观点网 年初刚登陆港交所的MiniMax，用半年时间把收入做到了去年全年的1.5倍，但高增“成绩单背后”，亏损仍在快速攀升。
8月26日，MiniMax公布了2026年上半年业绩，并于当日晚间召开业绩电话会。
报告期内，Minimax总收入1.166亿美元，同比增长283.1%，已超2025年全年约7900万美元的水平。
但经调整净亏损从上年同期的1.39亿美元扩大至2.93亿美元，同比增加111.2%。收入高增与亏损扩大同步发生，是财报中最醒目的特征。
MiniMax创始人闫俊杰在业绩会上透露，8月该公司年度经常性收入（ARR）已超过8亿美元，意味着收入增速还在进一步加快。
值得关注的是，收入结构方面，Minimax在开放平台及其他AI企业服务收入从去年同期的920万美元升至7390万美元，增幅达703.1%，占总收入比例从30.3%升至63.4%；AI原生产品收入为4264万美元，同比增长100.9%。
Minimax正从一家以C端产品驱动的消费级AI公司，快速转型为企业级AI服务提供商。
从C端走向B端
MiniMax的收入结构在过去一年里发生了不小的变化。
2025年上半年，AI原生产品还是MiniMax的收入支柱，约贡献了总收入的七成。当时MiniMax更像一家面向消费者提供智能助手和创作工具的AI应用公司，用户通过海螺AI等产品直接为模型能力买单。
到了2026年上半年，该比例已跌至36.6%，AI原生产品的增速虽然仍有100.9%，但已远不及企业服务板块的爆发力。
取而代之的是开放平台及企业服务业务，从920万美元到7390万美元，约7倍的增长让B端业务在短短一年内完成了从配角到主角的切换。该收入占比也从30.3%升至63.4%，成为了决定MiniMax收入规模的主力。
MiniMax副总裁薛子钊在业绩会上解释，B端收入的增长主要来自三个因素：付费用户及企业客户数量增长、API调用量增加，以及Token计划迅速获得采用。
从最新ARR结构看，To B业务占比已达到约80%，To C业务占比约20%，而去年同期这一比例约为3比7，企业和开发者对模型的采用速度明显在加快。
闫俊杰在业绩会上详细解释了这一变化的驱动力：首先是模型能力的提升带来了新客户。MiniMax M3和MiniMax H3两个模型系列的推出，让更多企业和开发者开始尝试在真实业务场景中接入大模型能力。企业客户和开发者数量已超过200万，是去年年底的十倍左右。
其次是老客户在解锁更多使用场景后持续扩容，从简单的文本生成扩展到复杂的Agent任务。
闫俊杰观察到，模型消费正在从“人类与AI的交互”转向“AI与AI的交互”——用户提出一个问题后，Agent会自动将其展开为多轮模型请求、工具调用和自主任务执行，单个用户的token消耗因此成倍增长。从“人机对话”到“机机对话”的转变，也让API调用量的增长曲线变得更加陡峭。
海外市场仍然是MiniMax收入的重要支柱。2026年上半年，海外市场贡献收入约7083万美元，占MiniMax总收入的60.8%。这一比例虽较2025年全年的73%有所下降，但绝对值仍在增长。
海外收入占比下降更多是因为国内B端业务增长更快，而非海外市场增长放缓。截至6月底，MiniMax的产品和服务已覆盖超过230个国家和地区，累计服务个人用户超过3亿。
从业务结构看，B端ARR在MiniMax整体ARR中的贡献已超过80%。闫俊杰的判断是，在AI时代“模型本身就是产品”，不管是to B还是to C，本质上都是客户为模型能力付费。
这一判断是否成立，取决于模型能力能否持续领先。但在AI大模型行业里，领先的窗口期正变得越来越短。
摩根大通在近日的报告中维持对MiniMax“中性”评级，该行认为，DeepSeek API提价为MiniMax提供了喘息空间，但其核心大模型能力仍需即将推出的M3.1来验证。特别是Kimi K3的发布已深刻重塑行业估值框架：中国大模型的领先地位每1-2个月就可能发生轮换。
中报披露，从IFRS口径看，Minimax净亏损从上年同期的4.02亿美元收窄至3.58亿美元，减少了11%。
但这并非因为经营效率改善，而是由于可转换可赎回优先股在公司上市后自动转换为普通股，导致金融负债公允价值亏损从2.54亿美元降至3100万美元。剔除这一非现金项目后，经调整净亏损从1.39亿美元扩大到2.93亿美元。
值得关注的是运营效率指标，期内Minimax研发开支同比增长138.8%至2.97亿美元，但增速远低于283%的收入增长。行政开支占收入比例从48.8%降至25.9%，销售及分销开支甚至同比下降了18%。反映出Minimax收入的增长速度已开始超越费用的增长速度。
期内Minimax毛利率从12.1%提升至17.9%，提升5.8%。闫俊杰在业绩会上将这一改善归因于三个因素：模型架构创新带来的单位算力吞吐提升、训练与推理算力的高效调度以及供应链管理能力的增强。他预计下半年毛利率还会持续改善，明年仍有进一步提升空间。
