对"A股上市稀释溢价"进行定价修正的正常市场行为，而非对公司基本面的否定判断。
逻辑是清晰的：拟议增发稀释预期，乘以现有高估值溢价，等于跌幅放大效应。此次下跌的真实信号，是港股在提前消化A股上市后的"两地套利收敛"——若A股定价最终低于港股，港股溢价必然压缩；若A股定价更高，则会反向托举港股。目前市场选择先跌后看，属于前瞻定价的理性选择，逻辑自洽。
基本面数据并不支持"利空"解读。MiniMax 2025年收入7903.8万美元，同比增长158.9%；ARR翻番周期已压缩至60天；B端企业和开发者客户数量在半年内从20万增至百万——商业化加速的斜率仍在陡升。股价下跌与业务趋势的背离，说明此次抛售是结构性定价调整，而非基本面恶化的信号。
从战略意图看，A+H双平台资本格局的核心价值，在于锁定国内人民币定价权。港股定价以美元计价的机构投资者为主，其估值逻辑与A股科技成长股存在系统性差异。在地缘政治风险依然存在的背景下，拥有A股人民币融资通道，对一家以中国为基本盘的大模型公司而言，是战略级别的资本安全垫。短期港股回调是必要的市场出清；对MiniMax中长期资本结构而言，A+H双平台是净正效应。
尾声：代码即文明，效率即权力
物理学家理查德·费曼说过："凡是我无法亲手创造的，我便无法真正理解。"（What I cannot create, I do not understand.）在AI时代，这句话正以前所未有的方式被赋予新的含义——能够创造代码的AI，正在以工程师群体的名义，重新定义"理解"的边界。
MiniMax M3的发布、智谱的A股申报、Kimi K2.6的持续迭代，标志着中国AI产业的商业化竞争已从"模型打榜"正式迁移至"工程落地"的新阶段。跑分收敛之后，真正决定胜负的是：谁的代码能在客户的生产环境里可靠运行，谁的工具链能让开发者愿意在上面快速构建创新应用，谁的成本结构能支撑长期低价而不烧穿资产负债表。
这场战争没有终点线，只有下一个洗牌点。而此刻，MiniMax选择同时在技术、定价与资本三个维度同步出击，是一次高风险的协同进攻——胜则建立全面优势，败则三线失守。历史上，最深刻的技术革命从来不是单点突破，而是系统级重构。
代码即生产力，效率即国力。这不是隐喻，这是2026年AI产业竞争的真实语法。
参考文章：《API定价低于智谱、订阅容量五倍于Claude：MiniMax携M3突围A股IPO Coding赛道全球白热化》，每日经济新闻，陈婷
出版社：人民邮电出版社
作者：田丰
帮助你定位AI当下发展坐标的指南针
帮助你洞察AI未来演进趋势的航海图
通俗化解读AI的原理、特性和四大发展规律、提供AI赋能商业、引发新质生产力变革的一手案例分析。既有宏观视角的全局观照，又有各行业应用层面的下探记录，聚焦AI的原理与实践、现在与未来，是当下AI应用的全景图、更是身处AI技术浪潮之中的探路书。
