Blogs

在 M3 模型发布后，MiniMax 经历了一场围绕产品定价策略的内部辩论。这次争论源于新推出的付费方案，从原先的订阅制 Coding Plan 转向了按 token 计费的 Token Plan。由于模型本身的改变，用户发现即使是相同的使用强度，消耗的额度也远超预期。更令人不满的是，此次调整缺乏充分的提前告知，用户在登录后才发现规则已变，引发了用户在投诉平台要求退款、在社交媒体上表达不满等一系列负面反应。

在 M3 模型发布后的第二天，内部的焦虑情绪达到顶点。一名技术负责人直接在内部群组中质问负责开放平台的同事关于定价方案的设计。双方就此展开激烈争论，争执的焦点在于定价档位、额度分配以及是否真正站在了用户角度进行设计。尽管争吵激烈，但在一小时内，新的套餐设计方案便已完成更新，展现了高效的解决问题的能力。

事后，两位争吵的当事人进行了坦诚的交流。其中一人表示，尽管当时与同事发生了争执，但他后来认识到对方的观点是正确的，并且事实也证明了这一点。另一人则强调，他们之间的争吵仅限于技术参数的讨论，并没有产生个人恩怨。据了解，在后续的讨论中，该技术负责人还主动维护了与他发生争执的同事，指出其对早期用户情绪和旧版本套餐缺乏“context”（背景信息），并认为这是团队共同的责任。

MiniMax 的工作环境以其高度扁平化的组织结构和信息透明度著称。公司内部的沟通主要通过各种即时通讯群组进行，谁掌握了事件的“context”，谁就会被拉入相应的讨论群。这种协作方式鼓励信息的自由流动，尽管初看可能显得混乱，但却能快速集中相关人员解决问题。例如，在 M3 发布前的关键时刻，算法和开发团队成员会共同在一个文档中更新模型成绩和技术细节。创始人 IO 在关键时刻也会介入讨论，在充分了解“context”后做出最终决策。

M3 模型被 MiniMax 寄予厚望，它被设计为一款强化了编程和 agent 能力的原生多模态模型。然而，模型发布后立即卷入的定价争议，让公司一度陷入“至暗时刻”。此次事件也暴露了公司在面对快速变化的市场和用户沟通方面存在的不足。

MiniMax 的一位员工分享了他们对“context”的理解，认为这是所有人的责任，特别是对于新加入的同事。他指出，理解早期用户的情绪和历史问题背景对于做出合理的决策至关重要。

在 M3 模型发布前，MiniMax 的员工们曾全力投入到模型能力的提升中，将大部分精力集中在模型本身的智能水平上。然而，定价风波的出现，使得外部的关注点从模型的技术创新转向了付费计划引发的争议，并一度导致公司股价大幅下跌。

MiniMax 的一位核心技术研究员指出，一家公司的气质很大程度上由创始人决定。他认为创始人 IO 非常务实，不爱夸大其词，这种务实的风格也影响了公司内部的文化，使得员工们普遍“ego”（自我）较小。

在关于公司发展方向的讨论中，MiniMax 的核心理念是“Scale”（规模化）。他们认为，只有简洁、可解释的技术才能实现真正的规模化，并以此为指导进行产品布局和技术创新。

MiniMax 的员工们普遍认为，公司鼓励真实利用 AI 来提高效率，而非将其作为一种“命题作文”。他们拥有对内部办公软件进行 AI 改造的广泛权限，例如开发了“AI 实习生”来辅助文档撰写、用户反馈收集等工作。

一位核心技术人员将 MiniMax 的目标函数定义为“scaling”，即最终的规模，包括智能的上限以及为达到此智能所能调动的资源。他解释说，公司名字“MiniMax”正好体现了他们希望用有限的起点（Mini）去追求最大化（Max）的目标。

在 M3 模型发布后，MiniMax 持续优化模型服务，提升了 TPS（每秒事务处理数）和首包延迟，使其在全球模型中处于领先地位。同时，第三方服务商和重点客户也开始传回积极的评价，内部关键指标也显示出增长态势。

MiniMax 在 M3 的技术博客中强调，模型更新虽然迅速，但本质上仍需脚踏实地的积累和遵循客观规律。公司将继续努力提升模型智能水平，并让更多用户能够使用到。未来，MiniMax 将投入更多资源研发更强大的模型，目标是让用户在使用 Opus 级别的智能时，基本不受成本限制。