📋 Sisäpiiritiedot tulevat julkisuuteen
Pieni nippu sisäpiiritietoja MiniMaxilta — yhdeltä Kiinan aliarvostetuimmista tekoälylaboratorioista — on juuri päätynyt julkisuuteen. Dokumentti käsittelee neljää aluetta: seuraavan sukupolven mallin kehitys, kilpailullinen asema koodaustesteissä, laskentainfrastruktuurin strategia ja bruttokatteennuste. Kokonaisuudessaan ne piirtävät kuvaa yhtiöstä, joka on tekemässä vakavaa siirtoa eturintaman mallikilvassa — ja saattaa muokata koko kiinalaisten tekoäly-API-rajapintojen hintakenttää.
MiniMax ei ole kovin tunnettu Kiinan ulkopuolella. Alan sisällä se tunnetaan kuitenkin kahdesta asiasta: Lightning Attention -mekanismista (joka on nyt kehittynyt MSA:ksi), joka tekee pitkän kontekstin päättelystä huomattavasti halvempaa, sekä yllättävän vahvasta koodausmallista (M3), joka lyö omaa painoluokkaansa. Näiden tietojen valossa molemmat edut ovat juuri kasvamassa merkittävästi.
🧬 Seuraava sukupolvi: 2,5–3 biljoonaa parametriä
Suurin luku: MiniMaxin seuraavan sukupolven malli tähtää 2,5–3 biljoonaan parametriin. Vertailun vuoksi GPT-4:n arvellaan olevan noin 1,8T ja DeepSeek V4:n 1–2T luokkaa. Jos MiniMax saavuttaa 3T:n lukeman, siitä tulee yksi suurimmista koskaan koulutetuista dense- tai MoE-malleista.
Uuden mallin esikoulutus on ollut käynnissä noin puolikuukauden ajan, ja tietojen mukaan kovergenssi ylittää odotukset. Malli käyttää MSA 2.0 -arkkitehtuuria (lisää alla), ja niin parametrien kuin aktivoinnin määrä ovat suunnilleen kaksinkertaistuneet nykyiseen M2-sukupolveen verrattuna.
Aikataulu: uuden mallin odotetaan julkaistavan kesän 2026 jälkeen (todennäköisesti syys–lokakuussa). Sisäisen tiimin kerrotaan olevan erittäin luottavainen sekä suorituskyvyn että valmiusasteen suhteen, ja sen väitetään johtavan kotimarkkinaa (Kiinaa).
⚡ MSA 2.0: Kustannustehokkuuden salainen ase
MSA tulee sanoista Multi-Scale Attention — MiniMaxin patentsoidun arkkitehtuuri, joka on kehittynyt heidän aiemmasta Lightning Attention -työstään. Keskeinen etu: se vähentää radikaalisti Attention-laskennan overheadia säilyttäen mallin laadun.
Miksi tämä on ratkaisevaa hinnoittelun kannalta:
- Koulutustehokkuus: MSA 2.0 antaa MiniMaxin kouluttaa 3T-parametrinen malli murto-osalla siitä, mitä tavallinen Transformer maksaisi. Alhaisempi koulutuskustannus = vähemmän takaisin maksettavaa pääomaa = enemmän tilaa aggressiiviselle API-hinnoittelulle.
- Päättelytehokkuus: MSA tukee äärimmäisen pitkiä sekvenssejä yhden kertaluokan laskenta-ohjelman pienenemisellä. Tämä tarkoittaa, että MiniMax voi tarjota yli miljoonan konteksti-ikkunoita paljon pienemmällä marginaalikustannuksella kuin kilpailijat, jotka käyttävät perinteistä Attention-mekanismia.
- Bruttokate: Tiedot sanovat suoraan, että parametrien ja aktivointien kaksinkertaistumisesta huolimatta uuden mallin bruttokatteen odotetaan ylittävän M2:n. Se on mahdollista vain, jos MSA 2.0 tuo oikeita token-kohtaisia kustannussäästöjä.
