MiniMax busca encontrar el próximo "multiplicador de 10 veces"

Con la explosión de ClaudeCode, la IA pasó de ser una herramienta de chat a convertirse en un Agente, y cuando el modelo comienza a realizar tareas en nombre de las personas, el consumo de tokens aumenta de manera exponencial.

Quien logre que la IA realmente entre en los procesos de producción, podrá obtener el consumo de tokens más estable y sostenido. Después de que las acciones relacionadas con el concepto de IA experimentaron un aumento colectivo a principios de año y luego una rápida corrección, las principales empresas de modelos grandes en el país comenzaron a buscar nuevas narrativas de crecimiento.

Al aprovechar la tendencia del codificado vanguardista y la fiebre por las langostas, y tras saborear los beneficios, los jugadores nacionales de modelos MiniMax están ansiosos por expandir su red, buscando la próxima mina de oro.

El 11 de mayo, MiniMax lanzó un nuevo plan de colaboración llamado “Equipo 10x” (10xTeam).

Además de los sectores verticales ya vinculados como software industrial, motores de videojuegos, diseño de chips, finanzas y contabilidad, esta vez MiniMax principalmente invita a expertos en economía, ciencias de la vida y química de materiales, áreas que tienen una mayor orientación global y que pueden integrarse en profundidad con modelos grandes, y también ha lanzado en plataformas de empleo la posición de “Investigador 10xTeam”.

La ambición detrás de esto es evidente: quieren replicar la “salto de eficiencia de 10 veces” que surgió en el campo de la programación en más industrias.

Esto será una situación de beneficio mutuo: MiniMax puede mejorar la capacidad de su base de inteligencia general, y al mismo tiempo impulsar la penetración de los modelos en escenarios industriales más profundos.

De hecho, la “IA general + co-construcción con expertos de la industria” ya se ha convertido en un consenso entre las principales empresas.

Anthropic ha estado absorbiendo investigadores académicos y de la industria a largo plazo; su EconomicIndex evalúa aún más el impacto de los modelos en las actividades económicas de diferentes sectores; OpenAI ha lanzado HealthBench para el sector salud, y enfoca la optimización en escenarios legales y financieros; Google DeepMind ha adoptado la “ruptura en el campo científico” como bandera: AlphaFold (biología estructural), GNoME (ciencia de materiales), etc., demostrando que la colaboración entre expertos de élite y equipos de investigación básica puede generar “saltos a nivel de campo”.

A finales de 2025, Baidu también propuso un plan similar llamado “Mentor Wenxin”, dirigido a expertos en la industria y academia, para guiar los modelos grandes en aspectos de enseñanza, evaluación de calidad y calibración profesional.

En el último año, el campo de la programación se convirtió en uno de los escenarios emblemáticos donde surgió primero la “eficiencia 10x” de los modelos grandes: herramientas como Cursor y ClaudeCode ya están reconfigurando efectivamente los procesos de desarrollo de software, y la competencia en infraestructura básica también está prácticamente concluida.

Tras el éxito de ClaudeCode, toda la industria de IA rápidamente alcanzó un consenso: la capacidad más importante de la IA ya no es solo “responder preguntas”, sino “cumplir tareas”. Una vez que la IA entra en sistemas de producción reales, se vuelve una necesidad básica.

Los programadores deben hacer llamadas diarias, las empresas operan continuamente, los equipos colaboran de forma constante, y las cadenas de inferencia crecen sin parar. La llamada a modelos pasa de ser una demanda ocasional a un consumo continuo, y los ingresos por tokens comienzan a aumentar de manera exponencial.

Pero esta certeza también ha provocado que algunos jugadores compartan la torta: hace 18 meses, el mercado de programación con IA estaba dominado por Copilot. Hoy en día, en el extranjero, Cursor, Windsurf, Cline, Claude Code, Aider están en plena competencia, y en el país, DeepSeek TUI, Kimi Code, MiniMax-M2.5, Trae de ByteDance, Tongyi Lingma, Wenxin Kuaima, CodeGeeX de Zhipu, Qoder de Alibaba, entre otros, están luchando por el mercado.

Cuando la bonanza de la programación entra en una fase de estancamiento, la pregunta que todos deben responder es: “¿Cuál será el próximo campo 10x?”

La respuesta de MiniMax es: llevar la capacidad del modelo a áreas con alta densidad de conocimientos especializados, flujos de trabajo complejos y sin una metodología estandarizada establecida.

Esto es precisamente algo que no puede resolverse solo con optimización cerrada por parte del equipo de modelos. Es necesario que los mejores expertos del campo intervengan para definir problemas, co-construir evaluaciones y flujos de trabajo, y que luego el modelo impulse cambios en la industria.

