博客

内部的争论在所难免。在 MiniMax 内部，围绕新模型 M3 的发布，一个由100人组成的“作战”群里，争吵如期而至。M3 是一款具备1M上下文的原生多模态模型，公司对其寄予厚望，希望借此大幅提升模型能力。

6月1日清晨，M3 正式上线，这款模型凭借其独特的定位，在当天港股早盘一度助推 MiniMax 股价上涨超过7%。然而，风暴紧随其后。

仅仅半天时间，这个因模型发布而通宵达旦、充满兴奋的群组，就被用户转发的外部批评信息淹没。争议焦点集中在与M3同步推出的定价方案上。此次发布伴随着新的收费体系上线：原有的订阅制 Coding Plan 被按 token 计费的新版 Token Plan 取代。由于模型本身的改变，部分用户发现，在相同使用强度下，额度消耗速度远超预期。更令人不满的是，此次调整缺乏充分的解释，用户未收到短信或站内信提示，官方页面上的说明也不够清晰。许多个人开发者登录后才发现规则已悄然改变。

不满情绪开始蔓延，有人在投诉平台要求退款，有人宣布停止续订，并在社交媒体上表达不满。

当时，我已在 MiniMax 内部观察一段时间。看到这些截图后，我几乎第一时间将它们导入了内部的各个群组。尚未休息的员工们迅速重新集结，讨论如何向用户解释。在同步了设计思路后，他们立刻意识到之前沟通的不足。很快，改进方案被提出。当晚，一份道歉公告发布，承认在调整前未能与用户充分沟通，以及对老用户周限额处理不当，“是我们工作不到位”。

尽管如此，MiniMax 当天的股价依然掉头向下，最终收跌15.71%。每个人都在忙碌，每个人都能感受到情绪的变化。

模型发布的第二天，焦虑和沮丧感达到了临界点。一位技术负责人直接在群里质问负责开放平台的同事，询问定价方案的设计依据，因为该部门负责服务模型产品的用户和客户。对方自然进行了辩护，双方随即发生争执。

这场激烈的争论背后，是巨大的落差。过去数月，MiniMax 全体员工都倾注心力于这款至关重要的模型，而现在，所有焦点都被转移，每个人都急于弄清状况并迅速解决问题。我曾目睹模型发布前大家的期待，对我而言，这似乎是一场互相指责的开端。

争吵在任何一个正常运转的组织中都难以避免，我总觉得这是窥探一家公司特质的绝佳窗口。此刻，它毫无预警、又恰到好处地发生在我面前。他们围绕定价档位的划分、额度的分配、以及设计时是否真正站在用户角度等问题各执一词，火药味十足。然而，就在激烈的情绪对抗中，仅仅一个小时后，套餐设计就完成了更新。这是一场高效率的争吵。

事后我了解到，这类争吵在 MiniMax 并不少见，有时发生在大型群组，有时在会议室，有时在最高层讨论中，总是在众人面前发生。

风波稍有平息后，我约了两位争吵的关键人物在会议室进行了交流。我与其中一人交谈时，另一人也走了进来。我原以为他们之间会有些尴尬，但似乎毫无影响。

“我觉得他当时说得没错，而且后来事实上也按他说的改了。”其中一人指着另一人说道，“但当时我就是会跟他吵。”

“反正我们吵完架后没有什么私人的恩怨。”另一人回应道，“我们争论的都是非常细致的内部参数。”

后来我了解到，在另一次场合，当再次讨论起当时的定价风波时，那位技术负责人公开维护了当时并不在场的、与他发生争执的开放平台同事。他认为定价方案的整体方向没有问题，真正的症结在于那位同事刚加入公司两三个月，并未经历过更早版本的套餐以及之前用户的情绪积累。

“他缺乏的是 context，这是我们所有人的责任。”

在 MiniMax，大部分员工大约在上午10点半左右陆续抵达公司。午餐和晚餐由公司统一安排，无需打卡——反而是周末加班时才需要打卡，这种反向的考勤制度旨在保护员工。

午餐时间，办公区域逐渐热闹起来。位于漕河泾的三层办公区，每个区域都像“大通铺”，四周分布着以各种星星命名的会议室，使用率近乎饱和，员工们经常找不到空闲的会议室。几个大型会议室用于接待访客和每周一次的全员会议。在每周五的午餐时间，全员会会邀请各行业的专家进行分享。最近一次，一位从美国进修回来的上海交大教授分享了心理学与人工智能的关系，员工们在线上提问，讨论“Anthropic 提到模型表现出明显的焦虑和神经质，从心理学角度如何解释这种现象，并归因于训练方式和数据？”