🚀 Koodausteho ja nopeus
Tiedot paljastavat mielenkiintoisia yksityiskohtia MiniMaxin koodausstrategiasta:
- M3 on nopein malli päävalikoimassa — noin 100 tokenia sekunnissa (TPS), ja tietojen mukaan nopeampi kuin yksikään kilpailija. Koodaustyönkuluissa, joissa kehittäjät seuraavat tulosteen virtaista reaaliajassa, tämä nopeusetu näkyy suoraan parempana käyttökokemuksena.
- MiniMaxin koulutusfilosofia nojaa korkealaatuiseen ammattimaiseen koodidataan pelkän määrän sijaan. Tiedot korostavat, että "datan laatu ja koulutusmetodologia merkitsevät enemmän kuin määrä" — vastakkainen kanta toimialalla, joka on pakkomielle datasettien koosta.
- M3.1 oli merkittävä päivitys M3:een (joka kärsi kiireellisestä jälkikoulutuksesta). Optimoidulla datan laadulla ja pitkän aikavälin tehtävädatalla M3.1 saavutti kertaluokan suorituskyvyn parannuksia monimutkaisissa koodaustehtävissä.
China AI Arbitrangen lukijoille: MiniMaxin koodausmalli on tällä hetkellä hinnoiteltu noin $1.20/M tulostetokenia — jo kilpailukykyinen Qwenin kanssa ja halvempi kuin GLM. Jos seuraavan sukupolven malli lunastaa lupauksensa, MiniMaxista voi tulla paras koodauksen hinta-laatusuhde koko Kiinan tekoälymarkkinalla.
🏗️ Laskentainfrastruktuuri: Ulkomainen etu
Yksi paljastavimmista osioista: MiniMax on hankkinut sääntöjen mukaista pääsyn ulkomaiseen GPU-laskentatehoon, mikä asettaa sen useimpien kiinalaisten tekoälykilpailijoiden edelle, jotka kamppailevat kotimaisten korvaavien vaihtoehtojen kanssa.
- Itse rakennettu verkko: MiniMax rakensi oman GPU- välisen verkko-infrastruktuurinsa sen sijaan, että se olisi luottanut toimittajien ratkaisuihin. Tiedot väittävät tämän säästäneen sekä kustannuksia että aikaa, ja vakaudeksi on kuvattu "odotuksia paremmaksi".
- Kotimainen laskentaputki: Kotimaiset (kiinalaiset) GPU:t ovat käytettävissä, mutta kapasiteetiltaan rajoitettuja. MiniMax odottaa ensimmäisen kotimaisen GPU-klusterinsa käyvän päälle vuoden 2026 kolmannella neljänneksellä, aluksi päättelykuormissa.
- Kaksijalkainen strategia: Ulkomaiset GPU:t koulutukseen (jossa tarvitaan huippusuorituskykyä), kotimaiset GPU:t päättelyyn (jossa tarvitaan mittakaavaa ja kustannustehokkuutta). Tämä on pragmaattinen lähestymistapa, johon useimmat kiinalaiset laboratoriot pyrkivät — MiniMax näyttää olevan toteutuksessa pidemmällä.
💰 Mitä tämä tarkoittaa tekoälyn hinnoittelulle
Yhdistetään pisteet hinnoitteluvaikutusten suhteen:
| Tekijä | Nykyinen (M3/M3.1) | Seuraava sukupolvi (3T-malli) | Vaikutus hinnoitteluun |
|---|---|---|---|
| Parametrit | ~1,5T (arvio) | 2,5–3T | Korkeampi suorituskykyn katto |
| Arkkitehtuuri | MSA 1.0 | MSA 2.0 | Matalampi token-kohtainen laskentakustannus |
| Bruttokate | Perustaso | Odotettu M2:ta korkeammaksi | Tilaa leikata hintoja tai parantaa katteita |
| Päättelynopeus | ~100 TPS | Avoin (todennäköisesti nopeampi) | Parempi käyttökokemus samalla kustannuksella |
| Tulostehinta | ~$1.20/M tokenia | Avoin | Kilpailupaine DeepSeekiä/Qweniä kohtaan |
Keskeinen johtopäätös: MiniMax rakennuttaa mallia, joka on yhtäaikaa suurempi JA tehokkaampi. Markkinassa, jossa DeepSeek V4 Flash jo tarjoaa tulosteen $0.28/M tokenilta, MiniMax ei voi vain vastata hintaa — sen tarjoaa jotain erilaista. Tiedot viittaavat, että heidän kulmansa on: eturintaman laatu + parhaan luokan nopeus + kestävät katteet arkkitehtuuri-innovaation kautta.