El conocimiento del sector tiene una barrera de entrada naturalmente alta.

El diseño de chips tiene procesos de validación complejos, el software industrial cuenta con sistemas de ingeniería extensos, las finanzas tienen sus propias lógicas de gestión de riesgos y marcos regulatorios, y las ciencias de la vida están llenas de experiencia experimental tácita y estructuras de conocimientos especializados. Todo esto no existe de forma natural en los datos públicos de internet.

Un verdadero agente industrial útil no se basa solo en la capacidad de inferencia del modelo, sino en su comprensión de los flujos de trabajo del sector.

Esto hace que las grandes empresas de modelos comiencen a parecer cada vez más híbridos entre instituciones de investigación, organizaciones industriales y consultoras. La “Equipo 10x” de MiniMax, en cierto modo, también representa la primera vez que los fabricantes nacionales de modelos grandes trasladan claramente este “modo de colaboración científica” al primer plano.

Para MiniMax, esto se asemeja a un mecanismo de socios de investigación industrial. El equipo de modelos se encarga de las capacidades básicas, los expertos del sector definen problemas, construyen flujos de trabajo y establecen sistemas de evaluación, y luego el Agente entra en escenarios de producción reales.

Porque cuando el objetivo de la IA pasa de “responder preguntas” a “cumplir tareas”, la importancia de los expertos del sector se amplifica rápidamente.

Mirando hacia atrás, en la era de internet, los talentos más importantes eran los gerentes de producto, porque definían las necesidades de los usuarios; en la era del Agente, los verdaderamente importantes podrían ser aquellos que mejor entienden los procesos industriales.

La programación es solo la primera industria en ser reestructurada por el Agente. Todas las empresas de modelos grandes ahora buscan realmente el próximo escenario que genere un consumo masivo de tokens y que, al mismo tiempo, cree un valor industrial real.

En el último año, la valoración del sector de modelos grandes ha comenzado a recordar a muchos la burbuja de internet de principios de los 2000.

Recientemente, el economista Ma Guangyuan señaló que las infraestructuras básicas como la capacidad de cómputo, los módulos ópticos y el hardware, efectivamente tienen pedidos, ingresos y pueden ser rentables, porque en todo el mundo se está acumulando locamente capacidad de cálculo; pero en el medio y en el downstream, como robots humanoides, IA general, escenarios ToC/ToB, todavía están en la fase de concepto y narrativa, sin una comercialización masiva, sin ganancias sostenidas, y sin una demanda real explosiva, aunque estas expectativas ya están reflejadas en las valoraciones actuales.

Todo el sector sabe claramente que si la IA no logra realmente integrarse en la industria, ni ayuda a las empresas a mejorar continuamente su eficiencia y rentabilidad, este juego de capital probablemente no podrá sostenerse a largo plazo. Solo cuando la IA comience a trabajar en las empresas, participando en los procesos de producción y ayudando a generar beneficios, toda la cadena industrial podrá realmente funcionar.

Por eso, actualmente, las principales empresas de IA en todo el mundo están empujando con fuerza hacia las profundidades de la industria.

Anthropic ya no solo enfatiza la capacidad del modelo, sino cómo Claude puede integrarse en los flujos de trabajo empresariales; OpenAI continúa fortaleciendo los escenarios verticales en salud, legal y finanzas; Google DeepMind mantiene como estrategia a largo plazo los “saltos científicos”.

Porque todos saben que solo cuando la IA realmente ayude a las industrias a ganar dinero, mejorar la eficiencia y reducir costos, la narrativa industrial podrá seguir avanzando. De lo contrario, la burbuja explotará tarde o temprano.

Y una vez que la burbuja explote, no solo unas pocas empresas de modelos se verán afectadas. Desde las GPU y los proveedores de la nube, hasta las startups de IA, los centros de datos y los mercados secundarios, toda la cadena de valor de la IA podría experimentar una ola de recesión severa.

Por eso, hoy en día, todas las principales empresas de modelos grandes están luchando por demostrar en tiempo real que la IA no es solo un concepto, sino una verdadera fuerza productiva. La “Equipo 10x” de MiniMax, en esencia, también es una apuesta por la industria en este contexto.

Busca vincular a expertos del sector desde temprano, para que la capacidad del modelo se integre realmente en procesos complejos como el diseño de chips, software industrial, análisis financiero y ciencias de la vida, y así formar gradualmente sus propias barreras de datos, flujos de trabajo y comercialización.

Porque cuando la IA pase de “responder preguntas” a “cumplir tareas”, el conocimiento del sector se convertirá en un recurso escaso.

La programación es solo la primera industria que será reestructurada por el Agente. Y lo que la industria de la IA realmente quiere demostrar ahora, es si el próximo escenario será todo el mundo industrial.