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

每经记者｜陈婷    每经编辑｜毕陆名    

回归A股箭在弦上，MiniMax（HK00100）攻势不减。

6月1日，MiniMax正式发布新一代通用模型MiniMax M3。M3采用全新的自研稀疏注意力架构MiniMax Sparse Attention（MSA），同时具备“前沿Coding（编程）能力、1M（一百万）超长上下文、原生多模态”三项核心能力，是具备完整能力组合的开源选项。

当前阶段，Coding&Agentic（编程+智能体）能力正逐步成为全球头部模型的新竞争焦点，自美国企业Anthropic率先强化智能体与工程编码能力、拉开新一轮竞赛序幕后，各大AI（人工智能）厂商纷纷调转研发重心，不再单纯追逐对话体验与参数规模。

值得一提的是，MiniMax当日同步推出了TokenPlan订阅方案，根据官方介绍，其定价为49元每月的Plus方案可提供6亿Token（词元），约等于Claude Pro（20美元）月度容量的5倍。

在此大背景下，MiniMax加码模型Coding能力显然也是为了打响新一轮商业化战役。

就在M3正式问世的前一天（5月31日），MiniMax发布公告称公司已聘请专业顾问就符合在科创板上市条件提供咨询，并签订辅导协议。紧随其后，6月1日，智谱同样在港交所公告，拟发行A股并在科创板上市。

当商业化成为AI公司当下不可回避的核心课题，MiniMax能否依托资本市场加持与技术壁垒，跑出一条可持续的增长路径？

M3对标GPT、Opus实现跑分反超，但智谱、Kimi已抢占开发者心智

记者了解到，支撑M3三大能力合一的，是其自研的稀疏注意力架构MSA（MiniMax Sparse Attention）。

相较传统全注意力机制，MSA能够显著降低长上下文下的计算成本，并将上下文窗口提升至100万Token。这意味着模型在处理长文档、复杂代码仓库、多轮任务协作等场景时，能够在一次推理中保留更完整的信息链路。

据MiniMax披露，在100万上下文规模下，M3单Token计算量仅为上一代模型的约1/20，推理效率显著提升。

此外，记者从MiniMax方面了解到，M3在Coding&Agentic能力明显提升，在涵盖软件工程、终端执行、效率与协议理解等多个维度的国际权威评测中，均达到领先水平：在衡量Coding能力的SWE-Bench Pro（新一代“真实企业级AI编程能力测评集”）上，MiniMax M3超过GPT-5.5和Gemini 3.1 Pro，接近Opus 4.7。在综合评估SVG生成性能的基准SVG-Bench上，MiniMax M3超过Opus 4.7。

另据MiniMax方面表示，M3从训练起点便采用文本、图片、视频等多模态混合训练，并在数据规模和训练管线上进一步扩展。模型不仅支持图像与视频理解，也具备桌面操作能力，可在复杂跨应用环境中执行Computer Use（AI像人一样“用电脑”）任务。

即便如此，Coding领域齐聚全世界最顶尖的技术团队与资本力量，竞争已进入白热化阶段。

微软（GitHub Copilot）、Anthropic（Claude Code）、OpenAI（Codex）等玩家各有所长，模型能力、上下文窗口、推理速度与生态落地的比拼日趋激烈。

国内各大玩家也纷纷押注这一市场。今年4月，智谱宣布正式发布新一代开源模型GLM-5.1，可达到8小时级持续工作。同月，月之暗面发布并开源Kimi K2.6模型，据称该模型是其迄今最强的代码模型，长程编码能力得到显著提升，同时大幅增强了Agent（智能体）自主化执行能力。

与国内外的竞争对手相比，M3的硬实力究竟如何？

快思慢想研究院院长、特邀评论员田丰对《每日经济新闻》记者表示，OpenAI联合创始人Andrej Karpathy长期强调推理效率（tokens per dollar）是模型实用化的核心指标——M3在长上下文下的计算效率突破直接决定了其在大型代码仓库场景（>50万token代码库）的可用性边界，这是竞争对手难以快速复制的工程护城河。

