（文/陈济深 编辑/吕栋）

在经历数月估值下修、甚至一度被部分市场舆论判定为“阶段性掉队”之后，MiniMax用一份超预期的中期业绩与业务数据打破了外界预期。

8月26日晚，MiniMax披露2026年中期财报：上半年公司实现营业收入约1.17亿美元，同比增长283.1%，仅半年创收便达到2025年全年的1.5倍；其中第二季度收入环比第一季度增长81.8%。

在随后的财报业绩会上，MiniMax管理层表示进入三季度后业务曲线增长进一步加速，7月Token消耗量攀升至1月份的20倍，8月年度经常性收入（ARR）正式冲破8亿美元大关。伴随着7月完成160亿港元（约合20.5亿美元）的配售发行，MiniMax账面现金储备已超过30亿美元。

MiniMax创始人兼CEO闫俊杰

8亿美元ARR不仅打破了此前外界对其商业化天花板的疑虑，更折射出大模型行业竞争重心的转移：拼的不再是单纯的参数叙事，而是谁能把推理成本降到足够低，让智能真正转化为高频的工业级消耗。

Agent时代，模型本身才是商业模式

上半年财报中最引人注目的，是其收入结构的系统性逆转。

今年上半年，MiniMax开放平台及其他企业级AI服务收入达到7390万美元，同比暴增703.1%，在总营收中的占比由上年同期的30.3%跃升至63.4%。

如果看8月最新的ARR结构，ToB业务的比重更是攀升至约80%，扭转了去年同期ToB仅占30%、ToC占70%的旧格局。与此同时，AI原生产品收入亦实现翻倍增长至4260万美元，海外市场贡献收入7083万美元，占总收入比重达60.8%，继续维持着稳固的全球化基本盘。

这种收入结构的重塑，容易被外界简单误读为“C端遇阻后被迫转向B端”。

但在大模型的底层逻辑里，并不存在传统软件那种机械的渠道割裂，无论是服务企业还是触达终端，用户买单的本质都是模型智能。B端调用量的爆发，真正驱动力来自于整个AI应用范式的代际跃迁：大模型消费正从“人类与AI的单轮对话”，全面演进为“Agent与AI的多轮长程交互”。

这意味着，在真实的生产力场景中，一个人类提出的复合需求，往往会在后台被展开为多轮模型请求、工具调用与子Agent协同。

这种任务形态的转变，使得由Agent驱动的推理计算需求增速显著快于单一用户数的增长，直接带动单用户Token消耗呈几何级数放大。

截至目前，MiniMax服务的全球企业客户与开发者数量已突破200万，约为2025年底的10倍，模型底座正在被开发者自发且深度地嵌入到实际工作流中。

毛利持续改善，造血能力显现

在商业化放量的同时，大模型行业的盈利模型与自我造血能力同样是市场审视的焦点。

上半年MiniMax毛利录得2081万美元，同比增长464.8%；整体毛利率同比提升约5.7个百分点至17.8%。

面对全行业API价格战的压力，依托全栈效率与基础设施的优化，公司的毛利空间依然处于持续改善通道中。

从大模型全生命周期的投入产出比来看，商业化造血路径正在逐步跑通。

从收入口径测算，如果将模型一年的研发支出视为上一代基座的资产投入，今年上半年约1.17亿美元的确认收入，已经能够覆盖去年上半年全部研发支出（约1.24亿美元）的94%。这表明在大模型高频迭代的周期里，单代基座模型在服役期内的自我造血与收入覆盖能力正在显现。

同时，费用端开始释放出显著的经营杠杆。

上半年公司销售及分销开支同比下降17.9%至2700万美元，在调用量高速放量的背景下，推广费用反而实现收缩，充分证明业务爆发高度依托产品自传播与自然渗透，而非买量补贴。

同期研发开支为2.97亿美元，同比增长138.8%，其增速显著低于营收增速；行政开支占收入比重由49%压缩至26%，推动期内IFRS会计口径净亏损同比收窄11.0%至3.58亿美元，经调整净亏损率由约455.9%大幅收窄至约251.4%。

