这还是我认识的MiniMax吗？
好能增长，好能商业化啊！
MiniMax 最新数据披露，今年 8 月截至目前，公司ARR（年度经常性收入）已经超过 8 亿美元。而今年 2 月 MiniMax 披露的 ARR 还只有 1.5 亿美元。
对应财报数据，这种增长已经开始印证到真实收入水平上：
2026 年上半年，MiniMax 收入 1.166 亿美元，同比增长 283.1%；半年收入已经超过 2025 全年 7904 万美元；Q2 收入较 Q1 环比增长超过 80%。
不过，比收入规模扩大更值得注意的，是 MiniMax 的收入结构正在迅速变化：
今年上半年，MiniMax 的B 端收入占比达到 63.4%，到 8 月进一步升至 80%；作为对比，2025 年 MiniMax 的 B 端收入占比大约仅有三成。
由此可见，MiniMax 的增长重心，已经快速从C 端产品转向企业和开发者了。
收入 3 倍增长，B 端成为主引擎
先看营收水平。
2026 年上半年，MiniMax 收入达到 1.166 亿美元，同比暴涨 283.1%，仅半年就已经超过 2025 全年 7904 万美元的收入规模。
如果继续往下拆，变化更明显地出现在收入结构上。
2026 年上半年，MiniMax开放平台及其他 AI 企业服务收入为 7393 万美元，同比狂飙703.1%；且这部分收入在总收入中的占比，也从 2025 全年的 32.8%，提高到今年上半年的63.4%。
按半年报数据计算，相较于 2025 年上半年，MiniMax 2026 年上半年的总收入增加约 8614 万美元，其中约 6472 万美元来自开放平台及企业服务。
也就是说，约四分之三的新增收入来自 B 端。
这意味着，MiniMax 此前更容易被外界感知的Talkie、海螺 AI等 C 端产品，其实已经不再能完整概括公司的商业化结构。
不过，这一变化并非来自 C 端业务收缩。
2026 年上半年，MiniMax AI 原生产品收入仍达到约4264 万美元，同比增长 100.9%。
换句话说，B 端和 C 端两条业务线都在增长，只是企业和开发者侧释放需求的速度明显更快，最终让 B 端逐渐成为新增收入的主要来源。
收入规模扩大之外，MiniMax 在财务效率上也开始出现一些同步变化。
今年上半年 MiniMax毛利达到 2081 万美元，同比暴涨 464.8%；同期毛利率则由去年同期 12.1% 升至17.9%，财报将其主要归因于基础设施效率的提升。
研发层面，MiniMax 仍然维持较高投入。
今年上半年，公司研发开支达到2.969 亿美元，同比增长 138.8%，其主要用于基础模型、多模态能力以及模型训练相关投入。虽然绝对规模继续扩大，但其增速已经明显低于同期 283.1% 的收入增长。
而 MiniMax 目前呈现出的状态，是商业化收入开始以更快速度扩张，同时毛利率、获客费用等部分效率指标也有所改善。
所以透过这份财报，MiniMax 当下呈现出的状态大致可以概括为：
商业化速度明显加快，B 端迅速成为新增收入的主要来源；与此同时，毛利和部分费用效率继续改善，而模型研发及基础设施仍处于高投入阶段。
再往前一步，新的问题也随之出现了——
B 端快速成为 MiniMax 的增长主力，为什么是现在？
MiniMax 靠什么飙升？
B 端业务的崛起，需要结合 MiniMax 最近的一系列进展来看。
首先是收入增速，进入三季度之后，上半年的增长趋势仍在延续。
据 MiniMax CEO 闫俊杰在电话会中透露，今年 2 月，MiniMax 披露的 ARR 为1.5 亿美元；到了 8 月，这一数字已经超过8 亿美元，半年时间扩大至约 5.3 倍。
MiniMax 的收入结构也已经发生了变化：
去年全年，MiniMax 大致还是" 三成 B 端、七成 C 端 " 的收入结构；今年上半年已经转为B 端超过六成；到了 8 月，从 ARR 结构来看，To B 与 To C 进一步来到约八二开。
再看另一个更接近模型实际使用情况的数据：今年 7 月，MiniMax 的 Token 消耗量已经达到 1 月的20 倍。
三者同时快速抬升，指向了同一个变化——
MiniMax 的模型，正在越来越多进入企业和开发者的真实工作负载，其模型能力正源源不断地带来 API 调用和商业收入。