模型发布前一个工作日也是周五，全员会照常进行，嘉宾是《凡人修仙传》的编剧。公司里许多员工都是该小说的忠实粉丝，包括 IO（MiniMax 创始人闫俊杰的花名，文中将继续沿用此内部称谓）。线上提问区最受关注的“问题”只有两个字：“催更”。

气氛轻松愉快，然而，在48小时后，MiniMax 自己却成了被“催更”的对象。

6月1日，M3 发布前夜，MiniMax 的大部分员工聚集在上海总部。当晚，有人在工区监控服务稳定性，有人在群里追踪模型训练进度，也有人围着一桌小龙虾，在小型会议室里熬夜讨论最终细节。

尽管如此，这家公司最习惯的协作方式依然是在线进行。其主要沟通群组并非按部门或业务划分，而是谁掌握某个事项的 context，谁就会被拉入同一个群组。重要事项会迅速发起会议，快速开始，快速结束。许多关键信息会在群组中突然出现，被所有相关人员同时获知。

Context，是这家公司所有行动中潜移默化强调的核心。为此，它极大地鼓励信息的自由流动。

这种组织方式给我的第一印象是混乱而充满活力：群组众多，信息传播迅速，人与人之间几乎没有缓冲层，仿佛置身于一个开放的广场。

6月1日凌晨，新模型 MiniMax M3 进入上线前的最后阶段。我看到所有算法和开发人员进入了同一个文档，更新了最新训练成果的排行榜数据，以及对模型技术细节的最终描述。隔着屏幕，我看到几十个光标同时闪烁、移动、修改，仿佛整个公司都挤在同一张纸上。IO 也身处其中。

在 M3 发布前的这个凌晨，我看到 IO 被拉进了一个沟通群组，算法和关键技术方向的同事正在敲定一些核心细节，讨论热烈，每个人都在提出自己的见解。IO 大部分时间都在倾听，并非一种所有人听他指挥的讨论模式。但在充分的 context 之后，他会在关键时刻开口，做出最终决定。

通过观察和体验这家公司大量的协作过程，我发现这是一种常态——当某个重要事项需要某人参与时，想到就会第一时间将其拉进来，因为相信 context 已经足够清晰，任何人都可以迅速提供和获取新信息，IO 也不例外。而在充分的 context 下，他仍然是那个负责研判、决策，以及在更复杂事项中进行取舍的角色。

在模型发布前的紧张48小时里，我能清晰感受到群组中弥漫的兴奋。M3 并非一次普通的更新，它承载了这家公司对自身的诸多期待。正是因为这个原因，当他们的兴奋与期待，遭遇了因“缺乏 context”而引发的 Token Plan 争议、攻击甚至谩骂时，对于团队中的许多人来说，这无疑是“至暗时刻”。

3月，OpenClaw 带来了对 Agent 的广泛启蒙，MiniMax 当时推出的模型 M2.5 抓住了用户“养虾”（指在 Agent 场景中与模型互动）的契机。凭借极高的性价比和足够的能力，M2.5 成为这类产品的理想选择，MiniMax 在模型领域迎来了高光时刻。

但模型领域的格局变化极快。3月18日，MiniMax 随即推出了 M2.7，一个激活参数仅约10B 的模型。接下来的两个月，Kimi 开源了 K2.6，DeepSeek 的 V4 实现了1M 上下文，智谱的 GLM-5.1 宣布其编程能力已接近 Claude Opus 4.6；在大洋彼岸，Anthropic 推出了 Claude 5，OpenAI 的 GPT-5.5 也已进入牌桌。M2.7 的用户开始觉得这个定位的模型已显不足。

一位产品线员工向我分享了后台用户对模型的反馈：当时的问题分类中，约有六成指向了模型本身的问题。

外界容易忽视的一点是：MiniMax 是中国最早投入大模型训练的公司之一，并且一直以来对模型投入的资源都处于领先地位。然而，由于 MiniMax 自身也拥有产品，更多用户是通过这些产品（而非模型本身）建立了对 MiniMax 的初步印象。

