Después de que el precio de las acciones de MiniMax se recupera un 92%: ¿Qué queda cuando una empresa modelo elimina el modelo?

Título original: "Después de que el precio de las acciones de MiniMax se recupera un 92%: ¿Qué queda cuando una empresa modelo elimina el modelo?"
Autor original: Dongcha Beating

El 31 de agosto, MiniMax subió un 16,18%. Desde su punto más bajo en julio, la acción se ha recuperado un 92%, con una capitalización de mercado que regresa a 124,9 mil millones de HKD.

Hace tres meses, el mercado había celebrado un servicio conmemorativo para esta empresa. El precio de las acciones había caído más de un 80% desde su pico, lo que llevó a una pérdida de 300 mil millones de HKD en valor de mercado.

El 26 de agosto, MiniMax publicó su informe de medio año, mostrando un crecimiento de ingresos interanual del 283%, con ingresos del segmento B aumentando un 703%; para agosto, el ARR de la empresa había superado los 800 millones de USD, y el consumo de tokens en julio fue 20 veces mayor que en enero.

Unos días después, lo que trajo a MiniMax de vuelta a la discusión fue un modelo que no creó por sí mismo.

H3 Max.

Canal Infinito

El 3 de agosto, MiniMax hizo de código abierto H3, un modelo de 33 mil millones de parámetros capaz de procesar texto, imágenes, video y audio simultáneamente. fal tomó sus pesos de código abierto, continuó con el post-entrenamiento y lo optimizó con su propia infraestructura de inferencia, creando finalmente H3 Max.

Según fal, para generar un video de 5 segundos, el rendimiento de H3 Max puede alcanzar aproximadamente 35 veces el de la terminal oficial de MiniMax.

El 29 de agosto, Rehan Sheikh, un ingeniero de la empresa estadounidense de infraestructura de IA generativa fal, conectó H3 Max a Twitch para una transmisión en vivo. El contenido de la transmisión en vivo no era un video pre-preparado. A medida que se reproducían las imágenes, el modelo generaba contenido en tiempo real. Cada segmento duraba 5 segundos, a 768p, con audio sincronizado, y el tiempo de generación era de aproximadamente 3 segundos.

La generación era más rápida que la reproducción.

Como resultado, los espectadores podían decidir la dirección de la trama a través de comentarios, y nuevas historias aparecerían en la pantalla en cuestión de segundos. Siempre que la máquina siguiera funcionando, este canal podría continuar teóricamente de manera indefinida. Durante un fin de semana, atrajo alrededor de 5 millones de visitas, y algunos que no les gustaba el contenido generado por IA lo apodaron la "Máquina de Comida Infinita".

El modelo subyacente es el mismo, pero lo que realmente amplió la brecha es el post-entrenamiento, la optimización de inferencia, la programación de hardware y los métodos de implementación después de que se entregó el modelo.

Un medio informó sobre esto con el titular:

"Post-Entrenamiento supera a la matriz"

Este incidente parece ser una hermosa optimización de ingeniería, sin embargo, plantea una pregunta más grande detrás de la recuperación de MiniMax.

Si los modelos pueden ser de código abierto, llevados y entrenados más, o incluso mejorados por otros para ser más rápidos y mejores, ¿cuál debería ser el precio de mercado para una empresa modelo?

Para responder a esta pregunta, primero echemos un vistazo a la empresa fal.

Esta empresa no entrena modelos fundamentales. Su negocio implica tomar modelos entrenados por otras empresas, ejecutarlos en su propia infraestructura y venderlos a desarrolladores. Cuanto más rápido salgan nuevos modelos, más rápido se actualizan sus estantes.

Después de integrar modelos, fal realiza optimización de inferencia, programación de hardware y despliegue, reduciendo la velocidad y el costo a un nivel más comercialmente viable. Más de 2,5 millones de desarrolladores utilizan sus modelos generativos, y el ARR de la empresa ha alcanzado aproximadamente 400 millones de USD, con un equipo de solo 70 personas.

En el último año, los ingresos de fal han crecido aproximadamente 60 veces, y su valoración ha pasado de 4,5 mil millones de USD a aproximadamente 8 mil millones de USD.

Sequoia realizó una entrevista en profundidad con el equipo fundador de fal, durante la cual el socio de Sequoia Capital, Pat Grady, mencionó que el equipo de fal observó en el segundo y tercer trimestre de 2025 que la vida media de los cinco principales modelos de video era de solo 30 días.

El término "vida media" proviene de la física, refiriéndose originalmente al tiempo requerido para que la mitad de los núcleos atómicos de una sustancia radiactiva se descompongan; en este contexto, se refiere al tiempo requerido para que aproximadamente la mitad de los cinco principales modelos de video sean reemplazados por nuevos modelos.