🌍 Arbitrasikulma
China AI Arbitrangen lukijoille tässä on syy, miksi tämä merkitsee:
Aina kun jokin kiinalainen laboratorio esittelee tehokkaamman arkkitehtuurin, se asettaa paineen kaikille muille — DeepSeek, Qwen, GLM, Kimi — joko vastata tehokkuudella tai leikata hintoja. Tämä kilpajuoksu pohjalle hyödyttää länsimaisia kehittäjiä, jotka pääsevät näihin API-rajapintoihin murto-osalla Yhdysvaltojen hinnoista.
Monet kiinalaiset tekoälylaboratoriot kohtaavat laskentavarmuuteen liittyvää epävarmuutta Yhdysvaltojen vientirajoitusten takia. MiniMaxin "sääntöjen mukainen ulkomainen pääsy" tarkoittaa, että sen API on vähemmän alttiina yllättäville kapasiteettirajoituksille — todellinen riski laboratorioille, jotka luottavat pelkästään kotimaisiin GPU:ihin. Vakaa tarjonta = luotettava arbitrasialusta.
Jos rakennat tuotetta, joka jälleenmyy kiinalaista tekoälykapasiteettia länsimaisille käyttäjille, viive merkitsee. MiniMaxin 100 TPS tarkoittaa, että loppukäyttäjiesi kokemus on sujuvampi — mikä antaa sinun veloittaa premiota hitaampiin vaihtoehtoihin verrattuna. Nopeus on lisäarvo, jonka voit muuttaa rahaksi.
⏳ Yhteenveto
MiniMax ei ole äänekkäin kiinalainen tekoälylaboratorio — se on DeepSeek. Se ei ole rahoitukseltaan suurin — se on Zhipu tai ByteDance. Nämä sisäpiiritiedot viittaavat kuitenkin, että se saattaa olla strategisesti parhaiten positioitunut: patentsoiduttu arkkitehtuuri, joka aidosti laskee kustannuksia; ulkomainen laskentaolo, joka tuo vakautta; sekä koodausmalli, joka on jo kilpailukykyinen ja on juuri kasvamassa paljon suuremmaksi.
Kolme asiaa, joita kannattaa seurata:
- Syys–lokakuu 2026: Uuden 3T-mallin julkaisu. Jos se lunastaa "johtaa kotimarkkinaa" -lupauksen, MiniMaxin API-hinnoittelu saattaa siirtää koko kilpakentän painopistettä.
- MiniMaxin API-hintojen muutokset: Jos MiniMax laskee hintoja uuden mallin julkaisun jälkeen (todennäköistä parantuneiden katteiden ansiosta), siitä tulee vakava vaihtoehto DeepSeekille eräkuormissa.
- MSA 2.0:n avaussulkeminen: MiniMax ei ole vielä avannut MSA:ta. Jos se tekee sen, se voisi dramaattisesti laskea koulutuskustannuksia koko kiinalaisessa tekoälyekosysteemissä — ja nopeuttaa hintakilpaa kohti nollaa.
Kiinalaisten tekoälymallien hintasodassa on uusi taistelija. Ja tällä on aidosti uudenlainen arkkitehtuuri tukemassa siirtojaan.
Lähde: MiniMaxin sisäpiiritiedot (heinäkuu 2026), ristiintarkistettu MiniMaxin julkista API-hinnoittelua ja vertailudataa vastaan.