Après une hausse de 92 % du prix de l'action de MiniMax : que reste-t-il après avoir retiré le modèle de l'entreprise de modèles ?

Titre original : « Après une hausse de 92 % du prix de l'action de MiniMax : que reste-t-il après avoir retiré le modèle de l'entreprise de modèles ? »
Auteur original : Dongcha Beating

Le 31 août, MiniMax a bondi de 16,18 %. Depuis le creux de juillet, cette action a déjà rebondi de 92 %, avec une capitalisation boursière revenant à 124,9 milliards de dollars de Hong Kong.

Il y a trois mois, le marché avait déjà tenu une veillée funèbre pour cette entreprise. Le prix de l'action avait chuté de plus de 80 % par rapport à son sommet, et une capitalisation boursière de 300 milliards de dollars de Hong Kong avait disparu.

Le 26 août, MiniMax a publié son rapport semestriel, avec un chiffre d'affaires en hausse de 283 % par rapport à l'année précédente, et un revenu B2B en hausse de 703 % ; d'ici août, l'ARR de l'entreprise avait déjà dépassé 800 millions de dollars, et la consommation de tokens en juillet était 20 fois celle de janvier.

Quelques jours plus tard, ce qui a remis MiniMax au centre des discussions était un modèle qu'elle n'avait pas créé elle-même.

H3 Max.

Canal Infini

Le 3 août, MiniMax a open-sourcé H3, un modèle multimodal de 33 milliards de paramètres capable de traiter simultanément du texte, des images, des vidéos et de l'audio. Fal a pris ses poids open-source, a continué à faire de l'entraînement postérieur, puis a optimisé avec son infrastructure de raisonnement, et a finalement créé H3 Max.

Selon fal, pour générer une vidéo de 5 secondes, H3 Max peut atteindre un débit environ 35 fois supérieur à celui du point d'accès officiel de MiniMax.

Le 29 août, Rehan Sheikh, ingénieur chez fal, a connecté H3 Max à Twitch pour commencer un live. Le contenu du live n'était pas une vidéo préenregistrée. L'image était diffusée pendant que le modèle générait en arrière-plan. Une séquence de 5 secondes, en 768p, avec son synchronisé, prenait environ 3 secondes à générer.

La génération est plus rapide que la diffusion.

C'est pourquoi les spectateurs pouvaient décider de l'orientation de l'intrigue dans le chat, et quelques secondes plus tard, de nouveaux éléments apparaissaient à l'écran. Tant que la machine fonctionne, ce canal peut théoriquement continuer à diffuser indéfiniment. Un week-end, il a attiré environ 5 millions de vues, et certains qui n'aiment pas le contenu généré par l'IA lui ont donné le nom de « machine à déchets infinie ».

Bien que provenant du même modèle, la véritable différence réside dans l'entraînement postérieur, l'optimisation du raisonnement, la planification matérielle et les méthodes de déploiement après que le modèle a été livré.

Un média a même titré :

« Post-Train Bat le Parent »

L'entraînement postérieur bat le modèle d'origine.

Cela semble être une belle optimisation technique, mais cela soulève une question plus grande derrière le rebond de MiniMax.

Si un modèle peut être open-sourcé, pris, entraîné davantage, voire amélioré par d'autres, alors que devrait-on réellement évaluer pour une entreprise de modèles ?

Pour répondre à cette question, examinons d'abord l'entreprise fal.

Cette entreprise ne forme pas de modèles de base. Son activité consiste à intégrer des modèles déjà formés par d'autres entreprises, à les faire fonctionner sur sa propre infrastructure, puis à les vendre aux développeurs. Plus un nouveau modèle sort rapidement, plus son étagère se met à jour rapidement.

Une fois le modèle intégré, fal effectue une nouvelle optimisation de raisonnement, une planification matérielle et un déploiement, réduisant la vitesse et le coût à un niveau plus adapté à l'utilisation commerciale. Plus de 2,5 millions de développeurs utilisent ses modèles génératifs, et l'ARR de l'entreprise a atteint environ 400 millions de dollars, avec une équipe de seulement 70 personnes.

