高峰时段上调 API 价格，正成为国内大模型行业竞争逻辑变化的重要信号。

DeepSeek 宣布 V4 正式版将于 7 月中旬上线，并首次引入高峰 / 非高峰差异定价机制：工作日上午 9 点至 12 点、下午 2 点至 6 点，API 价格上调至非高峰时段的 2 倍。对应到具体价格，V4 Pro 混合定价从每百万 Token 0.17 美元升至 0.35 美元，V4 Flash 从 0.06 美元升至 0.12 美元。

高盛在 7 月 3 日的研报中指出，这一调整并不意味着需求走弱，恰恰相反，它反映的是 AI 调用需求仍在上行，但算力资源正在趋紧。在这一背景下，大模型厂商的竞争重心，正从 " 价格压制 " 转向 " 成本结构 + 算力效率 + 商业化能力 " 的综合博弈。

更重要的是，这可能意味着自 2026 年 4 月底以来持续的激进价格战，正在进入尾声。此前一段时间，行业价格一度被压缩至接近零毛利甚至亏损运行。但随着推理成本被重新定价，价格体系开始向真实成本回归。

换言之，这场持续了两个多月的价格战，正在迎来拐点。

01

算力荒加剧，" 行业斩杀线 " 开始价格回归

过去一年，大模型行业的竞争逻辑可以概括为一句话：用更低价格换更大规模。但这一前提正在被算力的硬约束打破。

多家海外投行预测，到 2028 年全球 TPU 总需求将达到 3500 万颗，而当前台积电产线已满产运行，库存几近清零，供给缺口至少将持续两年以上。

这意味着，算力不再是可以买到的资源，而正在变成需要排队的瓶颈。

以 Anthropic 为例，其单家已占用超 200 万张 TPU 卡，却仍需对外租赁第三方算力兜底。在资源本就紧张的情况下还持续亏损定价，这场仗注定打不长。算力的硬约束，正倒逼行业定价策略从激进补贴向价值回归。

在资源紧张的情况下持续亏损定价，这场仗注定打不长。DeepSeek 自己先松了口——当行业定价标杆主动涨价，" 谁降价谁弱 " 的旧叙事基础开始松动。

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回归理性红利的，是兼具推理成本优势与商业化能力的头部梯队。而 MiniMax，即是其一。

MiniMax 的 M3 模型混合定价为每百万 Token0.22 美元，比 DeepSeek 调价后的 0.35 美元还低，但高盛分析师指出，其毛利率却远超同行。

高盛研报分析，GLM 5.2 定价最高但调用量少，DeepSeek Flash 量大但单价太低，M3 卡在了定价与调用量的最优平衡点

02

把算力压到极限，MiniMax 站上拐点有利的一侧

MiniMax 的核心变量，不在更便宜，核心是更高利用率。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，低谷时段将闲置算力用于实验和数据标注——通过峰谷调度把算力利用压到极限。

继而是架构级降本。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 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。

最后是外部验证扩散。 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，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 场景体感接近 Claude Opus 4.7，而成本仅为其 5% 至 10%。

也就是说，这不是单点能力优势，而是单位算力产出密度的系统性优化。

文本模型之外，MiniMax 正在试图打开另一条曲线。

下一代视频生成模型 H3 预计将在未来数周发布。在高盛看来，其核心升级在于视频生成质量与多样性提升，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%。

倘若 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 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 早期阶段具有一定相似性：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 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，MiniMax 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。这个数字本身已经相当高。

对比那些靠堆销售团队维持 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。

MiniMax 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。要知道，一家大厂从感知到产品上线要几个月，MiniMax 可能是几周。这几周的时间差，在 AI 赛道就是一个窗口期的生死。

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在走向分野。

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。