MiniMax намагається знайти наступний «10-кратний»

Зі спалахом ClaudeCode, штучний інтелект перетворився з чат-інструменту на агента, коли модель починає справді виконувати завдання замість людини, витрати на токени зростають у геометричній прогресії.

Хто зможе зробити штучний інтелект справді частиною виробничого процесу, той отримає найстабільніші та найстійкіші витрати на токени. Після колективного зростання концептуальних акцій AI на початку року та швидкого відкату, вітчизняні компанії з великими моделями почали знову шукати нові сценарії зростання.

Захоплюючись трендами кодування та популярністю раків, отримавши перший досвід, вітчизняні гравці з моделями MiniMax поспішають розширювати своє коло контактів, шукаючи наступний золотий рудник.

11 травня MiniMax оголосила новий спільний проект під назвою «Десятикратна команда» (10xTeam).

Крім вже прив’язаних галузевих програмних продуктів, ігрових движків, проектування чіпів, фінансів та бухгалтерії, цього разу MiniMax відкрито запрошує експертів з економіки, наук про життя, матеріалознавства — тих, хто орієнтований на глобальні сфери, де можливо глибоке поєднання з великими моделями, — для спільної роботи та одночасно запускає вакансії «Дослідник 10xTeam» на платформі працевлаштування.

Очевидна амбіція — перенести концепцію «10-кратного підвищення ефективності», що з’явилася у програмуванні, у більше галузей.

Це буде взаємовигідно: MiniMax підвищить здатність універсальної базової моделі, а також просуватиме проникнення моделей у різні галузі та сценарії.

Насправді, «універсальні великі моделі + спільна розробка з галузевими експертами» вже стала консенсусом провідних компаній.

Anthropic довгий час залучає академічних та галузевих дослідників; їх EconomicIndex враховує вплив моделей на економічну діяльність різних секторів; OpenAI запускає медичний HealthBench і зосереджується на юридичних та фінансових сценаріях як ключових напрямках оптимізації GPT-серії; Google DeepMind довго використовує слоган «прорив у науці»: AlphaFold (структурна біологія), GNoME (матеріалознавство) та інше — доводять, що співпраця провідних галузевих експертів і базових дослідницьких команд може спричинити «промисловий прорив».

До кінця 2025 року Baidu також оголосила схожий проект «Веньсінь Ментор», орієнтований на галузевих та академічних експертів для керівництва великими моделями у передачі знань, оцінці якості та професійному калібруванні.

За минулий рік програмування стало однією з перших сфер, де з’явився феномен «10-кратного підвищення ефективності»: інструменти Cursor, ClaudeCode фактично переформатували процес розробки програмного забезпечення, конкуренція у базовій інфраструктурі вже майже завершена.

Після популяризації ClaudeCode вся індустрія штучного інтелекту швидко дійшла згоди: найважливіша здатність AI — це вже не просто «відповідати на питання», а «виконувати завдання». Як тільки AI потрапить у реальні виробничі системи, він стане необхідністю.

Програмісти щодня викликають його, компанії щодня запускають, команди постійно інтегрують, ланцюги логіки зростають. Виклики моделей перетворюються з випадкових потреб у постійне споживання, і доходи від токенів починають зростати у геометричній прогресії.

Такий рівень передбачуваності привів до конкуренції між гравцями: 18 місяців тому ринок програмування AI був монополією Copilot; тепер на заході змагаються Cursor, Windsurf, Cline, Claude Code, Aider, а в Китаї — DeepSeek TUI, Kimi Code, MiniMax-M2.5, Trae від ByteDance, Tongyi Lingma, Wenxin Kuai Ma, CodeGeeX від Zhipu, Qoder від Alibaba тощо.

Коли програмний бенефіт досягне межі, питання «Яка галузь стане наступною десятикратною?» стане ключовим для всіх компаній.

MiniMax відповідає: перенести здатності моделей у сфери з високою щільністю знань, складними робочими процесами та відсутністю стандартизації.

Це саме те, що не можна вирішити лише внутрішньою оптимізацією команд моделей. Потрібно залучити провідних галузевих експертів для визначення проблем, спільної розробки оцінювальних систем і робочих процесів, а потім — щоб модель сприяла трансформації галузі.

Галузеві знання мають високий поріг входу.