Au cours de l'année écoulée, les revenus de fal ont augmenté d'environ 60 fois, et sa valorisation est passée de 4,5 milliards de dollars à environ 8 milliards de dollars selon des rumeurs.

Sequoia a réalisé une interview approfondie de l'équipe fondatrice de fal, au cours de laquelle le partenaire de Sequoia, Pat Grady, a mentionné que l'équipe de fal avait observé au deuxième et troisième trimestre 2025 que la demi-vie des cinq meilleurs modèles vidéo n'était que de 30 jours.

Le terme « demi-vie » vient de la physique et désigne le temps nécessaire pour que la moitié des noyaux d'un matériau radioactif se désintègrent ; ici, il fait référence au temps nécessaire pour qu'environ la moitié des modèles du classement des cinq premiers soient remplacés par de nouveaux modèles.

Un modèle qui vient de prendre la première place peut être remplacé par un autre un mois plus tard. Mais peu importe comment les modèles changent, les développeurs ont toujours besoin d'une plateforme pour les faire fonctionner.

Fal a donc occupé cette position.

Chaque fois qu'un développeur génère une image ou une vidéo, il paie en fonction de l'utilisation. En se connectant à une plateforme comme fal, quel que soit le meilleur modèle à un moment donné, il peut être utilisé immédiatement, sans avoir à reconnecter l'API ou à construire une infrastructure. Les modèles peuvent changer chaque mois, mais la position de la plateforme est difficile à remplacer.

Le PDG de fal, Burkay Gur, a dit une fois : « Lorsque la génération de contenu devient infinie, les choses limitées deviennent en fait plus précieuses. »

Cette entreprise est née d'un modèle d'affaires qui a émergé après une rapide dévaluation des modèles. H3 a été créé par MiniMax, mais les utilisateurs, les revenus et les données d'utilisation de H3 Max resteront d'abord chez fal. Plus H3 Max réussit, plus cette question devient aiguë.

De plus, fal est une entreprise privée, donc elle n'est pas accessible sur le marché public.

De 1100 HKD à 200 HKD

Lorsque MiniMax a été introduite en bourse, le marché croyait à une autre histoire.

Cette entreprise développe à la fois des modèles de texte, de voix et de vidéo, avec des produits B2C comme Talkie et Hai Luo AI, et des API pour le B2B. Comparée aux startups qui ne font qu'un seul modèle, elle semble plus proche d'un cycle commercial multimodal complet.

Le 9 janvier de cette année, MiniMax a été introduite en bourse avec un prix d'émission de 165 HKD, et la souscription publique a été sursouscrite 1848 fois, avec une hausse de 109 % le premier jour. Le 10 mars, le prix de l'action a franchi 1100 HKD, et la capitalisation boursière a brièvement dépassé celle de Baidu.

C'était le moment où le marché croyait le plus à cette histoire.

Le tournant est survenu en juin. Le 1er juin, MiniMax a publié son modèle phare M3, avec 428 milliards de paramètres. Comparé à GLM-5.2 et DeepSeek V4 sortis à la même période, son modèle était plus petit. Ce que l'entreprise a le plus mis en avant, c'est l'efficacité de l'entraînement et de l'ingénierie, un système pouvant fonctionner 12 heures d'affilée sans intervention, entraînant 4 modèles de manière autonome et accélérant le noyau CUDA jusqu'à 9,4 fois.

Puis le problème est survenu. La communauté a découvert que certains des résultats publiés par l'entreprise provenaient de tests internes, et qu'il y avait un écart évident avec les tests réels et les chiffres publics. Les règles de facturation ajustées simultanément ont également entraîné une augmentation significative de la vitesse de consommation des quotas pour certains anciens utilisateurs.

