MiniMax ingin mencari "10 kali lipat" berikutnya

Seiring meledaknya ClaudeCode, AI berubah dari alat obrolan menjadi Agen, ketika model mulai benar-benar menjalankan tugas untuk manusia, konsumsi Token akan mengalami pertumbuhan eksponensial.

Siapa yang bisa membuat AI benar-benar masuk ke dalam proses produksi, dia akan mendapatkan konsumsi Token yang paling stabil dan berkelanjutan. Setelah mengalami lonjakan kolektif saham konsep AI di awal tahun ini dan kemudian cepat mengalami koreksi, perusahaan model besar domestik mulai mencari narasi pertumbuhan baru.

Dalam menangkap vibe coding dan tren lobster, serta merasakan manfaatnya, pemain model domestik MiniMax, yang sudah merasakan manisnya, terburu-buru memperluas jejaring mereka, mencari tambang emas berikutnya.

Pada 11 Mei, MiniMax merilis sebuah rencana kolaborasi baru bernama “Kelompok Sepuluh Kali Lipat” (10xTeam).

Selain bidang vertikal yang sudah terikat seperti perangkat lunak industri, mesin game, desain chip, keuangan, dan keuangan, kali ini MiniMax secara terbuka mengundang para ahli dari bidang ekonomi, ilmu kehidupan, kimia material—yang lebih berorientasi global dan berpotensi terkait kedalaman dengan model besar—untuk berkolaborasi, dan secara bersamaan membuka posisi “Peneliti 10xTeam” di platform rekrutmen.

Ambisi di baliknya jelas terlihat, yaitu ingin menyalin “lonjakan efisiensi 10 kali lipat” yang muncul di bidang pemrograman ke lebih banyak industri.

Ini akan menjadi situasi menang-menang, MiniMax melalui metode ini meningkatkan kemampuan dasar kecerdasan umum, sekaligus mendorong model untuk menembus lebih banyak skenario industri secara mendalam.

Faktanya, “Model besar umum + kolaborasi dengan ahli industri” telah menjadi konsensus perusahaan terdepan.

Anthropic secara jangka panjang mengadopsi akademisi dan peneliti industri; indeks ekonomi mereka semakin memasukkan dampak model terhadap aktivitas ekonomi di berbagai industri ke dalam penilaian; OpenAI meluncurkan HealthBench untuk bidang medis, dan memfokuskan pengoptimalan pada skenario hukum dan keuangan; Google DeepMind secara konsisten mengusung “terobosan di bidang ilmiah” sebagai bendera: AlphaFold (biologi struktural), GNoME (ilmu material) dan lain-lain, membuktikan bahwa kolaborasi antara ahli bidang teratas dan tim riset dasar dapat menghasilkan “lonjakan tingkat bidang”.

Pada akhir 2025, Baidu juga pernah mengumumkan rencana serupa bernama “Mentor Wenxin”, yang menargetkan para ahli dari industri dan akademisi, untuk membimbing model besar dalam pengajaran pengetahuan, penilaian kualitas, dan kalibrasi profesional.

Dalam setahun terakhir, bidang pemrograman menjadi skenario fenomenal pertama di mana muncul “efisiensi 10x” dari model besar: alat seperti Cursor, ClaudeCode telah secara faktual merombak proses pengembangan perangkat lunak, dan kompetisi infrastruktur terkait pun hampir selesai.

Setelah ClaudeCode menjadi terkenal, seluruh industri AI sebenarnya dengan cepat mencapai konsensus: kemampuan terpenting dari AI bukan lagi sekadar “menjawab pertanyaan”, melainkan “menyelesaikan tugas”. Begitu AI masuk ke dalam sistem produksi nyata, ia akan menjadi kebutuhan mendesak.

Programmer harus memanggilnya setiap hari, perusahaan harus menjalankannya setiap hari, kolaborasi tim harus terus terhubung, rantai inferensi akan terus berkembang. Pemanggilan model dari kebutuhan sesekali menjadi konsumsi berkelanjutan, pendapatan dari Token pun secara alami mulai meningkat secara eksponensial.

Namun, kepastian ini juga memicu munculnya pemain yang ingin membagi keuntungan, 18 bulan lalu, pasar pemrograman AI masih didominasi oleh Copilot. Kini, di luar negeri Cursor, Windsurf, Cline, Claude Code, Aider sedang bersaing sengit, di dalam negeri DeepSeek TUI, Kimi Code, MiniMax-M2.5, Trae dari ByteDance, Tongyi Lingma, Wenxin Kuai Ma, CodeGeeX dari Zhipu, dan Qoder dari Alibaba semuanya berebut pasar.

Ketika keuntungan dari pemrograman memasuki masa jenuh, pertanyaan “Bidang berikutnya yang akan mengalami 10x lipat” akan menjadi pertanyaan yang harus dijawab oleh semua perusahaan.

Jawaban MiniMax adalah: menurunkan kemampuan model ke bidang dengan kepadatan pengetahuan tinggi, alur kerja kompleks, dan yang belum memiliki metode standar.

Ini justru tidak bisa diselesaikan hanya dengan tim model yang melakukan optimasi tertutup. Harus ada para ahli terkemuka di bidang yang terlibat dalam mendefinisikan masalah, membangun evaluasi dan alur kerja bersama, lalu didorong oleh model untuk mengubah industri dari belakang.

Pengetahuan industri secara alami memiliki ambang batas yang sangat tinggi.

