在MiniMax公司内部，M3模型发布后迅速卷入一场关于产品定价的争议，公司因此经历了一段艰难时期。我得以近距离观察，见证了这家快速成长的模型公司在面对挑战时，内部的冲突、调和以及自我反思的过程。
争论的导火索是M3模型同步推出的新收费体系。该体系从原有的订阅制转向按token计费。许多用户发现，在相同使用强度下，消耗的额度远超预期，且此次调整缺乏充分的预先通知和清晰的解释，导致用户在不知情的情况下规则发生改变。这迅速引发了用户的不满，有人要求退款，有人在社交媒体上表达了他们的失望。
在模型发布后的第二天，公司内部的焦虑情绪达到顶点。一名技术负责人就定价方案的设计直接质问了负责开放平台的同事，双方爆发了激烈的争执。这场争论的背后，是团队将数月心血倾注于模型研发，却因定价问题而引发用户危机，导致关注点全然偏离。
尽管争吵激烈，但在一小时内，新的套餐设计便已更新完成。事后，我与争执的双方进行了交流。他们表示，争吵仅限于技术细节，并无个人恩怨。其中一位技术负责人后来在另一个场合，还维护了与他发生争执的同事，认为其经验不足，缺乏对早期用户情绪和版本迭代的“context”（背景信息），并强调这是所有人的责任。
MiniMax的组织结构高度扁平化，信息流动极其自由。员工通常在上午陆续到岗，公司提供餐饮，工作时间相对灵活。公司的三层办公区内，会议室使用率极高，经常需要临时协调。在模型发布前夜，许多员工在总部通宵达旦，确保服务稳定和细节敲定。公司最习惯的协作方式是线上沟通，信息在相关人员之间迅速传递。
“Context”是MiniMax强调的核心，他们鼓励信息的自由流动，这使得组织呈现出一种混乱而充满活力的状态。在M3模型上线前的最后阶段，算法和开发团队在一个共享文档中同步更新信息，仿佛整个公司都汇聚于此。创始人IO（闫俊杰）也参与其中，在充分了解背景信息后，他会做出最终决策。这种协作模式意味着，任何与某个事项相关的人都会被即时纳入讨论，以确保信息共享和快速决策。
M3模型被公司寄予厚望，其发布也承载了团队的诸多期待。然而，定价风波带来的质疑和批评，对许多团队成员而言，无疑是公司发展中的“至暗时刻”。
MiniMax的发展并非一帆风顺。此前，公司凭借M2.5模型在Agent领域取得了不错的成绩，但随后模型技术迭代迅速，竞争对手不断推出更强大的产品。M2.7模型推出后，用户反馈其能力已显不足。尽管MiniMax是中国最早投入大模型研发的公司之一，且内部一直将提升模型智能水平作为首要目标，但用户对公司的第一印象更多来自于其产品而非模型本身。
M3模型发布后，技术界对其创新能力表示赞赏，但定价争议却引发了部分用户的愤怒，并导致公司市值大幅下跌。后续的道歉公告未能完全平息事态，一些批评甚至演变为谩骂，公司内部开始发现部分账号存在水军特征。更让MiniMax担忧的是，这些争议分散了人们对模型技术创新的关注。
公司深刻意识到，此次风波暴露了其在用户沟通和信息背景（context）提供方面存在的不足。收费体系的调整并非纯粹的商业化考量，而是模型能力提升的必然产物。随着模型能力的增强，旧的收费体系显得过于复杂，需要更新以适应新的模型特性。公司内部的共识是，未来的模型使用将趋向于像水电煤一样按需付费，token将成为服务的核心。MiniMax许多决策的背后逻辑是“既然迟早如此，为何不早点改变”。
公司在M3发布后的一次全员复盘会议上，IO向全体员工致歉，承认效果未达预期，并分享了对竞争、技术和组织运作方式的思考。他强调了“就事论事”的原则，认为客观事实不会带来不必要的压力。与一些大厂不同，MiniMax的文化鼓励坦诚交流和合作，即使是创始人之间也会激烈争论，但事后仍能正常合作。这种“就事论事”的特质，让员工感到安全，专注于工作本身。
MiniMax鼓励员工从专业角度提供输入，确保信息的透明度。IO在信息洪流中，会定期同步他对公司不同发展阶段及资源情况下的目标思考。他认为，公司的核心气质在于“ego很小”，即便在行业内普遍存在“天才叙事”的环境下，MiniMax团队以“靠谱”著称。他们不追求虚名，而是专注于技术本身。
公司的名字“MiniMax”也体现了其追求“Scale”的理念。IO认为，好的研究应像ResNet一样简洁可解释，易于规模化。MiniMax布局全面，涵盖语言、多模态模型及产品，旨在实现“intelligence with everyone”的通用智能。在M3模型的训练中，公司通过多模态混合训练、扩展上下文长度（MSA）以及构建交互式用户模拟器等方式，提升了模型的规模化潜力。
MiniMax鼓励员工利用AI提升效率，内部开放了极高的AI改造权限，例如“AI实习生”的开发。公司内部达成共识，AI Native并非空洞的概念，而是AI在组织运转中扮演的角色，以及公司对其的认知和运用。这种文化促使员工不断探索AI的最佳实践，并将其扩散。
一位核心技术人员认为，MiniMax的目标函数是“scaling”，即最终的规模，包括智能上限和可动员的资源。他解释说，“Mini”代表公司当前的状态和资源，“Max”则代表公司希望达到的目标。尽管是一家创业公司，MiniMax从一开始就以“Max”为目标。
M3模型开源后，其参数量比外界预期更小，这表明MiniMax在追求模型效率方面有独到之处。IO认为，AI产业已无绝对技术鸿沟，模型进步的关键在于经验和实验的积累，以及一代一代的进步。M3模型上线后，其性能和稳定性得到了显著提升，并开始获得积极的市场反馈。
MiniMax深信，模型更新的速度虽快，但仍需脚踏实地，遵循客观规律。公司将继续致力于提升模型智能水平，并让更多用户能够使用到。未来，MiniMax将投入更多资源研发更强大的模型，目标是让用户在享受Opus级别智能的同时，基本不受成本限制。这正是MiniMax从“Mini”走向“Max”的优化路径。
