Tín hiệu đỏ: ai đó kể chuyện quá hay.
Một bài báo xuất hiện sáng nay. "MiniMax sẽ trình diễn M3 tại WAIC 2026 — mô hình đa phương thức thế hệ thứ ba, có khả năng nhận diện hình ảnh và video, và... điều khiển máy tính."
Đọc xong, tôi dừng lại. Không phải vì ấn tượng. Mà vì một cảm giác quen thuộc — tín hiệu đỏ.
Câu chuyện quá hay. Quá trơn tru. Quá hoàn hảo cho một bản tin PR. Whitepaper xanh, tâm hồn xám.
Tôi nhìn vào ba dữ kiện duy nhất được cung cấp: (1) M3 là mô hình đa phương thức thế hệ thứ ba, (2) nó nhận diện được hình ảnh và video, (3) nó có thể "điều khiển máy tính". Không benchmark. Không kiến trúc. Không đối thủ. Không an toàn. Không giá cả. Không ngày phát hành.
Đây không phải một bài báo. Đây là một thông điệp PR được ngụy trang. Và với tư cách một người đã dành 10 năm săn tìm câu chuyện thị trường, tôi biết: khi thông tin quá ít, câu chuyện quá đẹp, thì thường có một điều gì đó đang được cố tình che giấu.
Hãy cùng khảo cổ tâm lý thị trường của thông báo này.
Context: Sân chơi của những câu chuyện
WAIC — Hội nghị Trí tuệ Nhân tạo Thế giới — là một trong những sân khấu lớn nhất cho các công ty AI Trung Quốc. Năm nay, MiniMax không chọn một sự kiện riêng để ra mắt M3. Họ chọn WAIC. Tại sao?
Vì WAIC cung cấp ba thứ mà một buổi ra mắt riêng không có: sự bảo trợ chính thức (có thể được nhà nước hậu thuẫn), sự chú ý của báo chí quốc tế, và — quan trọng nhất — một câu chuyện cạnh tranh. Nếu bạn không thể đánh bại đối thủ trên thực tế, ít nhất hãy đứng cùng sân khấu với họ.
MiniMax đang ở đâu? Họ huy động được hơn 1 tỷ USD từ các nhà đầu tư lớn như Alibaba và Tencent. Định giá cuối năm 2024 đạt khoảng 2.5 tỷ USD. Họ có sản phẩm C-end mạnh — Hailuo AI (tạo video) và Talkie (bạn đồng hành AI). Nhưng mảng B-end của họ yếu. API của họ không có tiếng nói. Doanh thu từ doanh nghiệp gần như bằng không.
Và bây giờ, họ công bố một sản phẩm Agent đa phương thức — M3 — trong một bối cảnh mà: - Anthropic đã có Claude Computer Use từ tháng 10/2024. - Các đối thủ Trung Quốc như Zhipu (AutoGLM) và Baidu (Agent) đã đi trước. - Thị trường Agent vẫn còn non trẻ, nhưng kỳ vọng đang tăng cao.
Đây là một nước đi chiến lược. Một câu chuyện được kể để giữ vị thế, không phải để ra mắt sản phẩm.
Core: Khảo cổ cấu trúc — Câu chuyện ẩn giấu trong ba dữ kiện
Hãy bóc tách từng lớp.
1. "Mô hình đa phương thức thế hệ thứ ba"
Đây là mã hóa cho một điều: MiniMax đã có thế hệ thứ nhất (MiniMax-01, thuần văn bản), thế hệ thứ hai (MiniMax-VL, ngôn ngữ hình ảnh), và bây giờ thế hệ thứ ba (đa phương thức toàn diện + Agent). Nghe có vẻ ấn tượng. Nhưng hãy hỏi: thế hệ thứ ba khác gì thế hệ thứ hai? Câu trả lời nằm ở hai chữ "điều khiển máy tính". Nhưng đó cũng là cạm bẫy.
