MiniMax M2.5 的阳谋

文：王智远 | ID:Z201440

MiniMax M2.5 的新闻大家可能已经刷到了。

开源、性能对齐 Claude Opus 4.6、SWE-Bench 80.2%、推理速度是Opus的3倍……

数据都很漂亮。但我注意到一个数字，它比所有跑分都更值得琢磨：1美金/小时

什么意思？

你花1美金，能让一个SOTA级别的AI Agent连续工作一小时，写代码、做Excel、查资料、写PPT，24小时不眠不休。

历史上，每一次技术革命的真正爆发点，还有价格跌破心理阈值的那一刻；所以，我想聊一个议题：当AI劳动力的时薪降到1美金，世界会发生什么？

01

咱们先把这个数字放在真实世界。美国劳工统计局的数据，知识工作者的中位时薪，大概是35到40美金。这是一个什么水平？

旧金山一个刚毕业的本科生，进科技公司做运营，时薪差不多就是这个数；纽约一家咨询公司的初级分析师，每小时也能拿到35美金左右。

国内呢？

我查了一下招聘网站，互联网行业的产品经理、运营、市场这些白领，平均时薪在50到80人民币之间，折合下来7到11美金。

哪怕是把人力外包到东南亚，菲律宾、越南的英语客服，时薪也很难低于3到5美金。

而M2.5给出的价格是：1美金/小时。这还没完。MiniMax官方有一个补充说明：在每秒输出50个token的模式下，这个数字还能进一步降到0.3美金/小时。

0.3美金什么概念？在北京，一瓶矿泉水的价格。在上海，一趟地铁的价格。在硅谷，连给小费都不够。

咱们再换一个角度算账。

人类一天工作8小时，一年工作250天，这是法定的上限；但AI可以7x24小时连轴转，一年365天不休。你睡觉时，它在干活，你过春节它在干活，你休年假它还在干活。

所以，真实效率比是接近200：1。

一个AI Agent ，一年能产出的工时，相当于200个全职人类员工。当然，这不是说一个AI能替代200个人，人能做很多AI做不了的事。

但这个数字告诉我们另一件事：过去因为人力成本太高而「不值得做」的事情，现在可能都值得做了。

举个例子：

一家电商平台，有100万活跃用户。理论上，如果给每个用户做一次生日关怀、一次个性化回访，转化率肯定能提升；但过去这事没人干，为什么？

因为100万次个性化沟通，按人力成本算，得雇几十个客服，一年几百万的支出，ROI算不过来。

现在呢？

一个AI Agent，1美金一小时，一天干的活相当于几百个人类客服同时开工；100万次个性化沟通，按人力算得几十个人干一年，按AI算，可能几千美金就搞定了。

所以你看，1美金/小时的意义，在于把过去「不值得」的事，变成了「值得」，把过去「只能想想」的事，变成了「可以试试」。

这就是我说的临界点。当成本低到一定程度，决策逻辑就变了。变成什么呢？你可以随时随地问问AI，而且不用担心价格问题。

02

有人肯定会满脑子疑惑：OpenAI、Anthropic都那么强，这家公司把价格打到这个份上，靠补贴吗？还是赔本赚吆喝？

都不是。

我看了下MiniMax发的一篇技术报告，里面有一个东西叫「Forge」的训练体系。什么是Forge系统？它是一个会「派活」的管家。

简单讲，它让模型学会三件事：

一，让快的不用等慢的。真实世界里，AI干活的速度不一样。查天气几秒就完事，写代码可能要几小时。如果死板地按顺序处理，快的就得等慢的。

Forge怎么解决？

它做了一个叫「Windowed FIFO」的调度策略，角色很清晰，手里攥着一堆任务，知道谁快谁慢，知道哪个该先派活、哪个可以等等。

比如：遇到查天气这种快任务，管家立刻派给一个轻量级的「技能模块」去处理；遇到写代码这种慢任务，管家把它交给专门的「代码专家」，然后扭头就去处理下一个快任务，它们互不耽误，异步协同。

