克雷西 杰西卡 发自 凹非寺
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。
而且增长并没有停留在同比口径上，今年第二季度，MiniMax的营收环比一季度又继续增长了81.8%。
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%。
财报将增长主要归因于用户参与度提升、付费意愿增强，以及海螺AI等产品持续商业化。
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。
销售及分销开支则出现下降，由去年同期3284万美元降至2697万美元，同比减少17.9%，主要原因是用户自然增长策略持续推进，相应减少了推广开支。
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。
其实对于基础模型公司而言，收入增长往往伴随着模型训练、推理和基础设施支出的同步增加。
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。
需求涨成这样，MiniMax的模型跟上了吗？
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。
降低单位智能成本，商业和技术两头都在受益。
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。
MiniMax是国内最早一批建立规模化基础设施体系的独立大模型公司之一，ETTR（Effective Training Time Ratio，有效训练时间比例）达到97%。
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.