Un modelo que acaba de alcanzar la cima podría ser reemplazado por otro en un mes. Sin embargo, independientemente de cómo cambien los modelos, los desarrolladores siempre necesitan una plataforma para ejecutarlos.

fal ha asegurado esta posición.

Los desarrolladores pagan por cada llamada para cada imagen o video generado. Después de integrarse con una plataforma como fal, pueden cambiar al modelo que actualmente sea el mejor sin necesidad de reintegrar APIs o construir infraestructura. Los modelos pueden cambiar mensualmente, pero la posición de la plataforma es difícil de reemplazar.

El CEO de fal, Burkay Gur, una vez dijo: "Cuando la generación de contenido se vuelve infinita, las cosas limitadas se vuelven más valiosas."

Esta empresa en sí misma es un negocio nacido de la rápida depreciación de los modelos. H3 fue creado por MiniMax, pero los usuarios, ingresos y datos de uso de H3 Max permanecerán principalmente con fal. Cuanto más exitoso sea H3 Max, más aguda se vuelve esta cuestión.

Además, fal sigue siendo una empresa privada, y no puede ser comprada en el mercado público.

De HKD 1,100 a HKD 200

Cuando MiniMax salió a bolsa, el mercado creía en una historia diferente.

Esta empresa trabaja en modelos de texto, voz y video, con productos de C-end como Talkie y Conch AI, y productos de B-end como APIs. En comparación con las startups que se centran en modelos únicos, parecía más cercana a un ciclo de negocio multimodal completo.

El 9 de enero de este año, MiniMax salió a bolsa con un precio de emisión de 165 HKD, sobre suscrito 1,848 veces, y cerró con un aumento del 109% en el primer día. El 10 de marzo, el precio de las acciones superó los 1,100 HKD durante la negociación, con una capitalización de mercado que en un momento superó a Baidu.

Ese fue el momento en que el mercado más creyó en esta historia.

El punto de inflexión llegó en junio. El 1 de junio, MiniMax lanzó su modelo insignia M3, con 428 mil millones de parámetros. En comparación con GLM-5.2 y DeepSeek V4 lanzados alrededor del mismo tiempo, su tamaño de modelo era más pequeño. El énfasis oficial estaba en la eficiencia de entrenamiento e ingeniería, con un sistema capaz de operar de forma continua durante 12 horas sin supervisión, entrenando de forma autónoma cuatro modelos y acelerando los núcleos CUDA en 9.4 veces.

Luego surgieron los problemas. La comunidad descubrió que algunos de los resultados oficiales provenían de auto-pruebas, y había discrepancias significativas entre las pruebas reales de terceros y las cifras públicas. El ajuste sincronizado de las reglas de facturación también llevó a un aumento significativo en la velocidad de consumo para algunos usuarios antiguos.

El 5 de junio, la empresa se disculpó públicamente, afirmando que "M3 requiere más potencia de cálculo, lo cual es nuestra omisión", y diez días después, el modelo insignia, que había estado en línea durante solo dos semanas, se redujo permanentemente en un 50%; poco después, el 16 de junio, Zhizhu lanzó GLM-5.2, y el primer lugar de la lista de código abierto fue tomado de inmediato, con la ventaja de M3 durando solo dos semanas. En el primer día del levantamiento de restricciones el 9 de julio, MiniMax cayó un 20%, y unos días después, el precio de las acciones había caído más de un 80% desde su pico.

El día después del colapso, Yan Junjie anunció que ya no recibiría un salario hasta que se lograra AGI y asignaría acciones personales para recompensar al equipo y apoyar iniciativas de código abierto. Ese día, la empresa completó una colocación de 16 mil millones de HKD, recibiendo aproximadamente 7 veces la suscripción.

Para el 26 de agosto, MiniMax presentó un informe de medio año lo suficientemente impresionante, con ingresos aumentando un 283% interanual, ingresos del segmento B creciendo un 703%, y la inversión en I+D continuando en aumento rápido. Al día siguiente, el precio de las acciones solo subió un 4%.

El mercado claramente todavía está esperando algo más.

Activos Clave

El mayor problema para las empresas de modelos es que las actualizaciones de productos ocurren demasiado rápido.

A principios de junio, M3 acababa de alcanzar la cima, y medio mes después, fue superado por GLM-5.2; seguido por los lanzamientos de DeepSeek V4, GLM-5.3 y Kimi K3 en sucesión. El número uno actual puede cambiar de manos con el próximo lanzamiento de un modelo, con una ventana de ventaja de solo unas pocas semanas.

Liderar solo se puede medir en semanas; depender únicamente de un modelo claramente no puede sostener la valoración a largo plazo de una empresa.

Así, durante el último año, el mercado ha estado buscando los verdaderos activos clave de las empresas de modelos.