Từ kinh nghiệm audit hợp đồng thông minh của tôi — khi ai đó chỉ nói "phiên bản mới hơn" mà không nói "tại sao", thì thường là vì lý do kỹ thuật không đủ mạnh để tự nói lên. Một bản nâng cấp thực sự sẽ có: số tham số, kiến trúc (MoE? Dense? Số chuyên gia?), kết quả benchmark, so sánh với đối thủ. Ở đây không có gì.
Suy luận kỹ thuật: M3 có thể tiếp tục sử dụng MoE (như MiniMax-01 với 456B tham số), kết hợp với bộ mã hóa hình ảnh/video. Khả năng video là một điểm cộng — nó yêu cầu xử lý khung hình theo thời gian, phức tạp hơn nhiều so với ảnh tĩnh. Nhưng nếu không có số liệu về tốc độ, độ chính xác, và chi phí suy luận, đây chỉ là một tuyên bố.
2. "Nhận diện hình ảnh và video"
Đây là năng lực tiêu chuẩn vào năm 2026. GPT-4o, Claude 3.5, Gemini 2.0 đều làm được. Câu hỏi đặt ra: độ chính xác ở mức nào? Có hỗ trợ real-time streaming video hay chỉ file upload? Có hiểu được video dài 10 phút với nhiều ngữ cảnh không?
Tôi có thể đoán: họ có thể đã huấn luyện mô hình trên bộ dữ liệu video chất lượng cao (từ Hailuo AI của họ), cho phép hiểu ngữ cảnh tốt hơn các đối thủ không có mảng video. Đây là lợi thế khác biệt tiềm năng. Nhưng một lần nữa — không có số liệu.
3. "Điều khiển máy tính"
Đây là điểm gây chú ý nhất. "Computer Use" — Agent thao tác GUI — là một trong những hướng đi nóng nhất năm 2024-2026. Anthropic đã trình diễn Claude Computer Use vào tháng 10/2024. Zhipu AutoGLM đã có bản demo. Nhưng tất cả đều ở giai đoạn đầu: độ tin cậy thấp, tốc độ chậm, lỗi bảo mật.
M3 tham gia cuộc chơi này. Nhưng với lợi thế gì?
Câu trả lời kỹ thuật: để "điều khiển máy tính" hiệu quả, mô hình cần có khả năng: - Nhận diện giao diện màn hình (UI understanding, element mapping) - Lập kế hoạch đa bước (multi-step planning) - Xử lý lỗi và rollback khi có sự cố - Bảo mật — ngăn chặn lệnh độc hại từ prompt injection
Mỗi lớp này đều là một thách thức. Nếu M3 không có điểm mạnh ở ít nhất một lớp, nó chỉ là một bản sao.
Tôi đoán rằng MiniMax có thể đã tận dụng mã nguồn mở (như UI-LLaVA hoặc Screen Agent framework) làm nền tảng, sau đó tinh chỉnh trên dữ liệu riêng. Đây là chiến lược nhanh, nhưng rào cản kỹ thuật thấp.
Contrarian: Góc nhìn phản trực giác — Những điều họ không nói mới là vấn đề
Hãy làm điều mà ENTP làm tốt nhất: tìm lỗ hổng trong câu chuyện.
Lỗ hổng số 1: Không có bất kỳ số liệu nào
Không benchmark. Không so sánh với GPT-4o hoặc Claude. Điều này rất bất thường. Khi bạn có sản phẩm thực sự mạnh, bạn muốn khoe điểm số. Khi bạn im lặng, thường là vì điểm số không tốt.
Trong 10 năm của tôi, tôi chưa thấy một dự án AI nào có sản phẩm vượt trội mà lại giấu điểm benchmark. Đây không phải là thời đại của bí mật quân sự. Đây là thời đại của cạnh tranh khốc liệt. Nếu bạn không nói, đối thủ sẽ nói cho bạn.
Lỗ hổng số 2: Không có lộ trình thương mại hóa
M3 dùng để làm gì? API? Sản phẩm C-end? Tích hợp vào Hailuo AI? Kết hợp với Talkie? Không ai biết.
