MiniMax半年报：B端收入首超C端，押注后训练与推理效率突围

财务表现：B端崛起，收入结构反转

2026年上半年，MiniMax实现总收入1.17亿美元，同比增长283%，相当于去年全年收入的1.5倍。Q2总收入环比增长81.8%，呈现加速增长态势。

收入结构发生关键变化：

• B端主导： B端开放平台及企业服务收入约7400万美元，同比增长703%，占比从30%跃升至63%，首次大幅超越C端。
• C端收缩： C端AI原生产品（如海螺AI、Talkie）收入约4300万美元，同比增长101%，占比降至37%。

驱动因素：

• Token消耗爆发式增长，7月用量达到1月的20倍。
• 企业用户规模扩张至超200万户，较去年底增长10倍。
• AI Coding成熟与Agent产品爆发推动行业Token需求激增。

盈利状况：

• 净亏损约3.58亿美元，同比收窄11%；经调整净亏损约2.93亿美元，同比扩大111.2%（主要因加回股权激励等费用，实际账面亏损在收窄）。
• 研发费用2.97亿美元，同比增长138%，但收入增速远快于研发增速，剪刀差有望在未来几个季度帮助扭亏。
• 毛利率从2025年全年的25.4%回落至17.9%，主要受B端低毛利收入占比上升及M3模型降价策略影响，目前处于“以价换量”阶段，尚未形成定价权。

核心战略：ARR高增背后的模型危机与转机

尽管财务数据亮眼，但决定MiniMax长期估值的关键在于模型竞争力。管理层在电话会上透露，8月ARR已突破8亿美元，其中B端贡献80%，对年底达成10亿美元ARR目标保持信心。

当前挑战：

• MiniMax承认在M3之前的研发判断与执行存在不足，评测基础设施薄弱，导致模型性能落后于第一梯队。
• M3的发布被视为一次“补课”，通过引入MSA稀疏注意力架构，将上下文长度提升至1M，以满足长程Coding和Agent的基础需求。

未来布局：三款新模型定生死
下半年发布的三款新模型将是MiniMax重返第一梯队的胜负手：

1. M3.1（打补丁/提效）：
   • 定位：面向主流用户的新基准模型。
   • 重点：提升任务完成质量、推理效率、稳定性及Agent适配性。
   • 目标：推理成本降至M3初期的三分之一，通过高性价比扩大用户基数并改善B端毛利率。
2. M3 Pro（规模扩张）：
   • 参数规模：预计提升至约3万亿（约为M3的7倍），接近Kimi K3的2.8万亿级别。
   • 架构：采用MSA2.0稀疏注意力，提高缓存命中率和算力利用率。
   • 目标：在性能达到第一梯队的前提下，保持显著的推理速度与成本优势。
3. H3.1（多模态增强）：
   • 定位：下一代多模态模型。
   • 策略：文本与多模态能力在底层相互增强，利用多模态较高的毛利率对冲API收入带来的毛利稀释。

技术路线：对标DeepSeek，深耕后训练与推理效率

MiniMax的管理层明确提出：“只有最小化单位智能成本，才有可能最大化智能水平。”这一路线与DeepSeek及智谱GLM-5.3-Flash的技术方向高度一致，即从单一预训练Scaling转向后训练强化学习与推理优化。

具体实施路径：

• 后训练为核心： 认为后训练是提升效果最大的环节，包括合成数据生成、RL（强化学习）和长程任务试错验证。同等算力下，推理效率提升倍数与后训练规模扩大倍数呈线性相关。
• 训推调度精细化： 利用夜间推理请求减少时段，将算力导向评测与算法验证。
• 国产芯片接入： 四季度起提升国产芯片在各模型中的使用占比，以降低单Token成本。
• 重建数据基建： 重新构建底层研发与评测基础设施，确保模型迭代闭环。

行业对比：
智谱近期发布的GLM-5.3-Flash同样采用稀疏激活（MoE）、混合注意力及环境反馈强化学习，证明了在后训练阶段挖掘智能红利的可行性。MiniMax试图复制这一成功路径，通过极致的算力效率和低成本策略，在激烈的市场竞争中重新确立地位。