MiniMax 2026中期财报：B端收入暴涨700%，转型算力底座与后训练驱动

财务表现：营收结构彻底倒挂，B端成为核心引擎

根据 MiniMax 发布的 2026 年中期财报，公司整体收入规模实现显著增长：

• 总收入：2026 年上半年约为 1.2 亿美元，同比增长 283.1%，相当于 2025 年全年收入的 1.5 倍。
• B端业务爆发：以开放平台及企业服务为主的 B 端业务收入达 7390 万美元，同比激增超 700%，占总收入比重从去年的 30.3% 跃升至 63.4%，取代 C 端成为最大收入支柱。
• ARR 数据：截至 8 月，年度经常性收入（ARR）达到 8 亿美元。其中 To B 业务占比约 80%，To C 仅占约 20%。
• 盈利状况：销售及分销开支同比下降 17.9% 至 2700 万美元；毛利同比增长 464.8% 至 2081 万美元；净亏损从去年同期的约 4 亿美元收窄至 3.6 亿美元左右。
• 全球化布局：海外市场贡献了约六成的收入，凸显其全球化底色。

这一变化表明，MiniMax 已摆脱早期依赖泛娱乐 C 端应用买量获客的模式，转向由企业和开发者生态驱动的自然网络增长。

增长逻辑：Agent 范式迁移与后训练共识

收入暴增的核心驱动力来自 Token 消耗量的断层式拉升。今年 7 月，全平台 Token 消耗量达到 1 月份的 20 倍。全球企业客户与开发者数量突破 200 万，是 2025 年底的 10 倍。

1. 消费范式迁移

模型消费已从「人与 AI 的直接对话」全面转向「Agent 与 AI 的多轮级联交互」。由 Agent 驱动的推理需求增长远超人类用户数和消息数的增长，导致单用户 Token 消耗呈倍数级爆发。

2. 后训练成为 Scaling 新上限

行业共识正在转变，大模型的 Scaling 从单一预训练拓展至中训练、后训练及强化学习。后训练阶段涉及海量合成数据生成、环境 rollout 和试错验证，本质均为推理计算。单位算力下的推理效率越高，后训练能吞吐的实验规模越大，从而提升模型最终效果。MiniMax 在此阶段持续发力，以更低成本实现模型能力预期提升。

产品进展：M3 系列与新多模态模型 H3

MiniMax 正稳步推进三个新模型的研发：

• M3.1（标准版）：面向主流用户，在 M3 基础上进行充分预训练并持续扩大后训练规模。重点提升任务完成质量、推理效率、稳定性及作为基模调用时的适配性。目标是将推理成本降至 M3 初期上线时的三分之一。
• M3 Pro（专业版）：参数规模约 3 万亿，采用自主研发的第二代注意力架构 MSA 2.0，显著提高推理缓存命中率。旨在提供更强的泛化能力和更高的智能上限。
• H3（多模态）：开源多模态模型，发布三周全球下载量突破 2400 万次，衍生出超 300 个公开模型。其核心创新在于将语言模型深度嵌入视觉生成流，实现全局上下文感知和多主体一致性控制。这证明了语言模型能力可提升视觉生成上限，且开放权重与 API 可形成相互促进的生态。

MiniMax 坚持「最小化单位智能成本以实现最大化智能水平」的理念，通过降低推理成本和提升后训练效率，在价格战趋势中建立竞争优势。