MiniMax có một bài toán chiến lược: sản phẩm C-end của họ (Talkie, Hailuo) có lượng người dùng đông nhưng doanh thu thấp. Sản phẩm B-end hầu như không có. M3 — với khả năng Agent — hướng đến B-end rõ ràng. Nhưng làm sao để bán? Giá bao nhiêu? Có đối tác nào không? Không có câu trả lời.
Đây là dấu hiệu của một sản phẩm được phát triển bởi phòng R&D, không phải bởi đội ngũ sản phẩm thương mại.
Lỗ hổng số 3: Bảo mật — vấn đề bị lãng quên
"Điều khiển máy tính" là một trong những năng lực nguy hiểm nhất của AI. Một lỗi nhỏ có thể dẫn đến: - Xóa file người dùng - Gửi email sai - Bị tấn công qua prompt injection (đọc nội dung web độc hại và thực thi lệnh) - Rò rỉ dữ liệu nhạy cảm
Bài báo không đề cập đến bất kỳ biện pháp an toàn nào. Không sandbox. Không cơ chế xác nhận. Không giới hạn quyền. Điều này — đối với tôi — là tín hiệu đỏ lớn nhất.
Tại Trung Quốc, các quy định về AI (như Quy định quản lý dịch vụ AI sinh thành) yêu cầu đánh giá an toàn và đăng ký. M3 với năng lực Agent sẽ được xếp vào loại rủi ro cao, cần được thẩm định riêng. Nếu MiniMax chưa làm điều này, sản phẩm sẽ không thể ra mắt đúng hạn. Nếu họ đã làm, tại sao không nói?
Góc nhìn phản trực giác: M3 không phải là sản phẩm — nó là vũ khí gọi vốn
Hãy nhìn vào bức tranh lớn. MiniMax huy động vòng cuối vào năm 2024. Các vòng tiếp theo sẽ cần một câu chuyện mới. Thị trường AI Trung Quốc đang cạnh tranh khốc liệt: Zhipu, Baidu, ByteDance, Moonshot AI, 01.AI... ai cũng có "Agent".
M3 ra mắt tại WAIC — một sự kiện có tính chính trị và PR cao. Mục tiêu không phải là bán sản phẩm cho khách hàng. Mục tiêu là: - Cho nhà đầu tư thấy "chúng tôi vẫn đang dẫn đầu" - Cho chính phủ thấy "chúng tôi đang đóng góp vào chiến lược AI quốc gia" - Cho báo chí thấy "chúng tôi có tin tức"
Đây là một nước đi PR thuần túy, không phải một nước đi sản phẩm. Và trong thị trường đi ngang hiện tại — khi không có nhiều câu chuyện mới — bất kỳ câu chuyện nào cũng có thể tạo ra sự chú ý.
Takeaway: Câu chuyện tiếp theo
Vậy, tôi sẽ làm gì với thông tin này?
Đây là câu chuyện tôi sẽ kể cho LP của quỹ tôi:
"MiniMax M3 là tín hiệu cho thấy cuộc đua Agent đa phương thức tại Trung Quốc đang nóng lên. Nhưng thiếu dữ liệu kỹ thuật, thiếu lộ trình thương mại, và thiếu an toàn. Đây có thể là một cơ hội — nếu MiniMax thực sự có công nghệ mạnh — nhưng cũng có thể là một cái bẫy. Chúng ta cần đợi WAIC 2026 (17/7) để xem bản demo thực tế. Nếu demo thành công — với tỷ lệ thành công cao, độ trễ thấp — thì đây là tín hiệu mua. Nếu demo thất bại hoặc không có, thì đây chỉ là PR."
Tín hiệu đỏ: ai đó kể chuyện quá hay. Nhưng tôi sẽ không mua câu chuyện đó cho đến khi tôi thấy mã nguồn.
Whitepaper xanh, tâm hồn xám.