La respuesta más directa es el modelo de próxima generación, pero la próxima generación también se volverá obsoleta rápidamente. Mientras la industria continúe iterando rápidamente, la capacidad de "crear nuevos modelos" solo puede asegurar que una empresa no sea eliminada, pero no explica por qué vale la pena mantenerla a largo plazo.

Una respuesta más convincente es la capacidad de crear modelos.

Muchos lanzamientos de modelos este año ya han demostrado que la misma base, dependiendo únicamente del post-entrenamiento y el entorno, también puede producir saltos significativos en capacidad.

Los GLM-5.3 y GLM-5.2 de Zhizhu utilizan la misma base de 753 mil millones de parámetros, y los cambios reales provienen de un entorno de entrenamiento más grande y el post-entrenamiento de aprendizaje por refuerzo. Las puntuaciones de Terminal-Bench 3.0 saltaron de 4.6 a 28.3, sin re-entrenamiento de la base, y sin embargo, los resultados mejoraron significativamente.

Tang Jie se refirió más tarde a esto como un "experimento de variable controlada."

Kimi K3 ha establecido más de 50 millones de entornos de sandbox durante el entrenamiento y la evaluación, con una cantidad significativa de tiempo de máquina gastado esperando la inferencia del modelo. Operaciones como congelar, reanudar y bifurcar se han comprimido a decenas de milisegundos, permitiendo que el modelo intente, falle y reinicie repetidamente en vastos entornos del mundo real.

Cline incluso permitió que K3 modificara su propia estructura de entrenamiento. Después de 17 horas sin intervención humana, su puntuación mejoró de 77.5 a 88.8.

Lo que las empresas de modelos encuentran verdaderamente difícil de replicar ha cambiado de un solo peso a un sistema completo de pesos de producción, pesos de post-entrenamiento y pesos de evaluación.

Anthropic gasta más de 1 mil millones de dólares al año en entornos de aprendizaje por refuerzo. OpenAI ha comprado decenas de miles de Macs para agentes de uso informático por la misma razón.

Las barreras de entrada y la inversión para construir tales sistemas están aumentando rápidamente, y no están únicamente en manos de las empresas de modelos.

Composer 2 de Cursor es un ejemplo típico. Su tecnología subyacente se basa en el Kimi K2.5 de código abierto de Dark Side of the Moon, pero la valoración del mercado de Cursor claramente no está relacionada con Kimi K2.5.

Cursor ha acumulado una gran cantidad de comportamientos de programación reales, flujos de trabajo de desarrolladores y sistemas de aprendizaje por refuerzo entrenados alrededor de estos datos. El modelo fundamental proviene de otros, pero lo que realmente importa es lo que queda después de que se utiliza el modelo.

Fal es similar. Tomó los pesos de H3 y creó H3 Max. Los usuarios generan videos en fal, y los ingresos van primero a fal, con los datos también retenidos inicialmente por fal.

Las empresas de modelos upstream proporcionan las materias primas más caras, mientras que downstream pueden acumular lo que realmente puede acumular valor. La complejidad técnica y la capacidad de captura de valor no corresponden naturalmente.

Hace treinta años, ocurrió una situación similar en la industria de las computadoras personales. El chip era la parte más compleja de la máquina, pero los consumidores comunes reconocían a Dell y Compaq. Intel tardó más de una década en volver a insertarse en la vista de los consumidores con "Intel Inside."

### Empresas de Modelos Menos Modelos

Así, para evaluar el valor de una empresa de modelos, uno podría considerar un enfoque de sustracción. Después de restar los pesos del modelo, las optimizaciones de inferencia replicables y las capacidades de post-entrenamiento que pueden ser asumidas por terceros, lo que queda es lo que la empresa puede poseer verdaderamente a largo plazo.

MiniMax ha llevado a cabo proactivamente tal experimento. El 3 de agosto, hizo de código abierto H3. En poco tiempo, aparecieron cientos de modelos derivados, con descargas que alcanzaron decenas de millones. Plataformas de chips como Huawei Ascend, Muxi y AMD completaron rápidamente las adaptaciones, y muchos desarrolladores y socios se unieron.

Aunque los pesos fueron de código abierto, los contratos corporativos y los ingresos de API no disminuyeron; solo en julio, antes de que H3 se hiciera de código abierto, el consumo de tokens de MiniMax ya era 20 veces mayor que en enero, y estos aún cuentan en sus libros.

Más importante aún, H3 no liberó todo. Los dos módulos gestionados, H3-Context-IR y Regenerate-2 K, permanecen bajo el control de MiniMax. Para generar videos de 2 K de mayor especificación, aún se necesita llamar a los servicios oficiales. Esta es una estrategia típica de código abierto: difundir capacidades fundamentales para hacer crecer el ecosistema mientras se retienen las partes que pueden generar retornos comerciales en el lado del servidor.

