📄 Earnings Call Transcript 번역 결과

?뱤 Presentation

Original	Translation
MiniMax Group Inc. (MNMXF) Q4 2025 Earnings Call March 2, 2026 7:00 AM EST Company Participants Junjie Yan - Founder, Executive Chairman, CTO & CEO Conference Call Participants Alex Yao - JPMorgan Chase & Co, Research Division Kenneth Fong - UBS Investment Bank, Research Division Thomas Chong - Jefferies LLC, Research Division Presentation Operator Good day, ladies and gentlemen. Thank you for standing by. Welcome to the MiniMax 2025 Full Year Financial Results Conference Call. Please note that English simultaneous interpretation will be provided for management's prepared remarks and Chinese Q&A session. [Operator Instructions] I will now turn the call over to [ Ms.	미니맥스 그룹 (주) (MNMXF) 2025년 4분기 실적 발표 컨퍼런스 콜 2026년 3월 2일, 동부 표준시 오전 7시 회사 참석자 옌쥔제 - 설립자, 이사회 의장, CTO 겸 CEO 컨퍼런스 콜 참석자 알렉스 야오 - JP모건 체이스, 리서치 부문 케네스 퐁 - UBS 투자은행, 리서치 부문 토마스 총 - 제프리스, 리서치 부문 발표 사회자 신사 숙녀 여러분, 안녕하십니까. 잠시 기다려 주셔서 감사합니다. 미니맥스 2025년 연간 재무 실적 컨퍼런스 콜에 오신 것을 환영합니다. 경영진의 준비된 발언과 중국어 질의응답 세션에는 영어 동시 통역이 제공될 예정임을 알려드립니다. [사회자 지침] 이제 [성함]님께 마이크를 넘기겠습니다.
Meredith Yu ], Director of IR at MiniMax. Unknown Executive Thank you, operator. Good evening, and good morning to everyone. Welcome to MiniMax 2025 Full Year Financial Results Conference Call. Before we start, please note that today's discussion may contain forward-looking statements, which involve a number of risks and uncertainties. Actual results and outcomes may differ from those discussed. The company does not undertake any obligation to update any forward-looking information, except as required by law.	메러디스 유 (미니맥스 IR 담당 이사) 미상 임원 오퍼레이터님, 감사합니다. 참석해 주신 여러분, 안녕하십니까? 좋은 저녁, 좋은 아침입니다. 미니맥스의 2025년 연간 재무 실적 컨퍼런스 콜에 오신 것을 환영합니다. 본 컨퍼런스 콜을 시작하기에 앞서, 금일 논의에는 여러 가지 위험과 불확실성을 수반하는 미래 예측 진술이 포함될 수 있음을 유의해 주시기 바랍니다. 실제 결과 및 성과는 논의된 내용과 다를 수 있습니다. 당사는 법률에 의해 요구되는 경우를 제외하고는 어떠한 미래 예측 정보도 업데이트할 의무를 지지 않습니다.
For important information about this call, including forward-looking statements, please refer to the company's public information or 2025 full year results announcement ended December 31, 2025, issued earlier today. During today's call, management will also discuss certain non-IFRS financial measures. These are provided for additional information and should not replace IFRS-based financial results. For a definition of non-IFRS financial measures and reconciliation of IFRS to non-IFRS financial results and related risk factors, please refer to our 2025 full year results announcement. For today's call, management will use Chinese as the main language.	본 컨퍼런스 콜과 관련된 중요한 정보(미래 예측 진술 포함)는 당사의 공개 정보 또는 금일 앞서 발표된 2025년 12월 31일 마감 2025 회계연도 전체 실적 발표를 참조하시기 바랍니다. 금일 컨퍼런스 콜에서 경영진은 특정 비-IFRS 재무 지표에 대해서도 논의할 예정입니다. 이는 추가 정보 제공 목적으로 제공되며, IFRS 기준 재무 실적을 대체할 수 없습니다. 비-IFRS 재무 지표의 정의, IFRS와 비-IFRS 재무 실적 간의 조정 내역, 그리고 관련 위험 요인에 대해서는 당사의 2025 회계연도 전체 실적 발표를 참조하시기 바랍니다. 본 컨퍼런스 콜에서 경영진은 중국어를 주요 언어로 사용할 예정입니다.
A third-party interpreter will provide simultaneous English interpretation in prepared remarks session and Q&A session. Please note that English interpretation is for convenience purposes only. In the case of any discrepancy, management's statements in the original language will prevail. Lastly, unless otherwise stated, all currency units mentioned are in USD. I will now hand the call over to our Founder and CEO of MiniMax, Dr. Yan Junjie. Junjie Yan Founder, Executive Chairman, CTO & CEO Dear investors and analysts, good evening. This is Yan Junjie. Thank you all for attending the first earnings call following our IPO.	사전 발언 세션과 질의응답 세션에서는 제3자 통역사가 영어 동시 통역을 제공할 예정입니다. 영어 통역은 편의를 위한 것임을 유의하시기 바랍니다. 불일치 발생 시에는 경영진의 원어 발언이 우선합니다. 마지막으로, 별도로 명시되지 않는 한, 언급되는 모든 통화 단위는 미국 달러(USD) 기준입니다. 이제 미니맥스의 설립자 겸 CEO이신 옌쥔지에 박사님께 마이크를 넘기겠습니다. 옌쥔지에 (설립자, 회장, CTO 겸 CEO) 투자자 및 애널리스트 여러분, 안녕하십니까. 옌쥔지에입니다. 저희 IPO 이후 첫 실적 발표 컨퍼런스콜에 참석해 주셔서 진심으로 감사드립니다.
I would like to take the opportunity of today's earnings call to share our progress over the past year and our strategic priorities for the next phase of growth. Let me start with a look back at 2025. For MiniMax, the key theme of this year was solidifying our foundation. In 2025, we built full-modality R&D capabilities, with global competitive models now in place across key modalities, including language, video, speech and music. Meanwhile, we continue to upgrade our products through ongoing technological innovation. This includes our enterprise and developer-facing Open Platform as well as customer products, such as MiniMax Agent, Hailuo AI, Talkie and Xingye.	오늘 실적 발표 자리를 빌려 지난 한 해 동안의 저희의 성과와 다음 성장 단계를 위한 전략적 우선순위를 공유하고자 합니다. 먼저 2025년을 되돌아보며 말씀드리겠습니다. MiniMax에게 2025년은 저희의 기반을 공고히 하는 것이 핵심 주제였습니다. 2025년에는 언어, 비디오, 음성, 음악을 포함한 주요 모달리티 전반에 걸쳐 글로벌 경쟁력을 갖춘 모델들을 구축하며 풀 모달리티(full-modality) R&D 역량을 확보했습니다. 한편, 저희는 지속적인 기술 혁신을 통해 제품을 꾸준히 업그레이드하고 있습니다. 여기에는 기업 및 개발자 대상의 오픈 플랫폼뿐만 아니라 MiniMax Agent, Hailuo AI, Talkie, Xingye와 같은 고객용 제품들이 포함됩니다.
We also made further progress in deepening our global footprint. In large language models, during the fourth quarter of last year, we launched 3 updated models, M2, M2.1 and M2-her. M2 redefined the balance among performance, cost and speed and incorporated 3 key capabilities: coding, tool use and deep search. Its performance has approached the leading global standards. Following its release, M2 saw rapid adoption within the global developer community, becoming the first Chinese model on OpenRouter to exceed 50 billion tokens in daily consumption while ranking first on the HuggingFace global trending leaderboard during the week.	저희는 또한 글로벌 입지 강화에도 추가적인 진전을 이루었습니다. 대규모 언어 모델(LLM) 분야에서는 작년 4분기에 M2, M2.1, M2-her 등 3종의 업데이트 모델을 출시했습니다. M2는 성능, 비용, 속도 간의 균형을 재정의했으며, 코딩, 도구 사용, 딥 서치 등 3가지 핵심 기능을 탑재했습니다. 그 성능은 세계 최고 수준에 근접했습니다. 출시 이후 M2는 글로벌 개발자 커뮤니티 내에서 빠르게 채택되었으며, OpenRouter에서 일일 토큰 소비량 500억 개를 돌파한 최초의 중국 모델이 되었습니다. 동시에 해당 주간 HuggingFace 글로벌 트렌딩 리더보드에서 1위를 기록했습니다.
Building on M2, we quickly launched M2.1 with a focus on improving performance on complex, real-world tasks, particularly in coding and workplace scenarios, where it demonstrated stronger capabilities in understanding and executing multistep instructions. Additionally, M2-her serves as the foundation model supporting our AI interactive products, namely Xingye and Talkie. It is designed to deliver more natural and personalized conversational experiences and was ranked first globally in overall performance in 100-turn long-context dialogue testing.	M2를 기반으로, 당사는 복잡한 실제 환경 작업, 특히 코딩 및 업무 환경 시나리오에서의 성능 개선에 중점을 두고 M2.1을 신속하게 출시했습니다. M2.1은 다단계 지시를 이해하고 실행하는 데 있어 더욱 강력한 역량을 입증했습니다. 또한, M2-her는 당사의 AI 대화형 제품인 Xingye와 Talkie를 지원하는 기반 모델 역할을 합니다. 이는 더욱 자연스럽고 개인화된 대화 경험을 제공하도록 설계되었으며, 100턴 장문 맥락 대화 테스트에서 전반적인 성능 부문에서 전 세계 1위를 차지했습니다.
