📋 Catatan Internal Bocor
Sekumpulan catatan internal dari MiniMax — salah satu lab AI paling underestimate di Tiongkok — baru saja terungkap. Dokumen ini mencakup empat area: pengembangan model generasi berikutnya, posisi kompetitif di benchmark coding, strategi infrastruktur komputasi, dan proyeksi gross margin. Secara keseluruhan, gambar yang terbentuk adalah perusahaan yang siap melakukan langkah serius di ajang balapan model frontier — dan berpotensi membentuk ulang lanskap harga API AI Tiongkok.
MiniMax bukan nama yang familiar di luar Tiongkok. Namun di dalam industri, mereka dikenal lewat dua hal: mekanisme Lightning Attention (kini berevolusi menjadi MSA) yang membuat inferensi konteks panjang jauh lebih murah; serta sebuah model coding yang mengejutkan kuatnya (M3) dan bermain di atas kelasnya. Catatan ini mengisyaratkan kedua keunggulan itu akan berkembang jauh lebih besar.
🧬 Generasi Berikutnya: 2,5–3 Triliun Parameter
Angka utamanya: model generasi berikutnya MiniMax menargetkan 2,5–3 triliun parameter. Sebagai pembanding, GPT-4 diperkirakan sekitar 1.8T, dan DeepSeek V4 diyakini berada di kisaran 1–2T. Jika MiniMax mencapai 3T, ini akan menjadi salah satu model dense/MoE terbesar yang pernah dilatih.
Pre-training model baru ini sudah berjalan sekitar dua minggu, dan menurut catatan tersebut, konvergensinya melampaui ekspektasi. Model ini memakai arsitektur MSA 2.0 (detail di bawah) dengan jumlah parameter dan aktivasi yang kurang lebih berlipat ganda dibanding generasi M2 saat ini.
Lini masa: model baru ini dijadwalkan rilis setelah musim panas 2026 (sekitar September–Oktober). Tim internal dilaporkan sangat percaya diri pada performa dan tingkat kesiapannya, dan mengklaim akan memimpin pasar domestik (Tiongkok).
⚡ MSA 2.0: Senjata Rahasia Efisiensi Biaya
MSA adalah singkatan dari Multi-Scale Attention — arsitektur proprietary MiniMax yang berevolusi dari kerja Lightning Attention mereka sebelumnya. Keunggulan utamanya: menekan drastis overhead komputasi Attention sembari menjaga kualitas model.
Mengapa ini penting bagi harga:
- Efisiensi pelatihan: MSA 2.0 membuat MiniMax bisa melatih model berparameter 3T dengan biaya sebagian kecil dari yang dibutuhkan Transformer standar. Biaya pelatihan lebih rendah = modal yang harus dipulihkan lebih sedikit = lebih banyak ruang untuk harga API yang agresif.
- Efisiensi inferensi: MSA mendukung sekuens super panjang dengan penurunan overhead komputasi sebesar satu ordo. Artinya MiniMax bisa menawarkan jendela konteks 1 juta+ dengan biaya marjinal jauh di bawah kompetitor yang memakai Attention biasa.
- Gross margin: Catatan tersebut secara eksplisit menyatakan bahwa meski parameter dan aktivasinya berlipat ganda, gross margin model baru ini diproyeksikan melampaui M2. Ini hanya mungkin kalau MSA 2.0 benar-benar memberikan penghematan biaya per token.
🚀 Performa & Kecepatan Coding
Catatan tersebut mengungkap detail menarik tentang strategi coding MiniMax:
- M3 adalah model tercepat di lini utama — sekitar 100 token per detik (TPS), yang menurut catatan lebih cepat dari semua kompetitor. Untuk workflow coding tempat developer menonton output mengalir secara real-time, keunggulan kecepatan ini langsung berubah menjadi UX yang lebih baik.
- Filosofi pelatihan MiniMax lebih condong ke data kode profesional berkualitas tinggi daripada sekadar volume. Catatan menekankan bahwa "kualitas data dan metodologi pelatihan lebih penting daripada kuantitas" — sikap kontrarian di industri yang terobsesi pada skala dataset.
- M3.1 adalah peningkatan besar dari M3 (yang punya kekurangan karena post-training yang terburu-buru). Dengan mengoptimalkan kualitas data dan menambahkan data tugas jangka panjang, M3.1 meraih peningkatan kemampuan sebesar satu ordo pada masalah coding kompleks.
Bagi pembaca China AI Arbitrage: model coding MiniMax saat ini dibanderol sekitar $1.20/juta token output — sudah setara dengan Qwen dan lebih murah dari GLM. Jika model generasi berikutnya memenuhi janjinya, MiniMax bisa menjadi nilai coding terbaik di pasar AI Tiongkok.
🏗️ Infrastruktur Komputasi: Keunggulan Luar Negeri
Salah satu bagian paling mengungkap: MiniMax telah mengamankan akses GPU luar negeri yang patuh regulasi, melaju di depan mayoritas kompetitor AI Tiongkok yang sedang berjuang mencari alternatif domestik.