结果是整体效率最大化，同样一台机器，能产出更多活，单位成本自然就降下来了。

第二件事，让「反复算旧账」这事不再发生。

Agent干货有个特点，它会反复调用模型，每次调用都带着长长的历史记录。比如：你跟它聊了50句，第51句时它还得把前50句都「回忆」一遍。

传统方法里，这相当于每次都要从头算一遍历史，就像我们每天上班，都得重新读一遍过去一周的聊天记录才能开始干活，你说累不累？

Forge也很烦，它做了一个叫「前缀树合并」的创新，所有共享历史的请求，只算一次。

举个例子：

你问AI「帮我写一个电商网站」，接着又说再加个购物车功能，Forge则直接把新功能「嫁接」上去，只算新增的部分。

注释：图里上半部分是传统做法：三个请求，每个都带着长长的公共前缀，重复计算三次；下半部分是Forge的做法：把公共前缀合并成一棵树，只算一次。40倍加速，就是这么省出来的。

官方数据是：40倍训练加速；同样一笔算力预算，别人能训练1次，Forge能训练40次。经验值的差距，就是这样拉开的。

光拉开差距还不够。Forge还在意一件事：过程。

过去训练AI，往只看最终结果，比如，代码跑通了，好；没跑通，不好。这叫稀疏奖励；问题是，中间走了多少弯路、浪费了多少时间，系统不管。

Forge引入了过程奖励。它除了看结果，还看中间步骤，类似有没有乱用工具？是不是绕了远路？完成任务花了多长时间？这些都会被计入「奖惩」。

于是，这让模型学会了「又快又好」地干活；是真的在琢磨，怎么用最短的路径把事办成。

这直接解释了为什么M2.5能做到推理速度是其他模型的两倍，因为它被训练成了一个追求效率的「职场老手」，而非一个为了刷题不惜熬夜的「考试机器」。

所以，1美金/小时怎么来的？

靠一套系统工程，把训练和推理中的每一份算力都榨干，把每一处冗余都去掉，一点一点抠出来的。

我非常认可一个观点，当推理消耗变成生产资料，模型厂商就有机会把「算力稀缺」通过分层定价转化为毛利，M2.5的1美金，是把算力从「资源」变成「生产资料」的开始。

换句话说，MiniMax在重构成本结构；这两件事，看着结果一样，但指向完全不同的未来。

03

未来会怎么样？1美金的AI，会怎么改变各行各业？

咱们把账再往下算一层，先说结论，它意味着一个「永远在线、从不请假、时薪只要1美金」的员工，是可以直接放进业务流程里的那种。

咱们试着拆一下成本怎么一层一层传导下去的。

MiniMax M2.5算力中心那一层，MoE架构、PD分离、全局KV缓存，这些技术名词不展开，只说结果，单位算力的产出翻了一倍不止，原来跑一个模型需要两台机器，现在一台就够了。

再说模型厂商，Forge系统的40倍训练加速，把研发成本摊薄了，原来花1亿美金训练出来的能力，现在花250万就能搞定。

至于API，100 TPS吞吐量，意味着每一块钱能买到更多的token。原来1块钱买1000个token，现在能买3000个。

注意，100 TPS什么意思呢？

打个比方：可以把大模型想象成一家餐厅的后厨，TPS是「每秒能出多少道菜」；普通后厨一秒钟出两道菜，高峰期就堵死了；M2.5的后厨一秒钟能出100道菜，哪怕客人排长队，它也能流水一样往外端。