In February, we released M2.5, which achieved global leading performance across key productivity scenarios, including coding, tool use and workplace applications. In coding, M2.5 set a new industry record on the SWE-bench Verified benchmark while delivering a 37% efficiency improvement compared with the previous generation, M2.1. More importantly, M2.5 makes the operation of complex agents economically viable. Running continuously for 1 hour at an out -- speed of 100 tokens per second costs only USD 1. This means that a budget of $10,000, 4 agents can operate continuously for an entire year.	2월에 저희는 M2.5를 출시했습니다. M2.5는 코딩, 도구 사용, 업무용 애플리케이션을 포함한 주요 생산성 시나리오 전반에서 전 세계적으로 선도적인 성능을 보였습니다. 코딩 분야에서 M2.5는 SWE-bench Verified 벤치마크에서 새로운 업계 기록을 세웠으며, 이전 세대인 M2.1과 비교하여 37%의 효율성 향상을 달성했습니다. 더 중요하게는, M2.5는 복잡한 에이전트의 운영을 경제적으로 실행 가능하게 만듭니다. 초당 100토큰의 속도로 1시간 동안 연속적으로 실행하는 데 단 1달러만 소요됩니다. 이는 1만 달러의 예산으로 4개의 에이전트가 1년 내내 연속적으로 작동할 수 있음을 의미합니다.
Breakthroughs in model capability have also driven rapid growth in usage with M2.5, quickly topping the OpenRouter rankings following its release. From M2 to M2.1, now M2.5, each generation has delivered significant improvements in both capability and adoption. In February 2026, average daily token consumption across the M2 text model series was more than 6x the level recorded in December 2025, with the token consumption from Coding Plan growing by more than tenfold. On the multimodal front, we have now established a model coverage across video, speech and music.	모델 역량의 획기적인 발전은 M2.5의 사용량 급증을 견인했으며, M2.5는 출시 직후 OpenRouter 순위에서 빠르게 1위를 차지했습니다. M2부터 M2.1, 그리고 현재 M2.5에 이르기까지, 각 세대는 역량과 채택률 모두에서 상당한 개선을 이루어냈습니다. 2026년 2월, M2 텍스트 모델 시리즈의 일평균 토큰 소비량은 2025년 12월 기록된 수준보다 6배 이상 증가했으며, 특히 코딩 플랜(Coding Plan)의 토큰 소비량은 10배 이상 급증했습니다. 멀티모달(multimodal) 분야에서는 비디오, 음성, 음악 전반에 걸쳐 모델 커버리지를 구축했습니다.
In October last year, we released our video model Hailuo 2.3, which delivered significant improvements in character motion, visual quality and stylistic expression. We also introduced a faster Fast model, which can reduce batch content creation costs by up to 50%. We further upgraded Media Agent within Hailuo AI, which supports full-modality content creation to generate the final output in one click. As of the end of 2025, our video models have helped creators worldwide generate more than 600 million videos in total. In October last year, we released our speech model, Speech 2.6, which was optimized for voice agent scenarios and significantly enhanced the voice interaction performance.	작년 10월, 저희는 캐릭터 동작, 시각적 품질 및 스타일 표현에서 상당한 개선을 이룬 비디오 모델 '해일로 2.3'을 출시했습니다. 또한, 일괄 콘텐츠 제작 비용을 최대 50%까지 절감할 수 있는 더 빠른 '패스트 모델'도 선보였습니다. '해일로 AI' 내의 미디어 에이전트도 한층 더 업그레이드하여, 풀 모달리티(full-modality) 콘텐츠 생성을 지원하고 클릭 한 번으로 최종 결과물을 생성할 수 있도록 했습니다. 2025년 말 기준으로, 저희 비디오 모델들은 전 세계 크리에이터들이 총 6억 개 이상의 비디오를 생성하도록 지원했습니다. 작년 10월에는 음성 에이전트 시나리오에 최적화되어 음성 상호작용 성능을 대폭 강화한 음성 모델 '스피치 2.6'을 출시했습니다.
It achieved a global leading ultra-low latency and supports more than 40 languages. As of the end of last year, our speech model had helped users worldwide to generate over 200 million hours of speech in total, making it one of the core infrastructure platforms in the voice intelligence ecosystem. Our newly released music models, Music 2.0 and 2.5, also achieved significant advancements. They can reliably handle a wide range of vocal styles and emotional expressions. In the process of developing these models and products, we've also continuously advanced our AI-native organizational evolution.	글로벌 선도적인 초저지연(ultra-low latency)을 달성했으며, 40개 이상의 언어를 지원합니다. 작년 말 기준으로, 당사의 음성 모델은 전 세계 사용자들이 총 2억 시간 이상의 음성을 생성하도록 지원하며, 음성 인텔리전스 생태계의 핵심 인프라 플랫폼 중 하나로 자리매김했습니다. 새롭게 공개된 당사의 음악 모델인 Music 2.0 및 2.5 또한 괄목할 만한 발전을 이루었습니다. 이 모델들은 광범위한 보컬 스타일과 감정 표현을 안정적으로 처리할 수 있습니다. 이러한 모델과 제품을 개발하는 과정에서, 저희는 또한 AI 네이티브(AI-native) 조직 진화를 지속적으로 추진해 왔습니다.
Internally, our agent interns now support nearly 90% of employees, with use cases spanning software development, data analysis, operations management, talent recruitment and sales and marketing. We view ourselves as a testing ground for the evolution of AI-native organizational capabilities, one that will steadily improve our R&D efficiency. In January this year, we productized these capabilities we had accumulated and released MiniMax Agent 2.0, enabling agents to directly access the users' local workspaces. At the same time, we will launch the Expert Agent feature, allowing users to create a domain-specific agents tailored to professional use cases.	내부적으로, 저희 에이전트 인턴들은 현재 직원들의 거의 90%를 지원하고 있으며, 활용 사례는 소프트웨어 개발, 데이터 분석, 운영 관리, 인재 채용, 영업 및 마케팅 등 다양한 분야에 걸쳐 있습니다. 우리는 스스로를 AI 네이티브 조직 역량 진화를 위한 테스트 베드로 간주하며, 이는 우리의 R&D 효율성을 꾸준히 향상시킬 것입니다. 올해 1월, 우리는 축적해 온 이러한 역량들을 제품화하여 MiniMax Agent 2.0을 출시했습니다. 이를 통해 에이전트가 사용자의 로컬 작업 공간에 직접 접근할 수 있도록 했습니다. 동시에, 우리는 Expert Agent 기능을 출시하여 사용자들이 전문적인 활용 사례에 맞춰 특정 도메인에 특화된 에이전트를 생성할 수 있도록 할 것입니다.
As of the end of February, professional users had cumulatively created over 50,000 Expert Agents, addressing specialized challenges through deep knowledge and capability integration. Even speaking of the OpenClaw, which is very popular. Actually, even before the OpenClaw project gained broad attention, its founder, Peter, had already spoke highly of MiniMax models, describing the M2.1 model as his preferred and the best open source model. Following OpenClaw's official launch, the combined performance and cost advantages of the M2 series enabled more developers to adopt the models at significantly lower cost.	2월 말 기준으로 전문 사용자들은 깊이 있는 지식과 역량 통합을 통해 전문적인 과제를 해결하는 5만 개 이상의 Expert Agent를 누적 생성했습니다. 매우 인기 있는 OpenClaw의 사례만 보더라도 그렇습니다. 사실, OpenClaw 프로젝트가 폭넓은 주목을 받기 전부터 그 설립자인 피터는 이미 MiniMax 모델들을 높이 평가했으며, M2.1 모델을 자신이 선호하는 최고의 오픈 소스 모델이라고 극찬했습니다. OpenClaw의 공식 출시 이후, M2 시리즈의 결합된 성능 및 비용 이점 덕분에 더 많은 개발자들이 훨씬 더 낮은 비용으로 해당 모델들을 채택할 수 있게 되었습니다.
Our agent product also proactively supported OpenClaw, launching MaxClaw, which further lowered the barrier to entry for users. Next up, we would like to talk about our progress on monetization. Alongside our -- for the whole year, we generated USD 79 million in revenue for the full year, representing 159% year-over-year. Along this, revenue from AI-native products reached USD 53 million, up 143% year-over-year, while revenue from our Open Platform was around USD 26 million, up 198% year-over-year. We are seeing the revenue accelerating in 2025. For example, our Open Platform serving enterprise customers and individual developers.	저희 에이전트 제품은 OpenClaw를 선제적으로 지원하며 MaxClaw를 출시하여 사용자 진입 장벽을 더욱 낮췄습니다. 다음으로, 수익화(monetization) 진행 상황에 대해 말씀드리겠습니다. 저희는 연간 총 7,900만 달러의 매출을 기록했으며, 이는 전년 대비 159% 증가한 수치입니다. 이와 함께 AI 네이티브 제품 매출은 5,300만 달러에 달하며 전년 대비 143% 증가했고, 오픈 플랫폼 매출은 약 2,600만 달러를 기록하며 전년 대비 198% 증가했습니다. 저희는 2025년에 매출이 더욱 가속화될 것으로 예상하고 있습니다. 예를 들어, 저희 오픈 플랫폼은 기업 고객과 개인 개발자들을 대상으로 서비스를 제공하고 있습니다.