Проектування чіпів має складні процеси верифікації, промислове програмне забезпечення — масштабні інженерні системи, фінанси — власну логіку ризик-менеджменту та регуляторні рамки, біологія — прихований досвід експериментів і професійна структура знань. Всі ці дані не обов’язково є у відкритих інтернет-джерелах.

Справжній корисний галузевий агент — це не лише модель з високими можливостями логіки, а й здатність розуміти робочі процеси галузі.

Це змушує великі компанії з моделями ставати все більше схожими на поєднання науково-дослідних інститутів, галузевих організацій і консалтингових фірм. «10xTeam» MiniMax у певному сенсі — перший вітчизняний приклад, коли ця «науково-колаборативна модель» виходить на передній план.

З погляду MiniMax, це більше схоже на механізм галузевих дослідницьких партнерств. Команда моделей відповідає за базові можливості, галузеві експерти — за визначення проблем, побудову робочих процесів і створення систем оцінки, а агент — за впровадження у реальні виробничі сценарії.

Оскільки ціль AI змінюється з «відповідати на питання» на «виконувати завдання», важливість галузевих експертів швидко зростає.

Якщо раніше найважливішими були продуктові менеджери, які визначали потреби користувачів, то в епоху агентів справжніми ключовими гравцями стають ті, хто найкраще розуміє галузеві процеси.

Програмування — це лише перша галузь, яку агент переформатовує. Всі провідні компанії з моделями зараз шукають сценарії, що здатні генерувати величезне споживання токенів і водночас створювати реальну цінність для галузі.

За минулий рік оцінка ринку великих моделей зросла настільки, що все більше людей починають порівнювати з інтернет-бульбашкою 2000-х.

Нещодавно економіст Ма Гуаньюань зазначив, що верхні рівні інфраструктури — обчислювальні потужності, оптоволоконні модулі, апаратура — дійсно мають замовлення, доходи та можливість отримувати прибуток, оскільки світ шалено скуповує обчислювальні ресурси; але середній і нижчий рівень — великі моделі, застосування у робототехніці, універсальний AI, ToC/ToB — досі залишаються на рівні концепцій і історій, без масштабної комерціалізації, без стабільного прибутку, без справжнього вибуху потреб. Однак ці очікування вже закладені у поточну оцінку.

Вся індустрія розуміє, що якщо AI не зможе справді увійти у виробництво, допомагати компаніям підвищувати ефективність і заробляти, ця гра капіталу навряд чи зможе тривати довго. Лише коли AI почне справді працювати на підприємствах, брати участь у виробничих процесах і створювати цінність, вся ланцюг стане функціонувати.

Саме тому провідні світові AI-компанії активно просуваються у глибокі галузеві сегменти.

Anthropic вже не лише наголошує на здатностях моделей, а й на тому, як Claude інтегрується у бізнес-процеси; OpenAI посилює фокус на медичних, юридичних і фінансових сценаріях; Google DeepMind довгий час тримає курс на «науковий прорив» як стратегічний напрямок.

Бо всі розуміють: щоб AI справді почав допомагати галузям заробляти, підвищувати ефективність і знижувати витрати, потрібно продовжувати розвивати галузеві сценарії. Інакше бульбашка рано чи пізно лусне.

Якщо вона лусне, постраждають не лише кілька компаній з моделями. Від GPU до хмарних сервісів, від дата-центрів до AI-стартапів, у всій ланцюжку — ігровий простір AI може зазнати різкого спаду.

Саме тому всі провідні компанії з моделями зараз намагаються швидко довести: AI — це не просто концепція, а справжня виробнича сила. А «10xTeam» MiniMax у цьому контексті — ще один крок у стратегічному позиціонуванні галузі.

Вони прагнуть заздалегідь залучити галузевих експертів, щоб справді інтегрувати можливості моделей у складні галузі — проектування чіпів, промислове програмне забезпечення, фінансовий аналіз, біологію — і поступово створювати власні бар’єри даних, робочих процесів і комерційної моделі.

Бо коли ціль AI змінюється з «відповідати на питання» на «виконувати завдання», галузеві знання стають новим дефіцитним ресурсом. Програмування — це лише перша галузь, яку агент переформатовує. А вся галузь AI зараз прагне довести: наступним може стати цілий світ галузей.