Le 5 juin, l'entreprise a présenté des excuses publiques en déclarant que « M3 nécessite plus de puissance de calcul, c'est notre faute », et dix jours plus tard, le modèle phare, qui n'était en ligne que depuis deux semaines, a été réduit de 50 % ; peu après, le 16 juin, Zhizhu a publié GLM-5.2, et le premier rang du classement open-source a immédiatement changé de mains, le leadership de M3 n'ayant duré que deux semaines. Le 9 juillet, le premier jour de la levée de l'interdiction, MiniMax a chuté de 20 %, et quelques jours plus tard, le prix de l'action avait déjà chuté de plus de 80 % par rapport à son sommet.

Le lendemain de l'effondrement, Yan Junjie a annoncé qu'il ne prendrait plus de salaire avant d'atteindre l'AGI, et qu'il donnerait ses actions personnelles en récompense à l'équipe et pour soutenir l'open-source. Ce jour-là, l'entreprise a réalisé une vente de 16 milliards de dollars de Hong Kong, obtenant environ 7 fois la souscription.

Le 26 août, MiniMax a présenté un rapport semestriel suffisamment impressionnant, avec un chiffre d'affaires en hausse de 283 %, un revenu B2B en hausse de 703 %, et des investissements en R&D continuant d'augmenter rapidement. Le lendemain, le prix de l'action n'a augmenté que de 4 %.

Le marché attendait manifestement autre chose.

Actif Principal

Le plus grand problème des entreprises de modèles est que les produits se mettent à jour trop rapidement.

Début juin, M3 venait à peine de prendre la première place, et deux semaines plus tard, il a été dépassé par GLM-5.2 ; ensuite, DeepSeek V4, GLM-5.3 et Kimi K3 ont été publiés à tour de rôle. Le modèle actuel en tête peut être remplacé par le prochain modèle qui sortira, la fenêtre de leadership ne durant que quelques semaines.

Le leadership ne peut être compté qu'en semaines, et un seul modèle ne peut clairement pas soutenir la valorisation à long terme d'une entreprise.

Ainsi, au cours de l'année écoulée, le marché a cherché le véritable actif principal des entreprises de modèles.

La réponse la plus directe est la prochaine génération de modèles, mais la prochaine génération sera également rapidement obsolète. Tant que l'industrie continue d'évoluer rapidement, « créer un nouveau modèle » ne garantit que l'entreprise ne sera pas éliminée, mais n'explique pas pourquoi elle mérite d'être conservée à long terme.

Une réponse plus convaincante est la capacité à créer des modèles.

Cette année, de nombreux modèles publiés ont déjà prouvé qu'avec la même base, il est possible d'obtenir d'énormes avancées de capacité simplement grâce à l'entraînement postérieur et à l'environnement.

Zhizhu GLM-5.3 et GLM-5.2 utilisent la même base de 753 milliards de paramètres, et ce qui a vraiment changé, ce sont des environnements d'entraînement à plus grande échelle et un entraînement par renforcement après l'entraînement. Les résultats de Terminal-Bench 3.0 sont passés de 4,6 à 28,3, sans réentraînement de la base, mais avec une amélioration significative des performances.

Tang Jie a ensuite qualifié cela d'« expérience de contrôle des variables ».

Kimi K3 a établi plus de 50 millions d'environnements de bac à sable pendant l'entraînement et l'évaluation, consacrant beaucoup de temps machine à attendre l'inférence du modèle. Les opérations de gel, de reprise et de bifurcation ont été réduites à quelques dizaines de millisecondes, afin de permettre au modèle d'essayer, d'échouer et de recommencer dans d'innombrables environnements réels.

Cline a même permis à K3 de modifier elle-même son propre cadre d'entraînement. Après 17 heures sans intervention, les performances sont passées de 77,5 à 88,8.

La véritable partie difficile à reproduire pour les entreprises de modèles a commencé à passer d'un poids à un système complet de production de poids, de poids post-entraînement et de poids d'évaluation.

Anthropic dépense plus d'un milliard de dollars par an dans des environnements d'apprentissage par renforcement. OpenAI a acheté des dizaines de milliers de Mac pour les agents d'utilisation informatique, pour les mêmes raisons.

Le seuil d'entrée et l'investissement pour construire ce système augmentent rapidement, et il n'est pas seulement entre les mains des entreprises de modèles.