Our new user registration in February 2026 were more than 4x the level recorded in December 2025. As of December 31, 2025, we had cumulatively served more than 236 million users across over 200 countries and regions as well as 214,000 enterprise customers and developers from more than 100 countries and regions. Revenue from international markets accounted for more than 70% of our total revenue in 2025. And international revenue represented over 50% of total revenue for our Open Platform. Since the release of M2.5, we have seen strong traction in international markets, attracting significant inbound interest from new global customers with positive word of mouth continue to build momentum.	2026년 2월 신규 사용자 등록 건수는 2025년 12월에 기록된 수준보다 4배 이상 증가했습니다. 2025년 12월 31일 기준으로, 당사는 200개 이상의 국가 및 지역에서 2억 3천 6백만 명 이상의 사용자에게 누적 서비스를 제공했으며, 100개 이상의 국가 및 지역으로부터 21만 4천 개의 기업 고객 및 개발자를 확보했습니다. 2025년 해외 시장 매출은 당사 총 매출의 70% 이상을 차지했습니다. 그리고 당사의 오픈 플랫폼 총 매출에서 해외 매출이 50% 이상을 차지했습니다. M2.5 출시 이후, 당사는 해외 시장에서 강력한 견인력을 보였으며, 긍정적인 입소문이 지속적으로 확산되면서 새로운 글로벌 고객들의 상당한 관심을 유치하고 있습니다.
Leading global cloud providers and AI-native cloud platforms, including Google Vertex AI, Microsoft Azure, AI Foundry, Fireworks AI, and Nebius AI have deployed MiniMax models. We have also become the default model on leading coding platforms such as OpenCode and KiloCode. And early this morning, Notion launched M2.5, which is the first -- its first and only open source model option. In addition, while offering our services above, we further enhanced compute efficiency by driving engineering optimizations and deliver meaningful gains, benefiting from iterative improvements in algorithm optimization, operator implementation and encoding and decoding engineering.	선도적인 글로벌 클라우드 제공업체 및 AI 네이티브 클라우드 플랫폼(Google Vertex AI, Microsoft Azure, AI Foundry, Fireworks AI, Nebius AI 등)에서 MiniMax 모델을 배포했습니다. 또한 OpenCode 및 KiloCode와 같은 선도적인 코딩 플랫폼의 기본 모델로 채택되었습니다. 그리고 오늘 아침 일찍, Notion은 M2.5를 출시했는데, 이는 Notion의 최초이자 유일한 오픈 소스 모델 옵션입니다. 이와 더불어, 위에서 언급한 서비스들을 제공하는 동시에, 저희는 엔지니어링 최적화를 추진하여 컴퓨팅 효율성을 더욱 향상시켰습니다. 이는 알고리즘 최적화, 연산자 구현, 인코딩 및 디코딩 엔지니어링 분야에서의 반복적인 개선을 통해 상당한 성과를 가져왔습니다.
As of February 2026, inference computer cost per million tokens for the M2 text model series has declined by over 50% compared with the December 2025 levels. Over the same period, inference latency for Hailuo video generation model has decreased by more than 30%. As our model capabilities continue to iterate and improve, the benefits of scale have emerged. For the full year 2025, gross profit reached USD 20 million, up 437% year-over-year, with gross margin improving to 25.4%, up 13 percentage points from 12.2% in 2024.	2026년 2월 기준, M2 텍스트 모델 시리즈의 100만 토큰당 추론 컴퓨팅 비용은 2025년 12월 수준 대비 50% 이상 감소했습니다. 같은 기간 동안, 하이루오(Hailuo) 영상 생성 모델의 추론 지연 시간은 30% 이상 감소했습니다. 저희 모델 역량이 지속적으로 반복 개선되면서, 규모의 이점이 나타나기 시작했습니다. 2025년 한 해 동안, 매출총이익은 2천만 달러를 기록하며 전년 대비 437% 증가했습니다. 매출총이익률은 25.4%로 개선되어 2024년 12.2%에서 13%포인트 상승했습니다.
On the expenses side, sales and marketing expenses decreased by 40% year-over-year, while R&D expenses increased by 33.8% year-over-year, though significantly below our revenue growth rate. For the full year 2025, adjusted net loss was USD 250 million. As commercialization continued to advance and model optimization drove cost efficiencies, our adjusted net loss margin narrowed significantly. In the first 2 months of 2026, we have already seen strong growth momentum. As of February 2026, our ARR has exceeded USD 150 million. Next up, I would like to share our outlook for the future. We believe that in 2026, intelligence levels will advance significantly.	비용 측면에서, 판매 및 마케팅 비용은 전년 대비 40% 감소했으며, R&D 비용은 전년 대비 33.8% 증가했지만, 이는 저희 매출 성장률에 비해 현저히 낮은 수준이었습니다. 2025년 연간 기준으로 조정 순손실은 2억 5천만 달러를 기록했습니다. 상업화가 계속 진전되고 모델 최적화를 통해 비용 효율성이 향상되면서, 저희의 조정 순손실률은 크게 축소되었습니다. 2026년 첫 두 달 동안, 저희는 이미 강력한 성장 모멘텀을 확인했습니다. 2026년 2월 기준으로, 저희의 ARR(연간 반복 매출)은 1억 5천만 달러를 초과했습니다. 다음으로, 저희의 향후 전망을 공유하고자 합니다. 저희는 2026년에는 지능 수준이 크게 발전할 것이라고 믿습니다.
Our own efforts will focus on the following 3 aspects: First, in software development, we expect to see the emergence of L4 to L5 levels of intelligence, marking the shift from AI as a tool to AI as a colleague-level collaborator. Second, across professional workplaces, we expect to see a pace of progress similar to what we saw in coding last year. In particular, the delivery capabilities and penetration of AI agents in workplace areas will improve meaningfully. Third, multimodal creation this year will move towards the direct generation of production-ready mid- to long-form content, with formats emerging that are increasingly closer to streaming and real-time output.	저희는 다음 세 가지 측면에 노력을 집중할 것입니다. 첫째, 소프트웨어 개발 분야에서는 L4에서 L5 수준의 지능 출현을 기대합니다. 이는 AI가 단순한 도구를 넘어 동료 수준의 협력자로 전환됨을 의미합니다. 둘째, 전문 업무 환경 전반에서는 작년 코딩 분야에서 목격했던 것과 유사한 발전 속도를 기대합니다. 특히, 업무 영역에서 AI 에이전트의 제공 역량과 침투율이 크게 향상될 것입니다. 셋째, 올해 멀티모달 창작은 즉시 활용 가능한 중장편 콘텐츠의 직접적인 생성을 향해 나아갈 것이며, 스트리밍 및 실시간 출력에 점점 더 가까워지는 형식들이 출현할 것입니다.
Taken together, these 3 developments signal new technical challenges, a significant expansion in the supply of intelligence at scale and a substantial window of innovation at the application layer. They're also implying a meaningful increase in the demand placed on our platform, with the token volume likely to grow by 1 to 2 orders of magnitude. Our next-generation M3 and Hailuo 3 model series are designed with these needs in mind. In parallel, we are rapidly strengthening our infrastructure and continuing to attract top talent, shifting our focus from optimizing training efficiency alone to driving higher R&D and iteration efficiency.	종합적으로 볼 때, 이 세 가지 발전은 새로운 기술적 과제, 대규모 지능 공급의 상당한 확장, 그리고 애플리케이션 계층에서의 상당한 혁신 기회를 시사합니다. 또한 이는 우리 플랫폼에 대한 수요의 의미 있는 증가를 의미하며, 토큰 볼륨은 1~2 자릿수 규모로 성장할 것으로 예상됩니다. 당사의 차세대 M3 및 Hailuo 3 모델 시리즈는 이러한 필요를 염두에 두고 설계되었습니다. 이와 병행하여, 당사는 인프라를 신속하게 강화하고 최고 인재를 계속해서 유치하고 있으며, 훈련 효율성 최적화에만 집중하는 것에서 벗어나 더 높은 R&D 및 반복 효율성을 추진하는 방향으로 초점을 전환하고 있습니다.
At the strategic level, we are evolving from a large model company into a platform company for the AI era. In the Internet era, platform companies primarily served as gateway for traffic. In the AI era, however, platform companies are those that define and advance new intelligence paradigms that are able to capture the products and commercial value created by those paradigm shifts. This requires stability to shape emerging intelligence frameworks to sustain innovation in both technology and products and to provide a scalable infrastructure and highly efficient token throughput capability.	전략적 차원에서, 저희는 대규모 모델 기업에서 AI 시대를 위한 플랫폼 기업으로 진화하고 있습니다. 인터넷 시대에는 플랫폼 기업들이 주로 트래픽의 관문 역할을 했습니다. 하지만 AI 시대에는 플랫폼 기업이 새로운 지능 패러다임을 정의하고 발전시키며, 그러한 패러다임 전환으로 인해 창출되는 제품과 상업적 가치를 포착하고 확보할 수 있는 기업입니다. 이를 위해서는 새로운 지능 프레임워크를 형성할 수 있는 안정성, 기술 및 제품 혁신을 지속할 수 있는 역량, 그리고 확장 가능한 인프라와 고효율 토큰 처리량 역량을 갖추는 것이 필요합니다.
