當一家公司的收入來源在6個月內發生了結構性變化，市場需要開始重新認識它。
8億美元ARR，B端收入佔比80%，token消耗量7個月膨脹20倍……8月26日晚，MiniMax在2026年半年度業績交流會上一口氣拋出了這三個數字。
對於一家今年1月才在港交所敲鐘的公司來說，這組數字最值得注意的是變化的速率。今年2月，MiniMax披露的ARR還是1.5億美元。六個月之後翻了5.3倍。
2026年上半年的資料同樣陡峭，MiniMax實現收入1.17億美元，同比增長283.1%，已經逼近2025年全年收入7904萬美元的1.5倍，Q2收入相比Q1環比增長82%，曲線還在變陡。毛利同比增長465%至2081萬美元。
與此同時，研發費用同比增長139%，但增速顯著低於收入增速，銷售費用同比下降18%，使用者增長主要依靠產品力和口碑驅動。
CEO閆俊傑在業績會上概括了節奏：“隨著M系列與H系列兩條管線的持續完善，公司預計未來一段時間內模型的發佈周期會顯著縮短，智能提升速度會變快。”
收入增速之外，更值得關注的是增長的來源正在經歷一場結構性反轉。
To B 和 To C本質上不是選擇題
收入結構的變化往往會被解讀為公司戰略層面的選擇發生了變化。但對一家模型公司來說，模型能力才是更本質的公司增長的驅動因素，B端和C端的佔比更像是需求側的對應。
MiniMax上市時，市場對它的認知標籤是“C端AI陪伴應用公司”。招股書中，開放平台及企業服務（B端）收入佔比僅28.9%，AI原生產品（C端）是絕對主力。2025年年報，B端佔比微升至32.8%。
到2026年上半年，佔比跳至63.4%。到8月，按ARR口徑計算的B端貢獻超過了80%。
拆開來看，上半年B端收入7393萬美元，同比增長703%，增長超過7倍。C端收入4264萬美元，同比增長101%，仍然翻了一倍。
C端還在快速增長，只是B端的增速更加亮眼，讓收入結構在半年內完成了一次翻轉。在C端翻倍的情況下，B端收入佔比從去年同期的三成一路升至八成，這個速度在AI行業中極為罕見。
企業客戶和開發者的規模在印證這個趨勢。
截至目前，MiniMax的企業客戶和開發者數量已突破200萬，是2025年末21.4萬的近10倍。海外市場貢獻超過六成收入，國際化佈局的厚度沒有因為B端放量而被稀釋。
MiniMax認為，“在AI時代，模型即是產品本身，無論是ToB還是ToC，本質上客戶都是在為模型能力而付費。”
從這個視角回看，B端和C端並不是一道戰略選擇題。模型智能還是最本質的問題。
20倍Token消耗量的Agent邏輯
B端收入7倍增速的背後，有一個更底層的變數在驅動。7月份，MiniMax的token消耗量達到了1月的20倍。
20倍的增幅遠超使用者數和客戶數的增長幅度，意味著單使用者的token消耗強度在劇烈攀升。
閆俊傑給出了底層解釋：模型消費正在從“人類與AI的互動”，拓展到“Agent與AI的多輪互動”。
一個人類提出的問題，被Agent展開為多輪模型請求、工具呼叫和子Agent任務。Agent驅動的推理需求增長速度遠快於人類使用者數和消息數的增長，單使用者token消耗由此進入快速上升通道。
2026年上半年，全球AI行業最確定的敘事無疑是Coding和Agent場景的爆發。6月發佈的M3模型瞄準了這條賽道，首次在國內將前沿Coding能力、百萬token上下文和原生多模態集於一個模型。伴隨M3上線，公司將計費模式統一切換為按token消耗計費，與Anthropic、OpenAI等全球同行的定價體系接軌。
