Em 30 de maio, o Zhi Xī Dong, relata que, conforme o site da Comissão Reguladora de Valores Mobiliários da China, a líder chinesa em modelos de IA de grande porte, MiniMax, apresentou ao Escritório de Supervisão de Valores Mobiliários de Xangai, em 29 de maio, o relatório de registro para orientação de listagem, iniciando o processo de listagem na bolsa A, com a CITIC Securities atuando como instituição orientadora.
Isso também significa que a MiniMax competirá junto com a Zhipu, que já submeteu o registro de orientação para listagem na bolsa A, pela primeira empresa de modelo de grande porte na bolsa A.
A MiniMax foi fundada em janeiro de 2022 e concluiu sua IPO na bolsa de Hong Kong em janeiro deste ano. Após a IPO na bolsa de Hong Kong, o preço das ações da MiniMax disparou. Até o fechamento da bolsa de Hong Kong em 29 de maio, seu preço era de 840 dólares de Hong Kong (aproximadamente 725,24 yuan chinês), um aumento de 409,09% em relação ao preço de emissão de 165 dólares de Hong Kong (aproximadamente 142,46 yuan chinês), com uma capitalização de mercado de 263,454 bilhões de dólares de Hong Kong (aproximadamente 2,27545 trilhões de yuan chinês). A partir de 8 de junho deste ano, a MiniMax também será incluída no Índice de Tecnologia Hang Seng.
Por trás da disparada dos preços das ações, há fundamentos de desempenho que dão suporte.
Em 28 de maio, a MiniMax divulgou alguns dados operacionais. Nos últimos dois meses, o ARR (receita recorrente anualizada) da MiniMax cresceu mais de 100%, com mais de um milhão de clientes corporativos e desenvolvedores globais, um aumento de cinco vezes em relação a seis meses atrás; a base de usuários globais é de aproximadamente 300 milhões.
Em março deste ano, a MiniMax divulgou seu primeiro relatório anual após a abertura de capital. Na conferência telefônica sobre os resultados financeiros, o fundador e CEO Yan Junjie revelou que, até fevereiro de 2026, o ARR da empresa atingiu US$ 150 milhões.
Ou seja, combinado com o crescimento superior a 100% nos últimos dois meses, o ARR atual da MiniMax supera US$ 300 milhões.
Em 2025, a MiniMax gerou uma receita de US$ 79,038,000 (aproximadamente RMB 535 milhões), dos quais US$ 53,075,000 (aproximadamente RMB 359 milhões) vieram de produtos nativos de IA e US$ 25,963,000 (aproximadamente RMB 177 milhões) vieram da plataforma aberta e de outros serviços empresariais baseados em IA.
Sua margem bruta aumentou para 25,4%, e o prejuízo líquido ajustado foi de US$ 250 milhões (aproximadamente RMB 1,69 bilhão), com uma redução significativa na taxa de prejuízo em comparação ao mesmo período do ano anterior.
▲Dados financeiros parciais da MiniMax para 2025
Em termos de produtos, desde o início deste ano, a MiniMax lançou sucessivamente três modelos de linguagem grande de ponta: MiniMax-M2.5, MiniMax-M2.6 e MiniMax-M2.7, e abriu o código dos modelos M2.5 e M2.7.
▲Parte dos modelos abertos da MiniMax (fonte: ModelScope)
Com boa relação custo-benefício, o MiniMax-M2.5 ganhou a preferência de muitos desenvolvedores durante o "Boom do Lagostim" (o framework de agente de IA de código aberto OpenClaw) no início deste ano e foi recomendado por Peter Steinberger, o "pai do Lagostim", em um artigo.
Em meados de fevereiro deste ano, a MiniMax chegou a ser a fabricante de modelos com a maior participação de mercado na plataforma de roteamento agregado de modelos de IA, OpenRouter, respondendo por 18,9% do volume de chamadas de modelos na OpenRouter. No entanto, atualmente, a MiniMax já caiu fora dos 10 principais da lista.
▲ Ranking dos fornecedores de modelos do OpenRouter em meados de fevereiro deste ano (fonte: OpenRouter)
Além disso, em maio deste ano, a MiniMax atualizou seu produto Agent e o renomeou para Mavis, oferecendo um modo de trabalho paralelo de múltiplos Agentes, adequado para aumentar a taxa de conclusão de tarefas longas e complexas.
No final de maio, a conta oficial da MiniMax revelou que o MiniMax-M3 será lançado em breve.
▲ Conta oficial da MiniMax anuncia o modelo M3 (fonte da imagem: plataforma X @MiniMax_AI)
O líder do projeto MiniMax, Skyler Miao, revelou mais detalhes técnicos sobre o MiniMax-M3. O MiniMax-M3 utiliza o mecanismo MiniMax Sparse Attention; em comparação com o MiniMax M2, na fase de Prefilling, a velocidade de inferência do MiniMax-M3 aumenta 9,7 vezes ao processar 1 milhão de tokens; na fase de Decoding, quando o comprimento do KV atinge 1 milhão, a velocidade aumenta ainda mais, em 15,6 vezes, reduzindo efetivamente a latência de atenção.
O mecanismo MiniMax Sparse Attention baseia-se na arquitetura GQA (Grouped Query Attention). Primeiro, por meio do ramo de índice (Index Branch), utiliza consultas de índice comprimidas (Idx Q) e chaves (Idx KV) para calcular pontuações de bloco e aplicar max pooling, selecionando os Top-k índices de blocos mais relevantes para a consulta atual; em seguida, entra no ramo esparsa (Sparse Branch), executando cálculos de atenção esparsa apenas nos blocos chave selecionados, reduzindo significativamente a carga computacional.
▲Detalhes técnicos da tecnologia MiniMax Sparse Attention (fonte da imagem: plataforma X @SkylerMiao7)
Conclusão: Principais jogadores domésticos de modelos grandes disputam entrada na bolsa
Ao entrar em 2026, as principais empresas domésticas de modelos grandes têm acelerado suas ações no mercado de capitais. Além da MiniMax, a Zhipu apresentou, em abril de 2025, o registro de orientação para listagem na bolsa de A-shares, mas finalmente concluiu seu IPO primeiro no mercado de Hong Kong. Em fevereiro deste ano, a Zhipu retirou seu anterior registro de orientação para listagem na bolsa de A-shares e realizou um novo registro de orientação, adicionando Guotai Haitong como instituição orientadora.
Além disso, também circularam notícias de que Moonshot, Jiepao Stars e ZeroOne Everything planejavam realizar um IPO em Hong Kong.
Diante do alto investimento em poder de processamento e de caminhos de comercialização ainda não totalmente fechados, os principais players de grandes modelos estão recorrendo à abertura de capital para acessar canais de financiamento mais diversificados.
Este artigo é do canal oficial do WeChat "Zhi Dongxi" (ID: zhidxcom), autor: Chen Junda