Por lo tanto, la importancia de H3 Max para MiniMax no es solo que "otros han optimizado mi modelo más rápido", sino que demostró esa sustracción al mercado por primera vez.

El informe de medio año proporcionó parte de la respuesta: los ingresos del segmento B crecieron un 703%, con un ARR que superó los 800 millones de dólares. Al menos hasta ahora, el código abierto no ha llevado a una pérdida de todo el valor. Pero H3 Max también mostró otra mitad del riesgo: las relaciones con los usuarios, los ingresos por llamadas y los datos de uso pueden asentarse en plataformas downstream.

### Toro vs. Oso

A finales de agosto, el precio de las acciones de MiniMax se recuperó casi el doble de su mínimo, mientras que la proporción de ventas en corto aumentó a aproximadamente el 20%, alcanzando un máximo.

Los toros ven lo que queda después de la sustracción. Por ejemplo, clientes empresariales, ingresos por API, llamadas reales, retroalimentación de datos y la capacidad del sistema para continuar entrenando la próxima generación de modelos. En el mercado público, tales activos son escasos, y hay pocas empresas de modelos disponibles para la compra, lo que le da a MiniMax una clara prima de escasez.

La explosiva popularidad de H3 Max también proporcionó una referencia muy intuitiva para este dinero. Si una empresa como fal vale 8 mil millones de dólares, y uno de los nuevos productos más populares de fal se basa en H3, ¿cuánto vale la empresa detrás de H3?

Esta es la línea de pensamiento del toro.

La perspectiva del oso es que si los pesos pueden ser tomados de forma gratuita, el post-entrenamiento puede ser completado por fal, y la velocidad de inferencia puede ser mejorada por terceros en 35 veces, entonces, ¿por qué todas estas capacidades deberían permanecer en la valoración de MiniMax?

Esto también explica el rendimiento inusual de las acciones de MiniMax en los últimos meses; los informes financieros solo pueden reflejar cuánto está ganando actualmente la empresa, pero lo que realmente le importa al mercado es lo que puede retener después de hacer código abierto. H3 Max fue el primero en poner esta respuesta sobre la mesa.

### Retroalimentación

Después de lanzar H3, MiniMax enfrenta en realidad un problema comercial muy antiguo. Una empresa puede renunciar voluntariamente a una capa de escasez, siempre que sepa dónde está la siguiente capa de dinero.

Red Hat hizo tal elección una vez.

El código fuente de Linux nunca ha pertenecido a Red Hat; cualquiera puede descargarlo, modificarlo y redistribuirlo de forma gratuita. Lo que Red Hat finalmente vende no es Linux en sí, sino las versiones estables, el mantenimiento a largo plazo, el soporte técnico y los sistemas de certificación por los que las empresas están dispuestas a pagar.

Cuanto más se difunde el software de código abierto, más grande se vuelve el mercado para este servicio. En 2019, IBM gastó 34 mil millones de dólares para adquirir Red Hat, y lo que compró no fue, sin duda, una copia del código fuente de Linux que cualquiera podía descargar.

Lo que se libera debe poder traer de vuelta valor.

Esto es también lo que MiniMax necesita probar después de hacer de código abierto H3.

El mercado ya ha visto la difusión. Los modelos están siendo descargados, adaptados y reentrenados, y productos de terceros como H3 Max están comenzando a surgir.

Lo que queda por ver es si esta difusión puede reflejarse finalmente en los propios ingresos y activos de MiniMax.

Podría ser más clientes empresariales, posiblemente un aumento continuo en el consumo de API, o datos y retroalimentación dejados por desarrolladores durante el uso que eventualmente reingresen al post-entrenamiento y se conviertan en parte de la próxima generación de modelos.

Si estos elementos pueden formar un ciclo, cuanto más se lleve H3, más puntos de entrada ganará MiniMax.

Si el ciclo no se forma, la situación será completamente diferente.

La influencia del modelo puede crecer, y el ecosistema puede volverse más próspero, pero las relaciones con los clientes más valiosas, los datos de uso y los puntos de entrada de transacciones finalmente se asentarán en manos de otros. Para entonces, MiniMax puede proporcionar capacidades fundamentales pero no capturar la mayor parte del valor generado por esta ronda de difusión.

Por lo tanto, lo que realmente necesita probar la apertura de H3 no son las cuentas de descarga o cuántas empresas anuncian adaptaciones. Esos números solo pueden probar que se ha difundido lo suficiente.

En los próximos trimestres, lo que necesita observarse es cuánto dinero aún puede regresar después de su lanzamiento. Red Hat tiene contratos de servicio empresarial, Google tiene búsqueda y publicidad. MiniMax también necesita encontrar su propio canal.