We believe that we are one of the few companies that we -- that have established and continue to strengthen these capabilities. So the value of an AI era platform company can be simply framed as the density of intelligence provided multiplied by token throughput. When both dimensions are sufficiently strong, platform value naturally emerges. Getting at this historical inflection point of industry, our confidence grounded in 2 factors. The acceleration of the AI industry is increasingly evident. Breakthrough in model capability, deployment of agent applications, and maturation monetization models are obviously continuing to expand at the industry selling.	저희는 이러한 역량을 구축하고 지속적으로 강화해 온 소수의 기업 중 하나라고 생각합니다. 따라서 AI 시대 플랫폼 기업의 가치는 제공되는 지능의 밀도에 토큰 처리량을 곱한 값으로 간단히 정의될 수 있습니다. 이 두 가지 차원이 충분히 강력할 때, 플랫폼 가치는 자연스럽게 창출됩니다. 이 산업의 역사적인 변곡점에 서서, 저희의 자신감은 두 가지 요인에 기반을 두고 있습니다. AI 산업의 가속화가 더욱 분명해지고 있습니다. 모델 역량의 획기적인 발전, 에이전트 애플리케이션의 배포, 그리고 수익화 모델의 성숙은 분명히 산업 전반에 걸쳐 계속해서 확장되고 있습니다.
So we are already strong, seeing strong growth momentum. We're confident in becoming a core builder of the AI platform ecosystem. That concludes our prepared remarks. We're now ready to take your questions.	따라서 저희는 이미 강력한 입지를 다지고 있으며, 강력한 성장 모멘텀을 이어가고 있습니다. AI 플랫폼 생태계의 핵심 구축자로서 자리매김할 것임을 확신합니다. 이상으로 저희의 모두 발언을 마치겠습니다. 이제 질의응답 시간을 갖겠습니다.

📌 요약

MiniMax Group Inc.의 2025년 4분기 실적 발표 요약 (전문 투자자용):

* **견조한 매출 성장 및 효율성 개선 속 순손실 지속:** 2025년 연간 매출은 전년 대비 159% 증가한 7,900만 달러, 총이익은 437% 증가한 2,000만 달러(총마진 25.4%)를 기록했으나, 조정 순손실은 2억 5천만 달러를 기록했습니다. 2026년 2월 기준 연간반복매출(ARR)은 1억 5천만 달러를 초과했으며, M2 텍스트 모델 시리즈의 추론 컴퓨팅 비용이 50% 이상 절감되는 등 효율성 개선 노력이 돋보입니다.
* **모델 성능 고도화 및 광범위한 시장 채택:** M2.5 모델은 코딩 및 업무 시나리오에서 글로벌 선도적 성능을 달성하며 복잡한 AI 에이전트 운영의 경제성을 확보했습니다. 2025년 12월 대비 2026년 2월 M2 텍스트 모델 시리즈의 일일 토큰 소비량은 6배 이상, 코딩 플랜은 10배 이상 증가했으며, Google, Microsoft, Notion 등 주요 글로벌 플랫폼에 모델이 배포되며 시장 채택이 가속화되고 있습니다.
* **"AI 시대의 플랫폼 기업"으로의 전략적 전환 및 미래 성장 자신감:** 회사는 "AI 시대의 플랫폼 기업"으로의 전환을 선언하며, 2026년 소프트웨어 개발 및 전문 업무 분야에서 AI 에이전트의 지능 수준 및 침투율 급증, 멀티모달 콘텐츠 생성 역량 강화를 전망했습니다. 이에 따라 플랫폼 토큰 볼륨이 1~2 자릿수 규모로 증가할 것으로 예상하며, 차세대 M3 및 Hailuo 3 모델 개발과 인프라 강화에 집중할 계획입니다. 경영진은 AI 플랫폼 생태계의 핵심 빌더가 될 것이라는 강한 자신감을 표명했습니다.

??Q&A

Original	Translation
Operator: [Operator Instructions] Please dial in Chinese line if you want to ask question. Your first question comes from [ Gary Yi ] of Morgan Stanley.	Operator: 질문하실 분께서는 중국어 회선으로 접속해 주시기 바랍니다. 첫 번째 질문은 모건 스탠리에서 해주셨습니다.
Unknown Analyst: So you aim to become an AI platform company, but so do AI and OpenAI. So how do you define an AI era platform company? Why do you think a start-up like MiniMax can become one?	Unknown Analyst: AI 플랫폼 기업이 되는 것을 목표로 하시는군요. 그런데 다른 주요 AI 기업들과 오픈AI(OpenAI)도 마찬가지인데요. 그렇다면 AI 시대의 플랫폼 기업을 어떻게 정의하시나요? 그리고 미니맥스(MiniMax) 같은 스타트업(start-up)이 그렇게 될 수 있다고 보시는 이유는 무엇인가요?
Junjie Yan: Founder, Executive Chairman, CTO & CEO Thank you for your question. This is something we have been discussing and thinking about internally for a long time. So like we mentioned earlier, when the boundary of intelligence is pushed forward, it creates many new scenarios, new customers and new users, forming a new ecosystem and generating new commercialization dividends, such as, for instance, in coding and video or image generation, there are companies that have already emerged. Why MiniMax have the opportunity to become a platform company for the AI era? I think there are several reasons. For one, the AI market is not a zero-sum market. The incremental market each year is larger than the existing stock. And it is also not a winner-takes-all market. As long as you have unique differentiated innovation, then you have your market fit. We believe that our -- over the next 2 to 3 years, our model R&D capabilities and infrastructure capabilities are highly likely to create new scenarios, and there's tremendous innovation in market space in areas such as coding, office productivity and interactive entertainment. And in such a high growing -- fast-growing market, we feel like the opportunity lies in 3 areas or 3 layers. First is on the model layer. I think a critical element is that we rely on the long-term accumulation of model and faster iteration. For instance, over the 180 days, we successfully released M2, M2.1, M2.5, each bringing rapid growth in user numbers and API calls. And also, since day 1, we have been accumulating capabilities in cross modality. So we are the only company who has adopted this strategy, which position us advantageously in this inevitable trend of multimodal fusion. The second is on the product layer. MiniMax is the first domestic company who focus both on product and model. So the model plus product forms a stronger barrier to entry. So the model as a product is something hard to replicate by other peers. And the third layer is on the ecosystem side. We have leveraged our differentiated capability and have created an open system, for example, in open cloud. OpenClaw used many of our models to develop. And also is very fit for large thoroughput product and also using it to further integrate it. So this also further break down or reduce the barrier to entry for our users. So that's why we are seeing a lot of code contribution. So we can help -- we have the ability to help the ecosystem grow at rapid speed. And looking ahead, this is just the beginning of our own internal ecosystem or ecosystem we are building. Going forward, we are going to focus on building our next-generation M3 series of full-modality model, establishing clear model differentiation. On the other hand, we hope to build a distinctive products and ecosystem around the intelligence that we offer. We believe that alongside the major tech incumbents, we are the only company capable of executing on both product and models at the same time, even in Asia. Thank you.	Junjie Yan: 질문 감사합니다. 이 부분은 저희가 내부적으로 오랫동안 논의하고 고민해 온 내용입니다. 앞서 말씀드린 것처럼, 지능의 경계가 확장될 때마다 많은 새로운 시나리오, 새로운 고객, 새로운 사용자를 창출하고 새로운 생태계를 형성하며 새로운 상업화 배당금(commercialization dividends)을 만들어냅니다. 예를 들어, 코딩, 비디오 또는 이미지 생성 분야에서 이미 많은 기업들이 등장했습니다. 왜 MiniMax가 AI 시대의 플랫폼 기업이 될 기회를 가지고 있는가? 저는 몇 가지 이유가 있다고 생각합니다. 첫째로, AI 시장은 제로섬 시장(zero-sum market)이 아닙니다. 매년 증가하는 시장 규모가 기존 시장 규모보다 더 큽니다. 그리고 승자독식 시장(winner-takes-all market)도 아닙니다. 독점적인 차별화된 혁신이 있다면, 시장 적합성(market fit)을 확보할 수 있다고 생각합니다. 저희는 향후 2~3년간 저희의 모델 R&D 역량과 인프라 역량이 새로운 시나리오를 창출할 가능성이 매우 높다고 보고 있습니다. 특히 코딩, 사무 생산성(office productivity), 인터랙티브 엔터테인먼트(interactive entertainment)와 같은 분야의 시장에서는 엄청난 혁신이 일어나고 있습니다. 이처럼 빠르게 성장하는 시장에서 기회는 세 가지 영역, 혹은 세 가지 계층(layer)에 있다고 생각합니다. 첫째는 모델 계층(model layer)입니다. 여기서 핵심 요소는 모델의 장기적인 축적과 빠른 반복(iteration)에 의존한다는 점이라고 생각합니다. 예를 들어, 지난 180일 동안 저희는 M2, M2.1, M2.5 버전을 성공적으로 출시했으며, 각 버전은 사용자 수와 API 호출(API call) 수의 급격한 성장을 가져왔습니다. 저희는 처음부터 교차 모달리티(cross-modality) 분야에서 역량을 꾸준히 축적해왔습니다. 이러한 전략을 채택한 유일한 회사로서, 이는 멀티모달 융합(multimodal fusion)이라는 거스를 수 없는 흐름 속에서 저희를 매우 유리한 위치에 놓이게 합니다. 두 번째는 제품 측면입니다. MiniMax는 제품과 모델 모두에 집중하는 국내 최초의 회사입니다. 따라서 모델과 제품의 결합은 더욱 강력한 진입 장벽(barrier to entry)을 형성합니다. 즉, 제품으로서의 모델은 다른 경쟁사들이 쉽게 복제하기 어려운 강점입니다. 세 번째는 생태계(ecosystem) 측면입니다. 저희는 차별화된 역량을 활용하여 개방형 시스템(open system)을 구축했습니다. 예를 들어, 오픈 클라우드(open cloud) 분야가 그렇습니다. OpenClaw는 저희의 많은 모델들을 활용하여 개발되었으며, 대규모 처리량(large throughput) 제품에 매우 적합하고, 이를 통해 추가적인 통합을 계속해서 이루어내고 있습니다. 이는 또한 저희 사용자들의 진입 장벽(barrier to entry)을 더욱 낮추거나 허무는 역할을 합니다. 그렇기 때문에 저희는 많은 코드 기여(code contribution)를 보고 있으며, 생태계(ecosystem)가 빠른 속도로 성장할 수 있도록 도울 역량을 갖추고 있습니다. 앞으로를 내다보면, 이는 저희 자체 내부 생태계, 즉 저희가 구축하고 있는 생태계의 시작에 불과합니다. 향후 저희는 차세대 M3 시리즈 풀 모달리티 모델(full-modality model) 구축에 집중하고, 명확한 모델 차별화(model differentiation)를 확립할 것입니다. 한편으로는 저희가 제공하는 인텔리전스(intelligence)를 기반으로 차별화된 제품과 생태계를 구축하고자 합니다. 저희는 주요 기술 선도 기업(tech incumbents)들과 더불어, 아시아에서 제품과 모델을 동시에 실행할 수 있는 유일한 기업이라고 믿습니다. 감사합니다.
