MiniMax M2: Từ Startup 400 Người Đến "AI Giá Rẻ Nhất Thế Giới" Cho Coding

MiniMax là một trong những nhà cung cấp LLM có giá rẻ nhất thị trường hiện nay, đặc biệt phù hợp cho các developer sử dụng OpenCode. Với kiến trúc MoE (Mixture of Experts) + Linear Attention độc quyền, MiniMax mang lại hiệu năng coding ấn tượng với chi phí chỉ bằng 1/10 so với GPT-4o hay Claude Sonnet.

Bài viết này tổng hợp toàn bộ hành trình của MiniMax: từ startup 400 người đến IPO kỷ lục, kiến trúc MoE đứng sau các model M2 đột phá, và cách dùng MiniMax để coding với OpenCode.

---

Tổng quan: 4 năm từ startup lên IPO

Thông tin cơ bản

Yan Junjie là cựu Phó Chủ tịch kiêm Phó Viện trưởng Viện Nghiên cứu của SenseTime - một trong những công ty AI hàng đầu Trung Quốc.

Hành trình IPO kỷ lục

Ngày 9 tháng 1 năm 2026, MiniMax chính thức lên sàn Hong Kong với giá phát hành 165 HKD/cổ phiếu. Ngay trong ngày đầu giao dịch:

• Tăng 109,09% lên 345 HKD/cổ phiếu
• Vốn hóa thị trường vọt lên 1.054 tỷ HKD
• Phần công khai được đăng ký mua vượt mức 1.837 lần
• Các quỹ đầu tư châu Âu, Mỹ, Trung Đông đều tham gia

MiniMax chính thức phá vỡ kỷ lục "AI company IPO nhanh nhất thế giới" - chỉ 4 năm từ khi thành lập.

Cổ đông lớn

Hiệu quả kinh doanh

---

Kiến trúc cốt lõi: MoE + Linear Attention

MoE (Mixture of Experts)

Chia model thành nhiều "chuyên gia" nhỏ, mỗi lần chỉ kích hoạt một phần nhỏ tham số → tiết kiệm tính toán khủng. Mỗi token chỉ "đánh thức" 3-5% bộ não, compute giảm 20-30x.

Linear Attention

Thay thế cơ chế Attention O(n²) truyền thống bằng O(n) → xử lý context dài siêu nhanh.

Kết hợp 2 kỹ thuật này, MiniMax giảm hơn 90% chi phí tính toán so với Transformer thuần túy ở độ dài 128K token.

Full-modality

---

Dòng M2: Agent Coding Flagship ⭐

Toàn bộ dòng M2 dùng kiến trúc MoE với 230B tổng tham số, chỉ kích hoạt 10B (tỷ lệ 4,3%). Đây là dòng model chuyên cho coding, phù hợp nhất với OpenCode.

M2 → M2.1 → M2.5 → M2.7: Hành trình đột phá

M2.5 - Khuyên dùng cho coding hàng ngày

Điểm đột phá: Forge Native Agent RL Framework - framework tự học do MiniMax tự phát triển, tăng tốc đào tạo agent lên ~40 lần.

M2.7 - Model tự tiến hóa (Self-Evolution)

Đây là model đầu tiên trên thế giới có khả năng tự tham gia vào quá trình huấn luyện chính nó:

• Model tự xây dựng Agent Harness và Skills
• Sử dụng RL để liên tục tự cải thiện
• Trong một số tác vụ, model đảm nhận 30-50% khối lượng công việc

Benchmark so sánh

---

So sánh chi phí: MiniMax rẻ đến mức nào?

MiniMax M2.5 rẻ hơn GPT-4o ~25 lần, rẻ hơn Claude Sonnet ~25 lần - trong khi SWE-Bench đạt 80,2%.

---

Cách dùng MiniMax với OpenCode

Bước 1: Đăng ký tài khoản

Truy cập MiniMax Coding Plan để đăng ký.

Bước 2: Lấy API Key

Vào MiniMax Console → Tạo API Key → Copy key.

Bước 3: Kết nối với OpenCode

/connect minimax

Hoặc cấu hình trong opencode.json:

{
  "provider": {
    "minimax": {
      "apiKey": "sk-minimax-...",
      "models": {
        "coding": "minimax/m2.5",
        "agent": "minimax/m2.7"
      }
    }
  }
}

Bước 4: Chọn model

/models

Chọn minimax/m2.5 hoặc minimax/m2.7.

---

Lộ trình tương lai

Yan Junjie trong cuộc họp báo cáo kết quả:

"Chúng tôi chuẩn bị ra mắt M3 và Hailuo 3 trong nửa cuối năm nay, để tiếp tục phá vỡ ranh giới thông minh và tạo nên sự khác biệt cho model của chúng tôi."

---

Tổng kết

• ✅ Giá cực rẻ: 1/25 so với GPT/Claude
• ✅ Hiệu năng coding cao: SWE-Bench 80,2% (M2.5)
• ✅ Open Source: Tự host được, không lock-in
• ✅ Context dài: 128K-200K tokens
• ✅ Self-Evolution: M2.7 là hướng đi mới của AI

---

Bài viết tổng hợp từ báo cáo Morgan Stanley, 上海证券报, 36氪, IT之家 và các nguồn chính thống Trung Quốc, cập nhật đến tháng 4/2026.