这些增长不只是因为用户增多，还有用法的改变带来的单位用户消耗量增加，两个乘数，全在增长。
先说最直观的用户数量，到 5 月，平台上的企业客户和开发者突破200 万，是去年年底的10 倍。
特别是M3 模型发布之后，其带来的能力提升，还在继续拉动老客户扩量。
增长的另一头，是单个用户的使用程度变得更重了。
以前是人跟 AI 聊天，现在越来越多是 Agent 在跟 AI 打交道，消耗的 Token 完全不是一个量级。
这也解释了为什么由 Agent 驱动的推理需求增长，显著快于人类用户数和消息数的增长。
到了 7 月，视频生成模型 H3的开源，又给 MiniMax 的炉灶添上了一把火。
H3 开源后，三周之内就获得了超 2400 万次下载，开源社区基于它做出了300 多个衍生模型，超过了市场预期。
MiniMax 在电话会上表示，H3 的表现，改变了先进模型都属于大厂且走封闭路线的格局。
开源模型让大量开发者通过开源模型熟悉了 MiniMax 的技术体系，也在需要云端服务时转向了 API 付费调用，带来了官方线上服务的使用量的进一步爆发。
要知道， Agent 工作流跟以前聊天不一样，每一步都要求模型足够准，错一步就可能让整个链条功亏一篑。
幸运的是，MiniMax 在 6 月发布的 M3，就是一个模型能力 " 跟上了 "的代表。
它文能查阅资料，武能操作界面，能文能武，开发者才敢在真实业务场景中接入。
但一边是模型越来越聪明，一边是 Token 消耗越来越多，两方面都在给计算设施上难度。
于是问题来了——
这么强的智能，能不能以足够低的成本持续供给？
更高智能和性价比，不是选择题
MiniMax 当下最强的 M3 模型，每百万 Token 的价格仅 1.2 美元，比同级模型的中位数（2.2 美元）低了一大截。
这么低的价格怎么扛得住？
有人会觉得是商业策略，但 MiniMax 定这个价格的理由，其实异常简单——因为推理这一环的算力开销，真的没有想象那么高。
不过，这种定价策略，也给 MiniMax 带来了一个刻板印象——量大管饱。
这看上去不是什么坏话，但后面往往还跟着另一句，也就是 " 智能水平差一截 "。
这次电话会上，MiniMax 回应了这个问题。
这个刻板印象，很大程度上来源于人们的认知错位，很多人认为，高智能和高性价比之间，只能二选一。
但在 MiniMax 看来，两者并不是互斥关系，他们追求的，不是在智能与成本之间做取舍。
在 MiniMax 的认知当中，性价比是手段、是路径，不是目的、不是终点，他们最终要实现的，是更高水平的智能。
商业上，客户用同样的预算，能跑起更多调用和更复杂的工作流，他们才会愿意把模型塞进生产环节。
技术上，同样算力能跑更多后训练和实验，模型迭代才能加速。
两件事互相咬合、互为促进，模型越强，用量也就更大，收入更多。
收入多了，MiniMax 就能投入更多算力，让推理效率继续得到优化，让模型继续变强，开启下一轮的正向循环。
当然，这套循环还得靠基础设施撑住，否则就是无稽之谈。
并且有了自建算力，训练和推理的资源可以混合调度，线上推理流量低谷的时候，空出来的算力直接拿去跑强化学习训练。
自己建的集群，让训练跑得稳、推理成本压得住，省下来的算力还能喂回后训练。
由此来看，模型能力、推理效率和基础设施，这三者的关系已经越来越难被拆开讨论。
模型架构决定智能能够达到的上限，推理和系统优化决定每一单位算力可以产出多少有效智能，基础设施则决定如此大规模的训练和推理能否长期、稳定运行。
这也是为什么随着大模型逐渐进入 Agent 和真实生产环境，行业评价模型的维度正在继续增加。
参数规模和 Benchmark 仍然重要，但随着模型能力逐渐转化成持续运行的工作负载，单位成本能够产生多少智能、单位算力能够处理多少 Token，以及大规模训练和推理能否保持稳定，开始成为另一组越来越难忽视的指标。
MiniMax 在电话会上给出的判断也是如此，下一阶段竞争的重点，会越来越落到能否选择有效的技术路径，以及持续提高把算力转化为智能的效率。
至于下一阶段 Scaling 继续往哪里走，MiniMax 的判断已经写明：
Minimize the Inference Cost, Maximize the Intelligence.
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
点亮星标
科技前沿进展每日见