Operator: Next question comes from Alex Yao of JPMorgan.	Operator: 다음 질문은 JP모건(JPMorgan)의 알렉스 야오 님입니다.
Alex Yao: JPMorgan Chase & Co, Research Division Congratulations on the strong results. I want to ask about multi-modality, which is something that you emphasize as the end game. So if competitors focus on perfecting a single modality first and then switch to cross-modality, means that might they move faster than you? So your approach of focusing on cross-modality in the first place will be burdensome for you? Will that be the case?	Alex Yao: 먼저, 좋은 실적을 거두신 것을 축하드립니다. 최종 목표(end game)로 강조하시는 멀티모달리티(multi-modality)에 대해 질문드리고 싶습니다. 만약 경쟁사들이 먼저 단일 모달리티(single modality)를 완벽하게 구축한 다음 교차 모달리티(cross-modality)로 전환하는 전략을 택한다면, 오히려 저희보다 더 빠르게 시장을 선점할 수도 있지 않을까요? 그렇다면 처음부터 교차 모달리티에 집중하시는 여러분의 접근 방식이 오히려 부담으로 작용할 수도 있다는 의미인지요? 어떻게 생각하시는지 궁금합니다.
Junjie Yan: Founder, Executive Chairman, CTO & CEO Thank you for the question. This is something we have been asked since the first day when the company was founded. I would like to take this opportunity why we focus on cross-modality. We believe that the integration of modeling modality is the fundamental prerequisite for continuously improving intelligence. Over the past 6 months, several models have validated this trend by achieving breakthroughs through multimodal integration. For example, models like Nano and Nano Pro integrate visual understanding and generation, further expanding intelligence boundaries. For us, we -- it's 2-stage approach for us. We are now in the second stage. Over the past 4 years, which is Stage 1 for us, we have steadily built industry-leading models in each modality, creating strong positive influence and market recognition. There are many models that we are offering across modalities, and we have made quite a significant achievements in respective field. And next up, the critical thing is to integrate them and fuse them to make greater breakthroughs. In the second half of this year, the M3 models is designed to achieve that goal. And along this, approach, we want to emphasize that accumulation in each modality is a long-term process. It takes time from data to single modality and then to multimodal integration. The entire chain requires significant time. So this is the foundation of our long-term capabilities and what sets us apart. We are one of the only three companies in China that have achieved the leadership across every modality. And the second point I want to share is that for video generation, other than coding and agentic tasks, is the largest market. We believe that we are able to see mid- to long-term form content near real-time formats. We believe that we are -- we can also achieve that kind of ability, and there is a significant opportunity out there for us. And like you mentioned, will our strategic approach hinder our R&D development? Well, how do we put it? I think there are challenges, but they are inevitable. Since our founding, AGI has been always multimodal input and output. Therefore, we have built an organization structure that enables reusing foundational capabilities across the modalities. As you can see, under this AI-native organizational architecture, our cost of building full modality is not higher than that of other start-ups and is far lower than the investment of large tech companies. So moreover, each individual modality has achieved a competitive model. In some cases, outperforming companies focus solely on a single modality. So our technical judgment and forward-looking positioning have been continuously validated over the past few years and will only become clearer going forward. Thank you.	Junjie Yan: 질문해주셔서 감사합니다. 이 질문은 저희 회사가 설립된 첫날부터 계속 받아온 질문입니다. 이 기회를 빌어 저희가 왜 크로스 모달리티(cross-modality)에 집중하는지 말씀드리고자 합니다. 저희는 모델링 모달리티(modeling modality)의 통합이 지능을 지속적으로 향상시키는 데 있어 근본적인 전제 조건이라고 믿습니다. 지난 6개월 동안, 여러 모델들이 멀티모달 통합(multimodal integration)을 통해 획기적인 발전을 이루며 이러한 추세를 입증했습니다. 예를 들어, Nano와 Nano Pro 같은 모델들은 시각적 이해와 생성을 통합하여 지능의 경계를 더욱 확장하고 있습니다. 저희의 접근 방식은 두 단계로 이루어져 있으며, 현재 저희는 두 번째 단계에 있습니다. 지난 4년간, 저희에게는 1단계(Stage 1)였습니다만, 각 모달리티(modality)별로 업계 선도적인 모델들을 꾸준히 구축해왔고, 이를 통해 강력한 긍정적 영향력과 시장 인지도를 만들어냈습니다. 저희가 제공하는 모델들은 다양한 모달리티에 걸쳐 많이 있으며, 각 분야에서 상당한 성과를 거두었습니다. 그리고 다음으로 핵심은 이들을 통합하고 융합하여 더 큰 돌파구를 마련하는 것입니다. 올해 하반기에는 M3 모델들이 바로 그 목표를 달성하도록 설계되었습니다. 이러한 접근 방식과 더불어, 각 모달리티에서의 축적은 장기적인 과정이라는 점을 강조하고 싶습니다. 데이터(data)에서 단일 모달리티(single modality)로, 그리고 다시 멀티모달(multimodal) 통합으로 나아가는 데까지는 시간이 걸립니다. 이 전체 과정은 상당한 시간을 필요로 합니다. 따라서 이것이 저희의 장기적인 역량의 기반이며, 저희를 차별화하는 요소입니다. 저희는 중국 내에서 모든 모달리티(modality) 분야에서 선두를 달성한 유일한 세 개 회사 중 하나입니다. 두 번째로 말씀드리고 싶은 점은, 비디오 생성(video generation) 분야가 코딩 및 에이전트(agentic) 작업 외에 가장 큰 시장이라는 것입니다. 저희는 중장기 형태의 콘텐츠를 거의 실시간(real-time) 형식으로 생성할 수 있다고 믿으며, 그러한 역량(ability) 또한 달성할 수 있다고 생각합니다. 저희에게는 상당한 기회(opportunity)가 있습니다. 그리고 말씀하셨듯이, 저희의 전략적 접근 방식(strategic approach)이 R&D 개발(R&D development)을 저해할지에 대한 질문에 대해 말씀드리겠습니다. 음, 어떻게 말씀드려야 할까요? 물론 어려움(challenges)이 있겠지만, 이는 피할 수 없는 부분이라고 생각합니다. 저희는 창립 이래로 AGI가 항상 멀티모달(multimodal) 입출력(input and output)을 기반으로 해야 한다고 보아왔습니다. 따라서 저희는 모든 모달리티(modality) 전반에 걸쳐 기반 역량(foundational capabilities)을 재사용할 수 있도록 하는 조직 구조(organization structure)를 구축했습니다. 보시다시피, 이러한 AI 네이티브(AI-native) 조직 아키텍처(organizational architecture) 하에서 저희의 풀 모달리티(full modality) 구축 비용은 다른 스타트업(start-up)들과 비교했을 때 더 높지 않으며, 대형 기술 기업(large tech companies)들의 투자액보다 훨씬 낮습니다. 또한, 각각의 개별 모달리티 역시 경쟁력 있는 모델을 구축했습니다. 일부 경우에는 단일 모달리티(single modality)에만 집중하는 기업들보다도 뛰어난 성과를 내기도 했습니다. 따라서 저희의 기술적 판단과 미래 지향적인 포지셔닝(positioning)은 지난 몇 년간 지속적으로 검증되어 왔으며, 앞으로는 더욱 명확해질 것입니다. 감사합니다.
Operator: Your next question comes from UBS, Kenny Fong.	Operator: 다음 질문은 UBS의 케니 퐁 님께서 해주시겠습니다.
Kenneth Fong: UBS Investment Bank, Research Division Congratulations on the strong results following your IPO. You mentioned that L4 to L5 levels of programming intelligence are approaching, and there are many claims that many software companies may be replaced by agents. How should we view this transformation? And what is your position within it?	Kenneth Fong: IPO(기업공개) 이후 견조한 실적을 내신 것에 대해 축하드립니다. L4에서 L5 수준의 프로그래밍 지능(programming intelligence)이 다가오고 있다고 말씀하셨는데, 많은 소프트웨어 회사들이 에이전트(agent)로 대체될 수 있다는 주장이 많습니다. 이러한 변화를 어떻게 보아야 할까요? 그리고 이 변화 속에서 귀사의 입지는 어떻습니까?