这个「出菜速度」落在企业端，就是另一回事了。

原来你做一个批量任务，比如：生成1万条商品描述，得等半天才能拿到结果。现在同样的任务，几分钟就干完了。这意味着你可以把离线跑批」变成「实时响应」。

落到消费者这边，感受更直接。你跟AI聊天，它回一句要等两三秒，你会觉得卡；如果它秒回，你就感觉顺。这100 TPS，就是把卡变成顺的那道坎。

所以，别小看这个数字，它是技术指标，更是用户体验的分水岭，也是单位成本能打下来的底气所在。好，账算清楚了。那这笔账落在真实世界里，长什么样？

我就随便挑两个场景：

一个是服务业。以前客服、售后、用户运营这些岗位，永远是抽样服务，100个用户进来，能覆盖20个就算不错了，因为人就那么多，时间就那么多。

现在一个AI Agent可以7x24小时在线，每个用户进来都能被照顾到。不是「抽样」，是「全覆盖」。

你想想，年费几十万的SaaS客户，以前只能在工作时间找客服；现在半夜三点遇到问题，AI能秒回，这难道不是体验重构吗？

另一个，中小企业。

小公司请不起法务、请不起财务、请不起市场总监，因为这些人太贵了；现在你可以用1美金一小时，请一个AI法务帮你审合同，请一个AI财务帮你对账，请一个AI市场帮你.......

当然，它们目前替代不了资深专家。

所以，你发现没有，1美金/小时的意义，超越了工业时代「省几个人」的思维，它把过去不值得的事，变成了值得。

我看到一个报告的观点，当模型能在编程、Agent、企业流程这些高ROI场景里，把「Token用量」稳定转化成「省人省时省返工」的交付价值时，它就具备了穿越开源与价格战的能力。

换句话说，帮企业算得过账的AI，才有护城河，Minimax M2.5做到了这一切。

04

当这笔账在所有行业都算得过时，世界会发生什么？

我换个说法，当SOTA级别的智能，变成像水电一样按需取用的公共服务，谁会被托起来？

你可以想象一个印尼的大学生，他学编程，但买不起正版课程，请不起一对一辅导。

现在他花1美金，让M2.5给他当助教：代码报错了，贴进去问；算法看不懂，让AI用印尼语讲一遍；想做个小项目赚外快，AI帮他搭框架、写文档。

1美金，他打一天零工能挣5美金，够AI干五小时。

你可以想象一个肯尼亚的创业者，他在内罗毕做跨境电商，想从中国进货，但看不懂中文的商品描述；以前他得花高价请人翻译，现在把链接扔给AI，英文版规格参数、物流条款、售后政策，几分钟就出来了。

1美金，他能把十家中国供应商的资料翻个遍。

你还可以想象一个巴西的自由职业者；她在圣保罗接欧美的设计单子，以前只能做视觉部分，因为文案要用英语写，她搞不定；现在她用AI写提案、写邮件、写设计说明，接单范围从拉美扩大到全球。

1美金，它打开了一个以前进不去的市场；这些不是科幻片，它们是1美金/小时落地之后，一定会发生的场景。

所以，你看，1美金在硅谷意味着便宜到忽略不计，但在雅加达、在内罗毕、在圣保罗，它意味着另一件事：第一次用得起和硅谷公司一样的AI能力。

这听起来像「技术普惠」的陈词滥调，但它是真的。

历史反复证明一件事：每一次基础设施的平民化，都会催生一批我们想象不到的新物种。

印刷术变便宜时，没人想到会催生报纸和小说；互联网变便宜时，没人想到会催生电商和短视频；云计算变便宜时，没人想到会催生SaaS创业的黄金十年。

我真的感叹，现在轮到AI了。

1美金/小时，是起点。Minimax M2.5在告诉我们一件事，AI正在从奢侈品变成日用品，从稀缺资源变成基础设施。

当一种资源变得像水和电一样便宜时，用它来做什么，就是想象力的问题。所以，别只盯着M2.5的跑分，1美金/小时，才是这次发布真正的信号。

那问题来了：当智能像水电一样流进千家万户，你想用它来做什么？春节有空时想想看。