不过，田丰强调，但需注意：SWE-Bench Pro是2026年新引入的更难评测集，各家数据口径不完全一致，投资决策层面需等待第三方独立复测。

业内有观点认为，随着M3发布，MiniMax以“开源+多能力合一”的前沿模型为差异化定位，在全球AI竞赛中的定位进一步清晰。

在田丰看来，国内AI企业中，智谱最快响应开发者需求、工具链最完整（20+款MCP工具）；MiniMax则通过开源（MIT License）和低价吸引“被套壳”的开发者生态。与Kimi相比，M3的长上下文（1M token）在处理超大代码仓库时有工程实用优势；与智谱相比，M3的开源策略更有利于国际开发者生态渗透。

“M3有真实竞争力，但在Coding领域是追赶者，智谱GLM-5和Kimi K2.6均已先行建立了开发者心智。”田丰说。

Coding，AI商业化的必争之地

当前阶段，Anthropic无疑是全球市场企业级AI与Coding赛道的领跑者，这一成绩使得全球AI竞争格局、商业化路径与技术路线正发生深刻重构。

东方证券的研报提及，根据Menlo Ventures数据，Anthropic在LLM（大语言模型）企业API（应用程序编程接口）市场份额逐年攀升，2025年达到40%，Coding市场份额则达到54%。而随着模型智能体能力在2025年末有显著突破，harness层同步迭代，帮助模型更好地在实际生产力侧可靠、可控完成交付，Anthropic在4月ARR（年度经常性收入）环比增长110亿美元达300亿美元的基础上，5月环比增长140亿美元达440亿美元。

今年5月，阿里发布最新财报后的电话会议上，首席执行官吴泳铭表示，从去年11、12月份开始，到今年的5月份，这一段时间大量公司的API需求的增长，几乎大部分都是由AI Coding能力的提升带来的。

吴泳铭提及，无论是美国还是中国，这一波AI需求带来的增速，主要是靠AI Coding能力的提升。“因为AI Coding能力的提升，结合电脑或者数字化的这些工具场景，理论上可以解决几乎所有数字化工作中的复杂任务。所以，这是未来两到三年非常重要的一个增长趋势。”吴泳铭说。

正是因此，Coding市场已经成为AI企业商业化的必争之地。

田丰认为，Coding已成为大模型商业化的核心战场，因为它是目前唯一能被工程师群体精确量化ROI并规模化付费的AI能力。

“Coding战场的本质是AI首次可以用‘可审计的工程产出’向B端（企业端）客户收费，这改变了大模型商业化的底层逻辑，从‘订阅体验’变为‘采购生产力’，这也是为何所有头部玩家都在此集中。”田丰说。

东方证券的研报认为，从替代程序员和产品开发工程师人力成本的角度，远期AI coding市场TAM（总潜在市场）达4000亿美元的空间。

该研报还提及，整体而言，传统互联网大厂和独立AI模型厂商更偏差异化竞争的状态。因传统互联网大厂更聚焦在C端（消费者端）大流量市场，提供的模型和服务场景需要有更强的普适性，独立AI模型厂商侧重于卖特定场景下Token的有效率，从而形成AI新场景的用户生态。

也就是说，独立AI模型厂商更需要抢占Coding市场，以此打造差异化优势，构筑自身商业壁垒。

值得一提的是，就API价格而言，MiniMax M3百万Tokens的输入价格的定价为4.2元，相较于M2.7价格翻倍，虽上线7天限时五折，折后与M2.7价格持平，但折扣结束后价格将显著上行。记者对比发现，智谱GLM-5.1百万Tokens的收入单价为6元，价格高于MiniMax M3的API价格。

如果将新模型视作MiniMax在商业化上的一次进攻，其以技术升级换取定价提升、锚定开发者与企业级市场的战略意图清晰，后续用户对新价格体系的接受度，或将成为本轮商业化攻坚的核心变量。

与此同时，作为一家上市公司，MiniMax能否在新一轮市场竞逐中占据优势或深刻影响其在资本市场的估值逻辑、定价中枢与长期成长预期。

对此，田丰认为，MiniMax此时启动A股辅导，是在政策窗口与资本市场情绪双高点主动出击，建立“A+H”双平台资本格局的长期战略布局，本质是在锁定国内人民币定价权。短期港股回调是必要的市场出清，对MiniMax中长期资本结构是净正效应。

封面图片来源：每经媒资库