Desain chip memiliki proses verifikasi yang kompleks, perangkat lunak industri memiliki sistem rekayasa yang besar, keuangan memiliki logika pengendalian risiko dan kerangka regulasi sendiri, ilmu kehidupan penuh dengan pengalaman eksperimen implisit dan struktur pengetahuan profesional. Semua ini tidak secara alami ada dalam data publik internet.

Sebuah Agen industri yang benar-benar dapat digunakan, tantangannya bukan pada kemampuan inferensi model, tetapi apakah ia memahami alur kerja industri tersebut.

Ini membuat perusahaan model besar semakin mirip dengan gabungan lembaga riset, organisasi industri, dan perusahaan konsultasi. “10xTeam” MiniMax, dalam tingkat tertentu, juga merupakan kali pertama perusahaan model besar domestik secara tegas memindahkan “model kolaborasi ilmiah” ini ke depan panggung.

Menurut MiniMax, ini lebih mirip mekanisme kemitraan riset industri. Tim model bertanggung jawab atas kemampuan dasar, para ahli industri bertugas mendefinisikan masalah, membangun evaluasi dan alur kerja, lalu Agen masuk ke dalam skenario produksi nyata.

Karena ketika tujuan AI beralih dari “menjawab pertanyaan” ke “menyelesaikan tugas”, pentingnya para ahli industri akan dengan cepat diperbesar.

Melihat ke belakang, orang paling penting di era internet dulu adalah manajer produk, karena mereka mendefinisikan kebutuhan pengguna; di era Agen, orang yang benar-benar penting mungkin adalah mereka yang paling memahami proses industri.

Pemrograman hanyalah industri pertama yang dirombak oleh Agen. Semua perusahaan model besar saat ini benar-benar mencari skenario berikutnya yang dapat menghasilkan konsumsi Token besar dan sekaligus menciptakan nilai industri yang nyata.

Dalam setahun terakhir, kenaikan valuasi industri model besar sudah mulai membuat semakin banyak orang mengingat gelembung internet tahun 2000-an.

Baru-baru ini, ekonom Ma Guangyuan menunjukkan bahwa infrastruktur dasar seperti daya komputasi, modul optik, perangkat keras memang memiliki pesanan, pendapatan, dan potensi keuntungan karena dunia sedang gila menimbun daya komputasi; namun, di tengah, model besar dan aplikasi seperti robot humanoid, AI umum, skenario ToC/ToB masih sebatas konsep dan cerita, belum massal komersialisasi, belum berkelanjutan menghasilkan keuntungan, dan belum ada ledakan kebutuhan nyata, tetapi semua harapan masa depan ini sudah dihitung ke dalam valuasi saat ini.

Seluruh industri sebenarnya sangat paham, jika AI tidak bisa benar-benar masuk ke industri dan membantu perusahaan meningkatkan efisiensi dan menghasilkan uang secara berkelanjutan, permainan modal ini kemungkinan sulit bertahan lama. Hanya ketika AI benar-benar mulai bekerja untuk perusahaan, terlibat dalam proses produksi, dan membantu industri menghasilkan uang, seluruh rantai industri bisa benar-benar berjalan.

Itulah sebabnya, saat ini perusahaan AI terkemuka di dunia sedang gencar mendorong ke kedalaman industri.

Anthropic tidak lagi hanya menekankan kemampuan model, tetapi mulai menyoroti bagaimana Claude masuk ke dalam alur kerja perusahaan; OpenAI terus memperkuat skenario vertikal seperti medis, hukum, keuangan; Google DeepMind secara jangka panjang menjadikan “terobosan ilmiah” sebagai strategi utama.

Karena semua orang tahu, AI harus benar-benar mulai membantu industri menghasilkan uang, meningkatkan efisiensi, dan menurunkan biaya, agar narasi industri bisa terus maju. Jika tidak, gelembung akan pecah kapan saja.

Dan begitu gelembung pecah, yang terdampak bukan hanya beberapa perusahaan model. Dari GPU ke penyedia cloud, dari pusat data ke startup AI, dari pasar primer ke pasar sekunder, seluruh rantai industri AI bisa mengalami gelombang dingin yang hebat.

Jadi hari ini, semua perusahaan model besar sebenarnya sedang berlomba membuktikan satu hal: AI bukan sekadar konsep, melainkan produktivitas nyata. Dan “10xTeam” MiniMax, pada intinya, juga merupakan langkah strategis dalam konteks industri ini.

Mereka berharap bisa mengikat para ahli industri lebih awal, menanamkan kemampuan model ke dalam desain chip, perangkat lunak industri, analisis keuangan, dan proses industri ilmu kehidupan yang kompleks, lalu secara bertahap membangun benteng data, alur kerja, dan bisnis mereka sendiri.

Karena ketika tujuan AI beralih dari “menjawab pertanyaan” ke “menyelesaikan tugas”, pengetahuan industri akan menjadi sumber daya langka yang baru.

Pemrograman hanyalah industri pertama yang dirombak oleh Agen. Dan yang sebenarnya ingin dibuktikan oleh seluruh industri AI saat ini adalah, apakah yang berikutnya akan menjadi seluruh dunia industri.

Risiko dan ketentuan penafian

        Pasar memiliki risiko, investasi harus berhati-hati. Artikel ini tidak merupakan saran investasi pribadi, dan tidak mempertimbangkan tujuan investasi, kondisi keuangan, atau kebutuhan pengguna tertentu. Pengguna harus mempertimbangkan apakah pendapat, pandangan, atau kesimpulan dalam artikel ini sesuai dengan kondisi mereka. Investasi berdasarkan hal tersebut adalah tanggung jawab sendiri.