- Jaringan buatan sendiri: MiniMax membangun infrastruktur jaringan antar-GPU mereka sendiri alih-alih mengandalkan solusi vendor. Catatan mengklaim ini menghemat biaya dan waktu, dengan stabilitas "melampaui ekspektasi".
- Pipeline komputasi domestik: GPU domestik (buatan Tiongkok) dapat dipakai tetapi kapasitasnya terbatas. MiniMax memperkirakan cluster GPU domestik pertama mereka online di kuartal ketiga 2026, dimulai untuk beban kerja inferensi.
- Strategi dua jalur: GPU luar negeri untuk pelatihan (yang butuh performa mutakhir), GPU domestik untuk inferensi (yang butuh skala dan efisiensi biaya). Ini pendekatan pragmatis yang diidam-idamkan mayoritas lab AI Tiongkok — MiniMax tampaknya lebih maju dalam eksekusinya.
💰 Apa Artinya bagi Harga AI
Mari hubungkan titik-titiknya pada implikasi harga:
| Faktor | Saat Ini (M3/M3.1) | Generasi Berikutnya (Model 3T) | Dampak pada Harga |
|---|---|---|---|
| Parameter | ~1.5T (perkiraan) | 2,5–3T | Plafon kemampuan lebih tinggi |
| Arsitektur | MSA 1.0 | MSA 2.0 | Biaya komputasi per token turun |
| Gross Margin | Baseline | Diproyeksikan di atas M2 | Ruang untuk menurunkan harga atau meningkatkan margin |
| Kecepatan Inferensi | ~100 TPS | Belum diketahui (mungkin lebih cepat) | UX lebih baik dengan biaya yang sama |
| Harga Output | ~$1.20/juta token | Belum diketahui | Tekanan kompetitif bagi DeepSeek/Qwen |
Intinya: MiniMax sedang membangun model yang sekaligus lebih besar DAN lebih efisien. Di pasar tempat DeepSeek V4 Flash sudah menawarkan output seharga $0.28/juta token, MiniMax tak bisa hanya menyamakan harga — mereka perlu menawarkan sesuatu yang beda. Catatan itu mengisyaratkan sudut pandang mereka: kualitas kelas frontier + kecepatan terbaik di kelasnya + margin berkelanjutan lewat inovasi arsitektur.
🌍 Sudut Pandang Arbitrase
Bagi pembaca China AI Arbitrage, inilah sebabnya hal ini penting:
Setiap kali sebuah lab Tiongkok mendemonstrasikan arsitektur yang lebih efisien, hal itu memberi tekanan pada semua pemain lain — DeepSeek, Qwen, GLM, Kimi — untuk menyamakan efisiensi atau menurunkan harga. Perlombaan ke bawah ini menguntungkan developer Barat yang bisa mengakses API-API ini hanya dengan sebagian kecil dari harga AS.
Banyak lab AI Tiongkok menghadapi ketidakpastian komputasi akibat kontrol ekspor AS. "Akses luar negeri yang patuh regulasi" milik MiniMax berarti API mereka lebih kecil kemungkinannya menghadapi pembatasan kapasitas mendadak — risiko nyata bagi lab yang mengandalkan GPU domestik sepenuhnya. Pasokan stabil = fondasi arbitrase yang andal.
Kalau Anda membangun produk yang menjual kapasitas AI Tiongkok ke pengguna Barat, latensi penting. 100 TPS milik MiniMax berarti pengguna akhir Anda dapat pengalaman yang lebih responsif — yang membuat Anda bisa memungut premi dibanding alternatif yang lebih lambat. Kecepatan adalah nilai tambah yang bisa dimonetisasi.
⏳ Kesimpulan
MiniMax bukan lab AI Tiongkok paling rame — itu DeepSeek. Bukan juga yang paling besar pendanaannya — itu Zhipu atau ByteDance. Tetapi catatan internal ini mengisyaratkan bahwa mereka mungkin yang paling tepat posisi strategisnya: arsitektur proprietary yang benar-benar menurunkan biaya, akses komputasi luar negeri yang memberi stabilitas, dan sebuah model coding yang sudah kompetitif dan akan berkembang jauh lebih besar.
Tiga hal untuk dipantau:
- September–Oktober 2026: Rilis model 3T baru. Jika memenuhi janji "memimpin pasar domestik", harga API MiniMax bisa mengubah seluruh lanskap kompetitif.
- Perubahan harga API MiniMax: Jika MiniMax menurunkan harga setelah model baru rilis (kemungkinan besar, mengingat perbaikan margin), mereka akan menjadi alternatif serius bagi DeepSeek untuk beban kerja batch.
- Open-source MSA 2.0: MiniMax belum membuka MSA. Jika dibuka, ini bisa menurunkan biaya pelatihan di seluruh ekosistem AI Tiongkok secara dramatis — dan mempercepat perlombaan harga menuju nol.
Perang harga AI Tiongkok punya petarung baru. Dan yang ini punya arsitektur yang benar-benar baru sebagai pendukung.
Sumber: Catatan internal MiniMax (Juli 2026), diverifikasi silang dengan harga API publik MiniMax dan data benchmark.