Junjie Yan: Founder, Executive Chairman, CTO & CEO Well, this is a very important question. Let me first explain what L4 to L5 levels of intelligence mean and the future direction of programming intelligence and where we are within the transformation. For L3, these are just agents we're using today, while L4, L5 represents colleague level and organizational level intelligence. To give you an example -- we want to build world-leading models. It takes collaboration of many people, innovation and experiment in algorithms, optimization of programs, processing of data and tech ops. Lots of work. We feel that L4 will be able to handle a lot of innovative tasks, for example, conducting experiments based on a research paper and come up with efficient solutions to many of the challenges in the research paper. So a lot of innovations. For L5 level of intelligence, it takes not only one person, but also a collaboration of many people, many employees. I think coding is only a part of agents. It was the earliest productivity capability validated. Other than that, we believe that office productivity will replicate last year's rapid progress in coding over the next year. We believe the market is even bigger than coding. And with that being said, how do we see ourselves? How do we position ourselves? I think we are having a huge market in front of us. Coding models allow more people to write code but to code it even better. But again, I would like to emphasize that coders remain a small portion of the labor market. A much larger portion of the workplace now is handled by non-code software. Use cases such as data analysis as well as financial modeling or presentation slides that used to support a financial results conference. So these use cases, work use cases represent a far larger market than coding. We have already achieved early progress in coding and agents, securing a unique market position with minimal resources. So the bigger market is just -- penetration into the bigger market is just the beginning. And for us, we move fast. Like I said, the evolution from M2 all the way to M2.3 takes only 100 days. So literally, we maintained the fastest iteration speed in the industry with each generation achieving significant improvements in both capability and usage. That underscores our R&D capability and our ability to handle scale. So we build M2 with limited resources, but our resources are scaling up. I believe, with that, model improvement will accelerate, and better models will raise the ceiling further. So our historical performance was built on the M2 series models. And we expect the M3 model series will unlock even greater potential, creating a positive flywheel effect. Other than our fast move, we are able to create differentiated models, which has been repeatedly validated over the past few months. Like I said, the market is huge and technical path will diverge. For us, we need to know we have -- whether we have the ability to define technical road maps. We do not aim to win across every dimension. Instead, we focus on defining model capabilities that showcase our distinct strength. For M2, Hailuo 2 and Speech 2 series model, each established a clear differentiation, and we're able to gain rapid market traction. So its characteristics by low latency, high cost efficiencies. So these characteristics set us apart and helping us to gain bigger market share. As our organization and resources continue to scale, our deep understanding of model evolution and technical road maps will further strengthen this differentiation and its value. In summary, we are confident in further increasing our share and achieving more breakthroughs in coding through the agents and the broader productivity market. So we hope to make greater breakthroughs in gaining a bigger market share with our faster iteration and a stronger differentiation position. Thank you.	Junjie Yan: 음, 매우 중요한 질문입니다. 먼저 L4에서 L5 수준의 지능(intelligence)이 무엇을 의미하는지, 프로그래밍 지능의 미래 방향은 어떠한지, 그리고 이러한 전환 과정에서 저희가 어디에 위치해 있는지 설명해 드리겠습니다. L3는 오늘날 우리가 사용하는 에이전트(agent)에 불과하지만, L4와 L5는 동료 수준(colleague level) 및 조직 수준(organizational level)의 지능을 나타냅니다. 예를 들어 설명해 드리자면, 저희는 세계 최고 수준의 모델을 구축하고자 합니다. 이를 위해서는 많은 사람들의 협업이 필요하고, 알고리즘(algorithm) 혁신과 실험, 프로그램(program) 최적화, 데이터(data) 처리 및 기술 운영(tech ops) 등 많은 작업이 수반됩니다. 저희는 L4 수준의 지능이 많은 혁신적인 작업들을 처리할 수 있을 것이라고 생각합니다. 예를 들어, 연구 논문(research paper)을 기반으로 실험을 수행하고, 해당 논문의 여러 난제에 대한 효율적인 해결책을 제시하는 것과 같은 일들 말입니다. 많은 혁신이 이루어지고 있습니다. L5 수준의 인공지능(AI)을 위해서는 한 사람의 노력뿐만 아니라, 많은 사람, 즉 많은 직원들의 협업이 필수적입니다. 저는 코딩(coding)은 에이전트(agents)가 하는 일의 일부일 뿐이라고 봅니다. 코딩은 가장 먼저 생산성 역량(productivity capability)이 검증된 분야였습니다. 그 외에도, 저희는 내년에는 코딩 분야에서 작년에 보였던 급격한 발전이 사무 생산성(office productivity) 분야에서도 재현될 것이라고 믿습니다. 이 시장은 코딩 시장보다 훨씬 더 크다고 확신합니다. 그렇다면 우리는 스스로를 어떻게 보고, 어떻게 포지셔닝(positioning)해야 할까요? 우리 앞에는 엄청난 시장 기회가 펼쳐져 있다고 생각합니다. 코딩 모델(coding models)은 더 많은 사람들이 코드를 작성하고, 더 나은 코드를 만들 수 있도록 해줍니다. 하지만 다시 한번 강조하고 싶은 점은 코더(coder)들은 여전히 노동 시장의 작은 부분을 차지한다는 것입니다. 현재 직장의 훨씬 더 큰 부분은 비(非)코딩 소프트웨어(non-code software)로 처리되고 있습니다. 실적 발표회(financial results conference)를 지원하는 데 사용되었던 데이터 분석, 재무 모델링(financial modeling), 그리고 발표 자료(presentation slides)와 같은 활용 사례들을 들 수 있습니다. 이러한 업무 활용 사례들은 코딩(coding) 시장보다 훨씬 더 큰 시장을 대표합니다. 저희는 이미 코딩 및 에이전트(agent) 분야에서 초기 성과를 달성하며, 최소한의 자원으로 독보적인 시장 지위를 확보했습니다. 따라서 더 큰 시장으로의 진출은 이제 막 시작에 불과합니다. 그리고 저희는 매우 빠르게 움직입니다. 앞서 말씀드렸듯이, M2부터 M2.3까지 진화하는 데 단 100일밖에 걸리지 않았습니다. 말 그대로, 저희는 각 세대가 역량과 활용도 면에서 상당한 개선을 이루어내면서 업계에서 가장 빠른 이터레이션 속도(iteration speed)를 유지하고 있습니다. 이는 저희의 R&D 역량과 확장성 처리 능력(ability to handle scale)을 명확히 입증하는 것입니다. 저희는 제한된 자원으로 M2 모델을 구축했지만, 현재 저희의 자원은 확대되고 있습니다. 저는 이를 통해 모델 개선이 가속화되고, 더 나은 모델들이 잠재력을 더욱 높일 것이라고 믿습니다. 저희의 과거 실적은 M2 시리즈 모델을 기반으로 달성되었습니다. 그리고 M3 모델 시리즈는 훨씬 더 큰 잠재력(potential)을 발휘하고 긍정적인 선순환 효과(flywheel effect)를 창출할 것으로 예상합니다. 저희는 신속한 대응 외에도 차별화된 모델을 개발할 수 있었으며, 이는 지난 몇 달간 반복적으로 검증되었습니다. 말씀드린 바와 같이, 시장은 매우 크고 기술 경로는 다양하게 분화될 것입니다. 저희에게 중요한 것은 기술 로드맵(technical roadmap)을 정의할 수 있는 능력이 있는지 여부입니다. 저희는 모든 영역에서 승리하는 것을 목표로 하지 않습니다. 대신, 저희의 독점적인 강점(distinct strength)을 보여줄 수 있는 모델 역량(model capabilities)을 정의하는 데 집중하고 있습니다. M2, Hailuo 2, Speech 2 시리즈 모델들은 각각 명확한 차별점(differentiation)을 구축하여 시장에서 빠르게 입지를 확보할 수 있었습니다. 그 특징은 낮은 지연 시간(latency)과 높은 비용 효율성(cost efficiency)입니다. 이러한 특징들이 저희를 차별화시키고 더 큰 시장 점유율(market share)을 확보하는 데 기여하고 있습니다. 저희 조직과 자원이 계속해서 확장됨에 따라, 모델 진화와 기술 로드맵(technical roadmap)에 대한 저희의 깊은 이해는 이러한 차별점과 그 가치를 더욱 강화할 것입니다. 요약하자면, 저희는 시장 점유율을 더욱 늘리고 에이전트(agent)와 더 넓은 생산성 시장(productivity market)을 통해 코딩 분야에서 더 많은 돌파구(breakthrough)를 마련할 것이라고 확신합니다. 따라서 저희는 더 빠른 반복(iteration)과 더욱 강력한 차별화된 위치를 통해 더 큰 시장 점유율을 확보하는 데 있어 더 큰 돌파구를 만들고자 합니다. 감사합니다.
Operator: Your next question comes from Goldman Sachs.	Operator: 다음 질문은 골드만삭스입니다.
Unknown Analyst: Thank you for your sharing. We know in this industry, there are tech giants, start-ups and open-source models. I would like to know where do you compete? What are your priorities?	Unknown Analyst: 설명 감사합니다. 이 업계에는 거대 기술 기업(tech giants), 스타트업, 그리고 오픈소스 모델들이 다양하게 존재한다는 것을 잘 알고 있습니다. 이러한 환경 속에서 귀사는 어떤 분야에서 경쟁하고 계신지, 그리고 핵심적인 우선순위는 무엇인지 말씀해주시면 감사하겠습니다.