Le Composer 2 de Cursor est un exemple typique. Sa base repose sur Kimi K2.5, open source de la face cachée de la lune, mais l'évaluation finale de Cursor sur le marché est clairement sans rapport avec Kimi K2.5.

Cursor a accumulé un grand nombre de comportements de programmation réels, de flux de travail des développeurs, ainsi que de systèmes d'apprentissage par renforcement formés autour de ces données. Le modèle de base provient d'autres, mais ce qui est vraiment crucial, ce sont les éléments laissés après que le modèle a été utilisé.

Fal est également dans ce cas. Il a pris le poids H3 et a créé H3 Max. Les utilisateurs génèrent des vidéos sur fal, les revenus d'appel entrent d'abord dans fal, et les données utilisées restent également d'abord dans fal.

Les entreprises de modèles en amont fournissent les matières premières les plus chères, tandis que les entreprises en aval peuvent accumuler ce qui peut réellement produire des intérêts composés. La complexité technique et la capacité de capture de valeur ne correspondent pas nécessairement.

Il y a trente ans, une situation similaire s'est produite dans l'industrie des ordinateurs personnels. Les puces sont la partie la plus complexe de la machine, mais les consommateurs ordinaires reconnaissent Dell et Compaq. Intel a ensuite mis plus de dix ans à se remettre dans le champ de vision des consommateurs grâce à "Intel Inside".

Les entreprises de modèles moins les modèles

Ainsi, pour évaluer la valeur d'une entreprise de modèles, on peut peut-être faire une soustraction. En soustrayant le poids du modèle, l'optimisation d'inférence réplicable et la capacité d'entraînement postérieur pouvant être prises en charge par des tiers, ce qui reste est ce que cette entreprise peut réellement posséder à long terme.

MiniMax a justement réalisé une telle expérience. Le 3 août, il a rendu H3 open source. En peu de temps, des centaines de modèles dérivés sont apparus, avec des millions de téléchargements, et des plateformes de puces comme Huawei Ascend, Muxi et AMD ont rapidement terminé leur adaptation, avec de nombreux développeurs et partenaires qui se sont connectés.

Bien que le poids soit devenu open source, les contrats d'entreprise et les revenus API n'ont pas disparu - juste avant l'ouverture de H3 en juillet, la consommation de tokens de MiniMax était déjà 20 fois celle de janvier, et tout cela reste dans ses livres.

Plus important encore, H3 n'a pas tout mis en ligne. Les deux modules hébergés H3-Context-IR et Regenerate-2 K restent sous le contrôle de MiniMax. Pour produire des vidéos 2 K de plus haute qualité, il est toujours nécessaire d'appeler le service officiel. C'est une stratégie open source typique, où les capacités de base se diffusent, permettant à l'écosystème de croître, tout en conservant la partie qui peut réellement générer un retour commercial sur le serveur.

Ainsi, H3 Max n'a pas seulement pour MiniMax la signification de "quelqu'un a optimisé mon modèle plus rapidement", mais il a montré pour la première fois au marché cette soustraction.

Le rapport semestriel a donné une partie de la réponse, avec une augmentation de 703 % des revenus B2B, et un ARR dépassant 800 millions de dollars. Du moins jusqu'à présent, l'open source n'a pas entraîné une perte de toute valeur. Mais H3 Max a également montré une autre moitié du risque : les relations avec les utilisateurs, les revenus d'appel et les données d'utilisation peuvent se déposer sur des plateformes en aval.

Duel entre haussiers et baissiers

À la fin août, l'action de MiniMax a rebondi d'un point bas de près du double, tandis que le ratio de vente à découvert a également augmenté à environ 20 %, atteignant un niveau élevé.

Les haussiers voient ce qui reste après la soustraction. Par exemple, les clients d'entreprise, les revenus API, les appels réels, le retour de données, ainsi que la capacité du système à continuer d'entraîner la prochaine génération de modèles. Sur le marché public, ce type d'actif est rare, et les entreprises de modèles disponibles à l'achat sont limitées, ce qui donne à MiniMax une prime de rareté évidente.

