MiniMax 2025 年收入 7903.8 万美元，员工 428 人，人均创收约 18.5 万美元（来源：MiniMax 年报）。同期它在文本、语音、视频、音乐四个模态上都做到了行业前列。
更能说明问题的另一组数：2025 年研发投入 2.53 亿美元，同比增 33.8%；收入同比增 158.9%（来源：MiniMax 年报）。研发涨三成，收入涨一倍半。
研发的增速，低于收入的增速
单看这两个数很容易滑过去：研发投入涨 33.8%，收入涨 158.9%，意味着每 1 元研发投入换回的收入在变多。
再看训练成本这条更细的线。2025 年前三季度训练相关的云计算开支是 1.42 亿美元，2024 年全年是 1.4 亿美元（来源：MiniMax 招股书）。训练开销几乎没涨，收入翻了一倍多。
这条线拉长了看更清楚：2022 年 415 万美元，2023 年 4723 万美元，2024 年 1.4 亿美元，2025 年前三季度 1.42 亿美元（来源：MiniMax 招股书）。三年涨了 34 倍，然后停住了。前三个季度和上一个完整年度几乎持平——这是效率提升最硬的证据，因为它不是靠砍人做出来的。
训练开支停住、收入继续翻倍，这两个动作叠在一起才叫效率。反过来说，如果训练开支和收入同速增长，那只是把投入换成了收入，规模变大而已。
这两条曲线一起看，才是「人效」这个词的真实含义：不是把人用到极限，而是单位研发投入的产出在提高。
428 人怎么分工
截至 2025 年 9 月底，公司员工 385 人，研发人员占比接近 74%，平均年龄 29 岁（来源：MiniMax 招股书）。全年口径是 428 人。
这个结构里有两个信息：研发占了绝大多数，说明它不是销售驱动的公司；团队年轻，说明这套能力不是靠经验年限堆出来的。
平均年龄 29 岁加七成研发，决定了它的组织形态：层级少、决策链短，模型迭代可以压到以周计。这种结构对大公司来说，难点不在能不能建，而在能不能维持——人一多，研发占比就掉。
它另有一个规模之外的优势：收入超过七成来自海外（来源：MiniMax 招股书），而海外的付费用户对工具类产品的付费习惯更成熟。人多不一定卖得动，人少也照样能服务 100 多个国家和地区的企业客户。
同一把尺子量一下同行更有意思：OpenAI 走到多模态领先，累计花了 400 亿到 550 亿美元；MiniMax 累计融资 15 亿美元、从成立到 2025 年 9 月累计花费约 5 亿美元（来源：MiniMax 招股书，量子位解读）。
差 80 倍到 100 倍的投入，换来的不是同一量级的结果，但也不是没有结果。
人效不是压出来，是选出来
看到 428 人做四个模态，直觉是团队特别能拼。从财务上看，主因不是拼，是方向选得窄。
MiniMax 的模型矩阵不是每个模态都做到最大。文本模型 M2 的定位是在效果、价格和速度之间取平衡；语音和视频瞄准的是海外付费场景。做小、做够用，四个模态才能同时推进。
这是一种明确的取舍。四个模态都做，但每个都不做最大参数、不做最贵的那一档。代价是单项评测上不占优，收益是四条线共用一套训练和推理基础设施，边际成本被摊薄。这个选择在需要样样第一的客户面前是劣势，在只需要够用且便宜的客户面前是优势。
对照另一种常见做法——把团队规模当产能，招人、开项目、追榜单——人效数字往往很难看，因为每条线的成本都要摊到同一份收入上。
再算一笔账：2025 年研发投入 2.53 亿美元，收入 7903.8 万美元，研发投入仍是收入的三倍多。所以「效率高」目前还是个相对概念——它比同行省得多，但还没到自给自足的程度。
对标样本怎么用
给管理者一个使用方法：不要拿 18.5 万美元这个数字去要求自己的 AI 团队，口径不同，它是收入除以员工，不是产出效率。
真正可比的是两条曲线的斜率：研发投入的增速，和收入的增速。前者低于后者，说明组织在变得有效率；前者长期高于后者，说明花的钱还没变成产品。MiniMax 2025 年这两条曲线的差是 125 个百分点。
还有一层口径要留意：它的收入超过七成来自海外，汇率和支付渠道都会影响人均创收这个数字的可比性。拿它做对标时，最好同时看研发投入占收入的比重。最后提醒一句：这两条曲线只在同一年度、同一披露口径下才可比，口径调整一次，或者把某条产品线并进来，斜率马上变化。
源势AI观点
我们自己团队规模不大，这条线上的体会是：AI 公司的人效天花板，取决于有多少工作被固化成了工具和流程，而不取决于招了多少人。
判断一个 AI 团队在不在正确的轨道上，看一件事就够：核心成员每天在做的是能沉淀的东西——模型、评测集、数据管线，还是每天在救火。
人数可以买，效率买不到。
图注：四个模态共用一条底座，底座越小，人均产出越高
图注：研发涨三成、收入涨一倍半，中间那 125 个百分点就是效率