Junjie Yan: Founder, Executive Chairman, CTO & CEO As mentioned earlier, we are building and hoping to become an AI era platform company, driven by the continuous increase in intelligent density combined with a scalable, commercial growth. Compared to other AI companies, we differentiate in several ways. First, our strategic positioning. From day 1, we have focused on full-modality models to increase intelligence density and expand boundaries, creating differentiated value. At the same time, we build scalable products and business around model intelligent density, concentrating our resources on areas where we create different value. For example, in 2023, we decided not to build a general mobile assistant, i.e., Doubao and ChatGPT. We decided not to build a product like that because we did not believe we would create a distinctive value in this space. Instead, we focus on differentiated model R&D and product innovation rather than burning cash. Take our Hailuo and our MiniMax Agent products. These are our focuses. So this strategic decision reinforces our differentiation and increases our win rate. Another example is our commitment from day 1 to developing foundation models across the 3 models. As mentioned earlier, accumulation in each model is crucial. We have now reached a key stage of cross-modality integration. This position us advantageously in the inevitable trend towards full-modality fusion. And secondly, I want to talk about our R&D efficiency. In the AI era, success is not ultimately determined by how much money or resources you burn, but the speed at which intelligence improves. And that speed comes from R&D efficiency because that will turn into bigger market share and bigger -- higher efficiency. So we have been emphasizing on that and executing on that. We apply that across every stage of R&D, including algorithm optimization, experiment design, iteration cycles and et cetera. We fully leverage our agile organization structure, combining top-down and bottom-up approaches while using experience and infrastructure across modalities. So that ensures that we are always maintaining our leadership. In the long run, we believe that globally, only a small number of AI platform companies will automatically leave the industry. And we are one of the few independent companies with both meaningful advantages and a clear differentiation to win.	Junjie Yan: 앞서 말씀드린 바와 같이, 저희는 지능 밀도(intelligent density)의 지속적인 증가와 확장 가능한(scalable) 상업적 성장(commercial growth)을 결합하여 AI 시대 플랫폼 기업(AI era platform company)이 되고자 합니다. 다른 AI 기업들과 비교했을 때, 저희는 여러 면에서 차별점을 가집니다. 첫째, 저희의 전략적 포지셔닝(strategic positioning)입니다. 저희는 첫날부터 지능 밀도를 높이고 경계를 확장하기 위해 풀 모달리티 모델(full-modality models)에 집중하여 차별화된 가치를 창출해왔습니다. 동시에, 저희는 모델 지능 밀도를 중심으로 확장 가능한 제품과 비즈니스를 구축하며, 저희가 차별화된 가치를 창출하는 영역에 자원을 집중하고 있습니다. 예를 들어, 2023년에는 Doubao나 ChatGPT와 같은 일반적인 모바일 어시스턴트(mobile assistant)를 구축하지 않기로 결정했습니다. 저희는 그 분야에서 차별화된 가치를 창출할 수 없을 것이라고 판단했기 때문에 그런 제품을 만들지 않기로 결정했습니다. 대신에, 현금을 소진하기보다는 차별화된 모델 연구 개발(R&D)과 제품 혁신에 집중하고 있습니다. 저희의 하이루오(Hailuo)와 미니맥스 에이전트(MiniMax Agent) 제품을 예로 들 수 있습니다. 이것들이 저희의 핵심 집중 분야입니다. 따라서 이러한 전략적 결정은 저희의 차별성을 강화하고 승률을 높여줍니다. 또 다른 예시는 저희가 첫날부터 3가지 모델 전반에 걸쳐 기반 모델(foundation model) 개발에 전념해왔다는 점입니다. 앞서 말씀드렸듯이, 각 모델에서의 축적은 매우 중요합니다. 저희는 이제 핵심 단계에 도달했습니다. 바로 교차 모달리티 통합(cross-modality integration)입니다. 이는 피할 수 없는 전체 모달리티 융합(full-modality fusion) 트렌드 속에서 저희를 유리한 위치에 놓이게 합니다. 그리고 두 번째로, 저희의 연구 개발 효율성에 대해 말씀드리고 싶습니다. AI 시대에 궁극적인 성공은 얼마나 많은 돈이나 자원을 소모하느냐가 아니라, 지능이 얼마나 빠르게 향상되느냐에 달려있습니다. 그리고 그 속도는 R&D 효율성(R&D efficiency)에서 비롯됩니다. 이는 결국 더 큰 시장 점유율(market share)과 더 높은 효율성으로 이어질 것이기 때문입니다. 그래서 저희는 이를 계속 강조해왔고, 실제로 실행에 옮기고 있습니다. 저희는 이를 알고리즘 최적화(algorithm optimization), 실험 설계(experiment design), 반복 주기(iteration cycles) 등을 포함한 R&D의 모든 단계에 적용하고 있습니다. 또한, 애자일 조직 구조(agile organization structure)를 최대한 활용하여, 하향식(top-down) 및 상향식(bottom-up) 접근 방식을 결합하고 다양한 모달리티(modality) 전반의 경험과 인프라를 활용하고 있습니다. 이는 저희가 항상 리더십을 유지할 수 있도록 보장합니다. 장기적으로 볼 때, 저희는 전 세계적으로 소수의 AI 플랫폼 기업만이 업계를 선도하게 될 것이라고 믿습니다. 그리고 저희는 경쟁에서 승리할 수 있는 상당한 이점(meaningful advantages)과 명확한 차별점(clear differentiation)을 모두 갖춘 몇 안 되는 독립적인 회사 중 하나입니다.
Operator: Your next question from [ CIC ], [indiscernible].	Operator: 다음 질문은 CIC에서 오신, 성함이 불분명한 분께 받겠습니다.
Unknown Analyst: Congratulations on the strong results. You mentioned that in the first 2 months of 2026, token consumption for the M2 series is already 6x that of December last year. Is this explosive growth a onetime dividend or the beginning of a sustainable long-term trend? Because as we have noticed the explosion in the token consumption on OpenClaw. So that's why I'm asking this question. Do you think this is a onetime phenomenon or beginning of a long-term trend?	Unknown Analyst: 실적 축하드립니다. 2026년 첫 두 달 동안 M2 시리즈의 토큰 소비량(token consumption)이 이미 작년 12월 대비 6배에 달한다고 언급하셨습니다. 저희가 OpenClaw의 토큰 소비량 폭증을 이미 확인했기 때문에 드리는 질문인데요. 이러한 폭발적인 성장이 일회성 이익(onetime dividend)인지, 아니면 지속 가능한 장기적 추세의 시작이라고 보시는지 궁금합니다. 이것이 일회성 현상(onetime phenomenon)이라고 보시는지, 아니면 장기적인 추세의 시작이라고 보시는지요?
Junjie Yan: Founder, Executive Chairman, CTO & CEO Thank you for your question. We see this as the beginning of a long-term trend rather than a onetime dividend. But of course, the growth in the industry tends to follow a step function pattern where it's not moving linearly. We are able to constantly launching new models enable us to capture industry opportunities. I think a core part is our R&D strategy, is preparing resources capabilities in advance and defining every generation of model based on our understanding of how intelligence evolves. So other than the M2 model, the next wave of growth will come from several -- is underpinned by several factors. Actually, starting from second half of 2025, we have been proactively preparing for capabilities that will capture the multiple high-impact product market opportunities emerging in 2026. We believe the growth will be increasingly diversified. Coding still has a significant headroom. Though I mean, it's quite a decent tool as an assistant, we believe that it will continue to improve and will evolve from a system-level tool toward a colleague-level collaborator, even toward higher order intelligence, intelligent operator. So from our tech reserve and also R&D progress and our judgment, we believe what we mentioned will likely happen this year. And the second point is on workspace scenarios because this is a far larger end market and far broader market compared to coding. And there are a lot of more complicated problems or issues that involves many professions, use of a wide array of tools. It also -- many of the tasks conducted in these professions cannot be verified, and these created challenges, and we have been proactively preparing for such challenges. We expected that in workplace, we are going to rapid pace of progress we have seen in coding. And moving on to the multimodal domain. We believe that we are going to significantly lower the barrier to adoption in producing better models that would produce production-ready and longer videos. So model competition involves wins and losses with every company faces this reality. No company can guarantee permanent state-of-the-art leadership. However, we're confident in our ability to continue winning in these areas that matter most. I think a key strategy for us is to pushing the technical boundaries and leveraging that breakthrough to create a bigger ecosystem underpinned by our products and models. And as a final goal, leveraging that to capture the dividends. And we are confident in growing along with this industry, scaling our model differentiation, R&D efficiency, product innovation capabilities and global monetization capabilities into enduring organizational competitive advantages.	