L'énorme succès de H3 Max a également donné à cet argent un point de référence très intuitif. Si une entreprise comme fal vaut 8 milliards de dollars, et que l'un des nouveaux produits les plus populaires de fal est basé sur H3, alors combien vaut l'entreprise derrière H3 ?

C'est la pensée des haussiers.

La pensée des baissiers est que si le poids peut être pris gratuitement, que l'entraînement postérieur peut être réalisé par fal, et que la vitesse d'inférence peut être augmentée de 35 fois par des tiers, alors pourquoi toutes ces capacités devraient-elles rester dans l'évaluation de MiniMax ?

Cela explique également la tendance anormale de MiniMax au cours des derniers mois. Les rapports financiers ne peuvent refléter que combien cette entreprise a gagné maintenant, mais le marché se soucie réellement de ce qu'elle pourra conserver après l'open source. H3 Max a mis cette réponse sur la table pour la première fois.

Retour

Après avoir mis H3 en ligne, MiniMax fait face à un problème commercial très ancien. Une entreprise peut choisir de renoncer à un certain niveau de rareté, à condition qu'elle sache où se trouve l'argent au niveau suivant.

Red Hat a fait un tel choix.

Le code source de Linux n'appartient jamais à Red Hat, tout le monde peut le télécharger, le modifier et le redistribuer gratuitement. Ce que Red Hat vend finalement, ce n'est pas Linux lui-même, mais les versions stables, la maintenance à long terme, le support technique et le système de certification que les entreprises sont prêtes à payer.

Plus le logiciel open source se répand, plus le marché pour ce type de service devient grand. En 2019, IBM a dépensé 34 milliards de dollars pour acquérir Red Hat, et ce qu'elle a acheté n'était certainement pas un code source Linux que tout le monde pouvait télécharger.

Ce qui est mis en ligne doit pouvoir ramener de la valeur.

C'est aussi ce que MiniMax doit prouver après l'open source de H3.

Le marché a déjà vu la diffusion. Les modèles ont été téléchargés, adaptés, réentraînés, et commencent à produire des produits tiers comme H3 Max.

Ce qu'il faut maintenant observer, c'est si cette diffusion peut finalement se refléter dans les revenus et les actifs de MiniMax.

Cela pourrait être plus de clients d'entreprise, une consommation API en croissance continue, ou des données et des retours laissés par les développeurs au cours de leur utilisation, qui retournent finalement à l'entraînement postérieur, devenant une partie du prochain modèle.

Si ces éléments peuvent former un cycle, plus H3 est pris, plus MiniMax obtient d'entrées.

Si le cycle ne se forme pas, la situation est complètement différente.

L'influence des modèles pourrait devenir de plus en plus grande, l'écosystème pourrait prospérer de plus en plus, mais les relations clients les plus précieuses, les données d'utilisation et les points d'entrée commerciaux pourraient finalement se déposer entre d'autres mains. À ce moment-là, MiniMax aura fourni des capacités de base, mais n'aura pas obtenu la majeure partie de la valeur générée par cette diffusion.

Ainsi, ce que l'open source de H3 doit vraiment tester, ce n'est pas le nombre de téléchargements, ni combien d'entreprises annoncent leur adaptation. Ces chiffres ne peuvent prouver que cela s'est répandu suffisamment loin.

Les prochains trimestres devront montrer combien d'argent peut encore revenir après la diffusion. Red Hat a des contrats de services d'entreprise, Google a la recherche et la publicité. MiniMax doit également trouver son propre canal.

Ce contenu est fourni à titre informatif uniquement et ne constitue pas un conseil financier, d'investissement, juridique ou fiscal. Les événements, récompenses, promotions en ligne ou informations mentionnées ici ne doivent pas être considérés comme une recommandation, une sollicitation ou une invitation à acheter, vendre, trader ou effectuer toute autre opération sur des actifs crypto. Les actifs crypto sont très volatils et peuvent entraîner des pertes. La disponibilité des services, produits et événements liés à WEEX peut varier selon les régions. Veuillez vous assurer que votre participation respecte les lois et réglementations locales applicables.