在模型智能水平跨过一个门槛后，MiniMax M2 成为第一个被外界广泛认知其智能水平的模型。从内部的 KPI 和优先级来看，提升模型的智能是内部最核心的目标，所有资源都被投入到交付更强大的模型上。M3 就是这个长期目标中的一个关键节点。

“我们的全部注意力都集中在了模型的智能本身上。”多位不同业务线的内部员工这样向我描述模型发布前几个月公司所有人的状态。

随着围绕 Token Plan 的争议不断发酵，在短短一天之内，我见证了这家公司发布了他们期待数月的模型，起初收获了技术圈的一些惊叹，随后因付费计划引发部分用户愤怒，继而发布道歉声明，最终导致市值蒸发了两位数的百分比。

接下来的几天，反馈信息从几条消息演变成在各个群组中不断转发的信息流。后续方案也接连出台。然而，许多批评开始偏离付费计划本身，演变为谩骂。内部开始发现一些账号表现出水军化的行为特征，成为情绪化传播的节点。

这一切让公司内部愈发困惑，其中 MiniMax 最为在意的是，这些讨论冲淡了人们对模型本身各项技术创新及新能力的关注。同时，他们也以一种极其刺痛的方式意识到，缺乏提前沟通、缺乏对用户的 context 所带来的影响是多么惨烈。

表面上看，这似乎难以理解，但在很大程度上，这些问题源于经验的不足，也源于公司过于理想化的行动方式。如前所述，M3 是 MiniMax 追求更强大模型的起点。但在此前更轻量级的模型发布过程中，公司逐渐形成了一种习惯：模型最重要的是让所有人都能使用，因此训练好就尽快发布，用户在使用过程中的反馈尤为重要。

在我与多位了解决策制定过程的员工交流时发现，收费方式的改变和设计其实早已开始，它是追求模型能力提升的产物，而非表面上的商业化举措。大约在三四月份，看到训练中的模型不断增强，内部意识到：新模型对应的付费体系需要更新。旧体系过于复杂，每增加一个模型，都需要匹配相应的次数，次数与套餐之间又是一层复杂的换算。开发平台的员工经常遇到用户询问：“你这个是什么？我不知道。”

在对模型“终局”的判断上，内部观点认为，用户使用优秀模型的模式将越来越像用水电煤，Token 将成为服务本身。既然现有的订阅方案显然不符合未来趋势，那么就必须进行调整。至于调整的节奏，MiniMax 许多决策背后的思路再次显现：既然迟早要改，为何不早点行动？

“不改，用户可能都没法用好我们新的模型。”一位参与讨论和决策的内部员工回忆当初的决定。

这并非 MiniMax 一家面临的困境。事实上，2026 年上半年，整个行业都在进行定价重估。“当一个行业在 6 个月内出现 20 倍的增速时，历史遗留问题是必然存在的，你不可能所有事情都停下来做好、思考周全再往前走。”

这一切在 MiniMax 身上变得尤为复杂。公司成立仅四年，一切都在快速成长的过程中。但正如我近距离观察到的那样：其内部组织架构依然像一家初创公司。然而，它又是最快完成上市的大模型公司，需要面对复杂的资本市场和商业化的审视。许多初创公司会忽略的问题，因此被放大数倍，并在一个意想不到的时刻爆发式地呈现出来。

六月发生的一切，正是这种复杂度的集中体现，一场因模型进步而带来的阵痛，以最激烈的方式，逼近在所有人面前。

M3 发布后的一周，在例行的全员会议上，公司推迟了原定的外部分享，转为内部闭门的全员复盘。全公司以表格实名提问，将尖锐的问题抛入大群，IO 直面全体员工。

在这次会议上，IO 向所有人道歉：“效果没有达到预期，为此付出的同事，对不住。”我很少见到创始人如此直接地向全公司道歉。接着，IO 分享了他所有的思考——关于竞争、技术、内部组织运转方式，哪里判断失误，哪里准备不足，以及最重要的，接下来的改进措施。“没有很复杂。接下来要做的就是，把模型做好。”一位员工这样总结。

慌乱、沮丧、愤怒、公开争吵，在争吵中快速解决问题。有“问责”，也有包容，但不撕扯，继续前行——这似乎并不是所有公司都能做出的应对方式。这勾起了我更多的好奇，我询问更多人，更直白地问：在类似这样的时刻和过程中，有没有出现过甩锅的现象？