不过，算力成本的上涨正在对冲效率提升的成果，虽然单位算力下的吞吐提升了近三倍，但算力涨价“让提升的幅度有了一些对冲”。
在算力供给持续紧缺的背景下，成本控制与收入增长之间的赛跑远未结束。
模型竞赛与算力军备
收入在涨，亏损在扩，效率在改善，算力在烧钱，这四件事发生在同一份半年报里，本身就构成了尖锐的“叙事冲突。”
闫俊杰在业绩会上给出的解法指向一个方向：模型能力和推理效率是技术抓手，供应链成本控制和算力调度效率是运营支撑，四者缺一不可。
先看模型迭代的节奏，Minimax M3.1、Minimax M3 Pro和Minimax H3.1三款模型已接近完成。
Minimax M3.1的定位是完整跑通整套基建，打造可大规模广泛使用的模型，重点优化稳定性、输出质量、推理效率以及Agent泛化能力。
Minimax M3 Pro则是一次模型规模、参数量和能力上的全面提升，参数量接近3T，并进一步扩大强化学习和长程任务训练，以提高模型的泛化能力和智能上限。Minimax H3.1是在Minimax H3基础上的能力升级。
闫俊杰表示，下一阶段将继续推进大模型智能、推理效率和基础设施能力的协同提升，加快M系列与H系列模型的研发及发布周期。
推理效率是大模型能否规模化商用的关键变量，MiniMax在模型架构上选择了与大部分同行不同的技术路径，在大参数模型上追求极致的稀疏化(通过去除冗余变量实现高效建模)。
闫俊杰在业绩会上详细解释了这一选择的逻辑，MoE混合专家架构的激活稀疏度可以控制在2%以内同时保持良好收敛性；自研的注意力机制变体能够在保持大模型训练稳定的同时大幅压缩长上下文的计算成本。
正在研发的MSA 2.0架构进一步压缩了KV Cache（键值缓存）所需的存储容量，从而提升推理时的缓存命中率和算力利用率。
在这些创新的叠加下，MiniMax在大参数档位上的资源效率相比上一代提升了三倍，且任务越长优势越明显。
闫俊杰进一步表示，即将推出的Minimax M3 Pro，在预训练数据量、训练效率、强化学习等各环节都在冲击大模型能力上限。
尽管最终效果仍有待验证，但他确认该模型在推理速度和推理成本上，在3T档位中将具备显著优势。
开源模型Minimax H3的表现也提供了验证，这款开源多模态生成模型发布一个月内已产生超过300个公开衍生模型，下载量超过2400万次。闫俊杰称其为“今年全球下载量最大的模型”。
但开源也是一把双刃剑，当大厂和竞争对手都在推进开源，不开源可能意味着失去开发者和生态。
在第三方测试网站Artificial Analysis上，M3的智能评分为45，而多款中国同业模型得分超过50。
按单项任务成本计算，M3属于价格较优惠的选择之一，但仍高于DeepSeek的V4 Flash。开源之后如何保持商业化的定价能力，是另一个需要回答的问题。
供应链成本控制是支撑上述技术路线落地的硬件基础。
闫俊杰在业绩会上表示，Minimax通过自主可控的核心集群、云厂商合作以及Token Factory合作，搭建了综合算力供给网络。国产芯片的适配正在推进，Minimax M3和Minimax H3模型都在同步进行国产芯片适配。
该公司很快将有大规模国产算力集群上线，并逐步承担真实生产流量，同时提高整体利用率、降低单位Token成本。
闫俊杰进一步表示，国产芯片的使用比例预计在四季度会进一步提升。自建基础设施已能独立支撑最大的训练任务，有效训练时间比例达到97%，是行业已知的最高水平之一。
算力调度效率则决定了有限资源能够产生多大的产出，闫俊杰在业绩会上透露，Minimax会根据模型所处阶段、业务需求和边际回报动态调整算力分配比例。
文本模型是Minimax当前算力投入的最高优先级，目前训练资源投入约为视频模型的4倍。
在推理层面，通过利用流量潮汐，夜间的文本推理流量低于白天，空闲算力会被自动调配来做评测和算法验证实验，从而提高整体利用率。
这套从模型架构到算力调度的系统化效率优化，需要持续的资金投入作为支撑。7月，MiniMax完成了约95亿港元的配售，发行了65亿港元可转换债券。
截至6月30日，该公司现金储备约13.23亿美元，加上7月的融资，总现金储备超过30亿美元。但现金消耗速度仍然较快，半年净亏损3.58亿美元，经调整净亏损2.93亿美元。以当前亏损速度测算，公司具备支撑一段时间的资金储备，但算力竞赛的持续投入意味着未来仍有融资需求。
MiniMax用半年时间证明了自己在商业化速度上不输于任何同行，但接下来的问题是：收入增长与亏损收窄之间的赛跑已经鸣枪，四重变量能否真正形成协同效应，在巨头环伺的战场中，将先发优势转化为可持续的盈利能力。
免责声明：本文内容与数据由观点根据公开信息整理，不构成投资建议，使用前请核实。