DeepSeek突然宣布高峰时段API价格上调，这一举动背后其实暗藏深意。它向外界传递出一个信号：国内大模型行业的竞争逻辑正在发生根本性转变。
具体来看：DeepSeek V4正式版计划于7月中旬上线，并首次推出高峰/非高峰差异化定价策略——工作日上午9点至12点、下午2点至6点，API价格将调整为非高峰时段的两倍。换算后，V4 Pro混合定价从每百万token 0.17美元涨至0.35美元，V4 Flash则从0.06美元涨至0.12美元。
高盛在7月3日的研报中对此进行了解读：这并非需求疲软，恰恰相反，它反映出AI调用需求仍在持续攀升，但算力资源已开始变得紧张。在这种背景下，大模型厂商的竞争重心正从“谁更敢于降价”转向“成本结构+算力效率+商业化能力”的综合博弈。
更值得关注的是，这可能意味着自2026年4月底以来持续的价格战，正逐步走向尾声。此前行业价格一度被压低至接近零毛利甚至亏损运行，而现在，推理成本正在被重新定价，价格体系也开始向真实成本回归。
换句话说，这场持续了两个多月的价格战，终于迎来了关键转折点。
01 算力资源紧缺加剧，“行业斩杀线”开启价格理性回归
过去一年，大模型行业的竞争逻辑可以简单概括为：用更低价格换取更大规模。但这一前提正受到算力硬约束的挑战。
多家海外投行预测，到2028年全球TPU总需求将达3500万颗，而台积电生产线已满负荷运行，库存几乎清空，供给缺口至少将持续两年以上。算力从“想买就能买”变成了“需排队等候”的稀缺资源。
以Anthropic为例，这家公司单家已占用超过200万张TPU卡，却仍需对外租赁第三方算力作为补充。在资源本就紧张的情况下持续亏损定价，这场仗注定难以持久。算力的硬约束，正倒逼行业定价策略从激进补贴转向价值回归。
当行业定价标杆主动提价，“谁降价谁弱”的旧有叙事基础开始动摇。高盛在研报中明确指出，在新的竞争框架下，真正能享受行业定价理性回归红利的，是兼具推理成本优势与商业化能力的头部梯队。而MiniMax，正是其中之一。
MiniMax的M3模型混合定价为每百万token 0.22美元，比DeepSeek调价后的0.35美元更低，但高盛分析师指出，其毛利率却远超同行。
02 将算力压榨到极限，MiniMax站上拐点有利一侧
MiniMax的核心变量不在于“更便宜”，而在于“更高利用率”。这背后是几层结构性优势的叠加：
首先是算力调度效率。MiniMax自营算力利用率超过90%。高峰时段服务开发者和知识工作者，低谷时段则将闲置算力用于实验和数据标注——通过峰谷调度，将算力利用压榨到极限。
其次是架构级成本降低。M3的训练和推理架构升级实现了超过2倍的成本节省，基本对冲了模型参数量翻倍带来的成本增长。这也是M3能与上一代M2.7维持同等定价、且毛利率仍可持续的关键。M3总参数为428B，激活仅23B，以最小的激活参数量实现了与千亿级模型可比的性能表现。
最后是外部验证与扩散。M3在第三方API平台OpenRouter上线两周即登顶周token消耗第一。Vercel CEO Guillermo Rauch公开推荐M3；YC创始人测评显示，在前端和code review场景下，M3表现与Claude Opus 4.7相当；多位海外开发者实测，其前端和code review场景体验接近Claude Opus 4.7，而成本仅为后者的5%至10%。
这并非单点能力优势，而是单位算力产出密度的系统性优化。
文本模型之外，MiniMax正在开辟另一条增长曲线。下一代视频生成模型H3预计在未来数周内发布。高盛认为，其核心升级在于视频生成质量与多样性的提升，并首次将LLM能力深度嵌入DiT架构，用于增强对人体动作与物理关系的理解。高盛此前曾指出，视频生成赛道的商业结构可能优于文本模型——参考字节Seedance的案例，多模态API的毛利率可达60%-70%。如果H3表现符合预期，将为MiniMax打开一条与文本API截然不同的高毛利商业化通道。
03 从1亿到10亿，ARR增长的陡峭曲线
如果说算力效率决定了成本结构，那么ARR曲线则决定了商业化是否成立。
数据上看，MiniMax的收入曲线呈现出明显的“斜率变化”。2025年12月底ARR达到1亿美元，2026年2月升至1.5亿美元，4月进一步翻倍增长。增长并非线性，而更接近于模型能力跃迁后的“需求爆发”。
在这一节奏下，公司对于2026年底实现10亿美元ARR保持较高确定性。从行业对照来看，这一路径与Anthropic早期阶段具有相似性：从模型能力被验证开始，调用量快速扩散，商业化进入指数曲线。高盛因此给出了MiniMax隐含141%上行空间的估值框架。
更关键的是，这种增长并不依赖传统意义上的人力扩张。有一个最直接的财务指标可以量化：人均创收。根据MiniMax财报，2025年收入约7,904万美元，当时员工规模约400余人，人均创收约19万美元。这个数字本身就相当可观。对比那些靠堆砌销售团队维持B端收入增长的AI公司，MiniMax的收入含金量不在同一档次——前者每增加一块收入，边际成本随人头线性上升；后者每次模型迭代，收入可以非线性放量。
目前，MiniMax全公司规模约400–500人，其中超过80%为研发人员，ESOP覆盖300–400人、约7%股权。组织结构高度研发密集，使得收入扩张与人头增长之间的关系被显著弱化。这正是高质量ROI的核心特征：同一套基础设施，随模型迭代持续释放更多收入，而不需要等比例增加成本。
04 竞争逻辑切换，拐点之上两种叙事的分野
价格战的结束，并不意味着竞争减弱。高盛在研报中进一步指出，中国AI模型行业的竞争逻辑正在从规模扩张切换至效率驱动。过去的核心指标是benchmark能力与参数规模，而新的核心变量正在变成：组织效率、单位算力产出、以及真实商业回报。
在这一框架下，MiniMax强调的能力包括：更紧凑的组织结构、更高的算力利用率、更快的模型迭代速度，以及更强的市场响应能力。其管理层将自身优势定位为更精简的组织结构、更高的基础设施利用率、更快的模型迭代，以及对新兴机会的快速响应——例如在OpenClaw兴起后迅速推出MaxClaw，AI编程赛道升温后MiniMax Code快速落地。
这本质上是组织决策链路短的财务结果体现。一家大厂从感知到产品上线可能需要几个月，而MiniMax可能只需几周。这几周的时间差，在AI赛道就是决定一个窗口期生死的差距。
在基础设施层面，MiniMax的本地推理设施已覆盖全球200多个国家和地区。在中国市场，公司已高度整合国产AI芯片用于推理任务，随着国产芯片能力持续提升，本土化部署正在加速。
几个维度叠加在一起，构成了MiniMax在新竞争规则下有力的组合：成本结构更健康，组织响应更灵活，算力本土化更深入。
站在2026年年中这个节点，能看到两种叙事之间的博弈正走向分野。一种叙事相信资源的重力——AI最终属于算力最多、流量最大的那一侧。另一种叙事相信效率的张力——精准的产品定位、灵活的组织、健康的成本结构，可以在资源不对称的竞争中持续胜出。
也许，真正的行业斩杀线即将浮出水面。