用推理效率推高智能上限

针对成本控制与竞争路径，MiniMax创始人兼CEO闫俊杰在业绩会上系统阐述了一套具有中国产业特色的技术哲学——“Minimize the Inference Cost, Maximize the Intelligence”。

在客观算力资源无法与海外巨头进行无限堆砌的现实下，一味拼硬件绝对规模并不现实，唯有将单位智能的成本推向极致，才能打破算力天花板。降低推理成本不仅是一项商业性价比策略，更是推高前沿模型智能上限的核心技术引擎。

当前大模型的Scaling路径正在由早期的纯预训练，加速向Mid-training、Post-training、强化学习（RL）以及沙盒评测拓展，而这些环节的计算本质全部都是模型推理。在有限的算力预算下，推理效率提升3倍，就意味着研发团队可以在后训练中多跑出3倍的自进化轨迹、生成3倍的高质量合成数据与实验验证，从而直接拉动后训练阶段的Scaling规模。

这一逻辑的落地依赖于自建基础设施的支撑。作为国内最早两家建立规模化、长期稳定基础设施的独立大模型公司之一，MiniMax自建算力集群的有效训练时间比率（ETTR）已达97%。依托软硬件协同与稀疏注意力架构优化，过去两个多月其文本模型单位算力的吞吐提升了3倍。这种系统级降本既向外部开发者释放了用量弹性，也为内部下一代模型的强化学习实验提供了源源不断的算力支持。

新模型即将上线

对于上半年的技术迭代，管理层坦陈在M3研发过程中有过实践上的不足，接下来的重点将转向依靠底层基建缩短发布周期，加快后续模型的迭代节奏。

观察者网了解到，即将推出的M3.1模型侧重于后训练规模的持续Scaling，重点针对Coding、工具调用和长程Agent任务中的完成质量与执行稳定性进行补强，目标是将推理成本降至M3上线初期的三分之一左右，打造高性价比的生产力底座。

真正承担智能上限突破的则是新一代旗舰模型M3 Pro。该模型的参数规模预计将跃升至约3T级别，并在更大的基础模型上扩大强化学习和长程任务训练。在架构层面，M3 Pro将引入自研的MSA 2.0稀疏注意力架构，通过大幅压缩KV Cache存储占用，显著提升推理阶段Prefill的缓存命中率并支持更大的Batch Size批处理规模，在万亿参数档位上实现约3倍的计算效率跃升。同时，M3与H3正在同步推进国产芯片适配，大规模国产算力集群将很快上线，并逐步承担真实生产流量。

多模态与开源生态：卡位物理世界与第二大AGI市场

在内部算力资源的调配上，MiniMax依然保持着明确的技术定力：文本模型的算力投入约为视频模型的4倍，通用语言基座作为逻辑理解与规划的底座，优先级始终未变。

但在多模态管线上，7月底开源的视觉生成模型H3展现出了超出预期的生态渗透力。开源三周多时间内，H3全球下载量突破2400万次，催生出超300个公开衍生模型，成为2026年全球下载量最高的前沿开源模型之一。

H3的突破在于让大语言模型深度参与到视频生成的上下文感知、参考素材理解与镜头意图控制中。面对海外大厂在多模态领域的闭源壁垒，开源策略迅速抢占了全球创作者与企业的工作流入口，不仅为后续进军广告、游戏、电商等完整商业交付奠定了基础，也让语言与视觉的双管线协同开始发挥乘数效应。

结合7月完成的160亿港元配售，手握超30亿美元现金储备的MiniMax暂时缓解了资金层面的顾虑。从二季度收入环比增长81.8%、7月Token激增至20倍，到8月ARR跨过8亿美元门槛，此前市场对其全年10亿美元ARR目标的悲观预期已被大幅修正。随着下半年M3.1、M3 Pro及国产算力集群的相继落地，其实际商业变现效率与毛利率改善幅度，将成为下一阶段估值修复的核心锚点。