一位曾在 AI “大厂”工作过的员工思考后，向我对比了大厂的做法——大厂的思路是：“这件事谁没做好？他为什么没做好？责任是谁的？”而在 MiniMax，IO 会非常冷静客观地指出：“这件事里哪些做得好、哪些做得不好、产品团队有哪些做得不好的地方。”

“当他说的是客观事实时，客观事实是不会给人额外的压力的。”

这种“就事论事”的特质，我在许多员工那里听到过类似的描述，它显然不是一种可以“设计”出来的氛围。一位曾在大厂模型团队工作，因受够了内部山头林立、争抢资源、安插眼线、频繁甩锅等制度性缺陷对模型研发造成的持续蚕食，愤而离开并加入 MiniMax 的员工告诉我，你其实可以很快发现这里完全不同。

“在一些公司，你会感到非常没有安全感，你会担心你的项目突然消失，担心有人给你甩锅，担心你与隔壁组织的协同，担心他去投诉你，仅仅因为 KPI 不同。而在 MiniMax，人们可以在大群里吵架，这没关系，因为创始人为你营造了一种环境：我们只要把事情想对、把事情做对，就没有问题。”

还有不少员工见过两位联合创始人之间直接激烈争吵——然后下一场会议，两人又恢复正常工作。“我一开始嘀咕，他们俩怎么能吵成这样？吵完了马上又好好讲话。后来我觉得这也是身体力行地验证：这是一个就事论事的公司。”

创始人不仅会亲自参与争吵，也会被员工挑战。一位开发团队的员工向我描述，他和 IO 也会“吵架”，吵过很多次，而 IO 有时也会认同他的观点。还有一次，我看到群里在讨论一些思路，某个方案下，IO 快速点赞回复，表达了认可。紧接着，有其他掌握更完整 context 的员工，直接批评并否决了该方案。讨论结束后，大家认为新提出的观点更有道理。

一切都围绕着如何把事情做好。如果做错了，就坦然接受批评，然后快速改进。

“这种氛围不是说出来的，当你开始做事了，就知道它不一样了。当你开始发表观点，观察大家的反应，你就会知道。当你去和其他部门的人沟通，发现大家看得非常透明，没有人防备你，没有人讨论边界问题时，你就会知道是不一样的。”一位刚入职不久的员工告诉我。

我也问过一些员工：这家公司这样，是不是太“nice”了？毕竟这是一个极其残酷的竞争环境，内部给大家的安全感是不是太多了？有员工的回答是：“安全感保护的是做事情的人。”

“只要你在你的领域里思考得足够清晰、足够专业，所有人都会尊重这个想法。但如果你一直get不到大家在说什么，也会受到非常严厉的批评——你根本就没有想清楚，那就是在耽误大家的时间，不要再说了，这件事就这么决策了。”

显然，这是一家鼓励所有人从专业角度贡献意见、平等交流，从而保证 context 高度透明的公司。当这种混乱能带来生机时是可以接受的，但它显然也不会允许一切走向无序。

许多与 IO 协作更频繁的员工的感受是：IO 在处理大量繁杂信息时，会思考公司在不同阶段、不同资源水平下，应该追求什么。他有时会独自“思考”，然后定期将信息以全员会的形式同步给所有人。

公司内部的另一个普遍感受是，一旦做出判断，IO 就不会动摇。“坦诚地说，我们历史上产品走过不少弯路，文本产品关掉过好几个。在 IO 看来，如果一个东西已经没有意义了，就没有必要让它苟延残喘。”而继续在文本模型、视频模型等更宏大的方向上投入，“这也是源于一种‘think big’的理念。”

在这家公司待不久，你就会意识到它是一家全员 ego（自我意识）很小的公司。在一个全行业 ego 爆棚的环境里，这种气质很容易辨别。它拥有非常年轻的模型和技术团队，但任何仔细关注这家公司的人都会发现，与不少同行相比，它很少与某种“天才叙事”扯上关系。一位研究员对我说，他的感受是，这个团队在业内的普遍评价是“靠谱”。

“如果一个人，他有很强的实力，他很自信，并且他的判断有逻辑、能说服大家，这就不叫 ego。但如果一个人的判断和决策与其应有的实力不匹配，没有相应的证据，但他却硬要大家这样做、必须服从他，这就是 ego。”一位核心研究人员这样解释他们对 ego