Junjie Yan: 질문 감사합니다. 저희는 이것을 일회성 배당(onetime dividend)이라기보다는 장기적인 추세(long-term trend)의 시작으로 보고 있습니다. 물론, 산업의 성장은 선형적으로 움직이기보다는 계단 함수(step function) 패턴을 따르는 경향이 있습니다. 저희는 지속적으로 신규 모델을 출시함으로써 산업 기회를 포착할 수 있습니다. 핵심적인 부분은 저희의 R&D 전략(R&D strategy)이라고 생각합니다. 이는 자원과 역량을 미리 준비하고, 지능이 어떻게 진화하는지에 대한 저희의 이해를 바탕으로 각 세대의 모델을 정의하는 것입니다. 따라서 M2 모델 외에도, 다음 성장 물결(next wave of growth)은 여러 요인에 의해 뒷받침될 것입니다. 사실, 2025년 하반기부터 2026년에 나타날 다수의 영향력 있는 제품 시장 기회(product market opportunities)를 포착하기 위한 역량을 선제적으로 준비해왔습니다. 성장은 점차 다각화될 것이라고 생각합니다. 코딩은 여전히 상당한 성장 여력(headroom)이 있습니다. 물론 보조 도구(assistant tool)로서도 꽤 괜찮은 수준이지만, 저희는 이것이 계속해서 발전하여 시스템 수준의 도구에서 동료 수준의 협력자(collaborator)로, 나아가 더 고차원적인 지능(higher order intelligence)을 가진 지능형 운영자(intelligent operator)로 진화할 것이라고 믿습니다. 따라서 저희의 기술 비축(tech reserve)과 R&D 진행 상황, 그리고 판단에 비추어 볼 때, 저희가 말씀드린 바가 올해 안에 실현될 가능성이 높다고 생각합니다. 그리고 두 번째 요점은 작업 공간 시나리오(workspace scenarios)에 관한 것입니다. 이는 코딩 시장에 비해 훨씬 더 큰 최종 시장(end market)이자 훨씬 더 광범위한 시장이기 때문입니다. 그리고 여러 전문 분야가 관련되어 있고 다양한 도구들을 활용해야 하는 더 복잡한 문제들이 많이 있습니다. 또한, 이러한 전문 분야에서 수행되는 많은 작업들은 검증하기 어렵다는 점이 도전 과제로 작용했으며, 저희는 이러한 도전 과제들에 대해 선제적으로 준비해 왔습니다. 저희는 업무 환경에서도 코딩 분야에서 보았던 것과 같은 빠른 속도의 발전이 이루어질 것이라고 예상했습니다. 그리고 멀티모달(multimodal) 영역으로 확장하면서, 상업적으로 활용 가능한(production-ready) 더 긴 비디오를 제작하는 더 나은 모델을 만들면서 도입 장벽을 크게 낮출 수 있을 것이라고 생각합니다. 따라서 모델 경쟁에는 승패가 따르며, 모든 기업이 이러한 현실에 직면하고 있습니다. 어떤 기업도 영구적인 최첨단(state-of-the-art) 선두 자리를 보장할 수는 없습니다. 하지만 저희는 가장 중요한 핵심 분야에서 계속해서 우위를 점할 수 있다고 확신합니다. 저희의 핵심 전략은 기술적 한계를 뛰어넘고, 그러한 기술적 돌파구를 활용하여 저희의 제품과 모델을 기반으로 하는 더 큰 생태계(ecosystem)를 구축하는 것입니다. 궁극적으로는 이를 활용하여 그 결실을 확보하는 것입니다. 그리고 저희는 이 산업과 함께 성장하며, 저희의 모델 차별화(model differentiation), R&D 효율성(R&D efficiency), 제품 혁신 역량(product innovation capabilities), 그리고 글로벌 수익화 역량(global monetization capabilities)을 지속적인 조직의 경쟁 우위(competitive advantages)로 발전시킬 수 있다고 확신합니다.
Operator: And your next question comes from Thomas Chong of Jefferies.	Operator: 다음 질문은 제프리스(Jefferies)의 토마스 총님입니다.
Thomas Chong: Jefferies LLC, Research Division You mentioned that internal agent interns now nearly covers 90% of employees. So what insight has this change brought to you? And how does it feed back into your product and technology development?	Thomas Chong: 내부 에이전트 인턴이 이제 거의 직원 90%를 차지한다고 말씀하셨습니다. 이러한 변화를 통해 어떤 통찰력을 얻으셨는지 궁금합니다. 그리고 이 점이 귀사의 제품 및 기술 개발에 어떻게 피드백되고 있습니까?
Junjie Yan: Founder, Executive Chairman, CTO & CEO Thank you for your question. So we are not only an AI company. We aim to build a truly AI-native platform company. While researching AI models, we want to turn ourselves into an AI-native company. That's a key goal for us as an organization. And there are 2 things we're focusing on. Number one, speed. That is the speed of progress, by that, I mean. I think the fundamental reason why we want to be AI-native is that we have limited resources as a start-up. We need to maximize our efficiency so as to survive and achieve success. So we have been leveraging AI agent in turn, and many of our employees are using that in their day-to-day work. And we have observed a clear trend. In many cases, the dynamics shifting from people teaching agents how to work, to people observing how agents work. And at times, agents even surprise us. So this has not only shortened our organizational workflows, but also allowed every stage to benefit from improvements in intelligence. From model iteration and product and innovation to customer service, our feedback and iteration looks are accelerating. And at the same time, our employees can focus more on higher-value work, further accelerating how we think and innovate as an organization. So this also feedbacks to our R&D of models because this allow us to define model-intelligence objectives. For example, when agents are deployed within the company, we can clearly observe that. Even the best models today still get things wrong or couldn't get things done properly. And these gaps exactly show highest economic value, and they inform the R&D priorities for the next generation of models and agents. This enable us to define our objectives more clearly. So the more we deploy these agents, I mean, the clear direction we have on the iteration of these models. Over the past few months, our model iteration speed, revenue growth, customer service capability and token throughput have all improved. This allow us to define new model objectives faster. We are maximizing the value of AI internally within the company. We believe that for goal, like we said, building an AI-native company, we are seeing positive flywheel already within the company. And I believe this will become one of the key competitive advantages of our organization.	Junjie Yan: 질문 감사합니다. 저희는 단순히 AI 기업이 아닙니다. 진정한 AI 네이티브(AI-native) 플랫폼 기업을 구축하는 것을 목표로 하고 있습니다. AI 모델을 연구하면서, 저희 스스로를 AI 네이티브 기업으로 전환하고자 합니다. 이것이 저희 조직의 핵심 목표입니다. 그리고 저희가 집중하고 있는 두 가지가 있습니다. 첫째는 속도입니다. 여기서 말하는 속도는 바로 발전의 속도를 의미합니다. 저희가 AI 네이티브가 되고자 하는 근본적인 이유는 스타트업(startup)으로서 자원이 제한적이기 때문입니다. 생존하고 성공하기 위해서는 효율성을 극대화해야 합니다. 그래서 저희는 AI 에이전트(AI agent)를 활용해 왔고, 많은 직원들이 일상 업무에서 이를 사용하고 있습니다. 그리고 저희는 분명한 추세를 확인했습니다. 많은 경우, 사람들이 에이전트(agent)에게 일하는 방법을 가르치던 것에서 에이전트가 일하는 방식을 관찰하는 것으로 양상이 바뀌고 있습니다. 때로는 에이전트가 저희를 놀라게 하기도 합니다. 이는 조직의 워크플로우(workflow)를 단축시켰을 뿐만 아니라, 모든 단계에서 지능 개선의 이점을 얻을 수 있도록 했습니다. 모델(model) 반복(iteration)과 제품 및 혁신부터 고객 서비스에 이르기까지, 저희의 피드백(feedback) 및 반복(iteration) 주기가 가속화되고 있습니다. 동시에 저희 직원들은 더 높은 가치의 업무에 집중할 수 있게 되었으며, 이는 조직으로서 저희가 사고하고 혁신하는 방식을 더욱 가속화합니다. 이는 또한 모델(model) 연구 개발(R&D)에도 다시 반영되는데, 이를 통해 모델 지능 목표를 명확히 정의할 수 있기 때문입니다. 예를 들어, 에이전트가 회사 내부에 배포될 때 저희는 이를 명확하게 관찰할 수 있습니다. 오늘날 최고의 모델들도 여전히 오류를 범하거나 제대로 일을 처리하지 못하는 경우가 있습니다. 그리고 이러한 부족한 부분들이 바로 가장 높은 경제적 가치를 보여주며, 차세대 모델과 에이전트 개발을 위한 R&D(연구 개발) 우선순위를 결정하는 데 중요한 정보를 제공합니다. 이를 통해 우리는 목표를 더욱 명확하게 정의할 수 있습니다. 따라서 이러한 에이전트들을 더 많이 배포할수록, 이 모델들의 반복(iteration) 방향이 더욱 명확해지는 것입니다. 지난 몇 달간 저희 모델의 반복(iteration) 속도, 매출 성장, 고객 서비스 역량, 그리고 토큰 처리량(token throughput)이 모두 향상되었습니다. 이는 저희가 새로운 모델 목표를 더 빠르게 정의할 수 있도록 해줍니다. 저희는 회사 내부적으로 AI의 가치를 극대화하고 있습니다. 말씀드렸듯이 AI 네이티브(AI-native) 회사를 구축하려는 목표를 위해, 저희는 이미 회사 내에서 긍정적인 선순환(flywheel)이 나타나고 있다고 생각합니다. 그리고 이것이 저희 조직의 핵심 경쟁 우위 중 하나가 될 것이라고 믿습니다.
Unknown Executive: Thank you once again for joining us today. If you have any further questions, please contact our IR team at any time. Thank you. [Statements in English on this transcript were spoken by an interpreter present on the live call.]	Unknown Executive: 오늘 다시 한번 저희 컨퍼런스콜에 참석해주셔서 진심으로 감사드립니다. 추가적인 질문이 있으시면 언제든지 저희 IR팀(Investor Relations team)으로 연락 주십시오. 감사합니다.

📌 요약

다음은 전문 투자자를 위한 요약입니다.

* **성장 및 전망:** 2026년 초 M2 시리즈 토큰 소비량이 2025년 12월 대비 6배 증가하는 폭발적인 성장을 기록했으며, 이는 M3