閆俊傑對需求側的判斷帶有一種結構性樂觀：“當模型能力、使用成本和產品體驗跨過一定閾值後，真實需求會階梯式釋放，而不是簡單線性增長。”從半年的token消耗曲線看，階梯釋放已經在發生。
推理成本是性價比與更高智能的同一槓桿
20倍的token消耗量增長，對應的是同等量級的推理算力壓力。算力壓力對中國AI公司尤其尖銳。對於中國公司來說，算力總量上與海外頭部廠商仍有客觀差距，更大規模的scaling必須建立在更低的單位推理成本之上。
因此，推理成本下降是一個雙向槓桿：對外，使用者能拿到更高性價比的模型；對內，同等算力下，能再擴大後訓練的規模，支撐追求更高的智能上限。
多數AI公司談推理效率，落點在“便宜、性價比高、客戶願意用”。閆俊傑則將答案指向了一個比成本管控更深的命題。
在他看來，推理效率不僅決定對外服務的成本，更決定了下一代模型能訓練到多強，他指出
“只有最小化單位智能成本，才有可能訓練出最大化的智能水平。”
背後技術機制在於，模型能力越來越依賴後訓練階段，而後訓練中強化學習的rollout、合成資料生成、大規模評測，這些核心計算模式的實質都是推理。
推理越高效，同等算力下能做的後訓練規模越大，模型進步越快。
閆俊傑在發言中明確指出：“同等算力條件下，推理計算效率的提升倍數跟後訓練的規模變大倍數基本線性相關。”
幾組披露的硬指標可以作為參照：過去兩個多月，文字模型的單位算力吞吐提升了3倍。M3.1的目標是將推理成本降到M3上線時的三分之一左右。公司自建基礎設施的ETTR（有效訓練時間佔比）已達97%。
副總裁薛子釗在財務部分發言中給出了明確的前瞻指引：“預計公司毛利率在今年下半年會繼續改善，明年還有進一步提升的空間。”
反共識的半年，開源反而在拉動收入
MiniMax是國內少數同時推進語言模型和多模態生成模型兩條管線的獨立AI公司。
語言模型方面，M3.1正在推進中，定位是將M3的基礎能力更充分地轉化為Coding、工具呼叫和Agent任務中的穩定表現，重點提升任務完成質量和推理效率。
M3 Pro的參數規模將提升到約3兆，架構升級至MSA 2.0，預計在最大參數檔位上實現計算效率較第一代架構提升約3倍，任務越長優勢越大。
閆俊傑在業績會上透露，M3 Pro的推理速度和推理成本“在3T這檔模型裡面有非常顯著的優勢”。
多模態方面，7月31日發佈的H3是一款全模態生成模型，能統一理解文字、圖像、視訊和音訊，輸出最高2K解析度、帶原生雙聲道的15秒視訊，定價在2K解析度下不到主流模型的三分之一。
8月3日開源後，三周內下載次數超過2400萬次，誕生超過300個公開衍生模型，成為2026年全球下載量最高的模型之一。
H3選擇開源有更深層的考量。
閆俊傑認為，視訊生成領域“長期被封閉生態和非常高的定價幾乎壟斷”，MiniMax的選擇是“通過開源來改變這個行業”。開源帶來的社區關注度遠超預期，官方API服務的使用量也隨之爆發式增長。
他對開源與商業化關係的判斷是明確的：“我們不認為開源會削弱商業化和定價能力。一個模型長期的定價能力，最終取決於效果、成本、穩定性和迭代速度。”
兩條管線之間的技術協同值得留意。H3的核心突破在於讓語言模型深度參與視覺生成過程，實現精細的上下文感知和生成控制。閆俊傑將兩者的關係定性為“技術、資料、基礎設施和應用反饋上都可以相互促進”。
他在業績會上還做了一個更遠的展望：類似語言模型和視覺生成模型結合的範式，將在晶片設計、製藥等更前沿的領域持續湧現。
“今年Q4到明年Q1，不管是我們還是友商，都會有越來越多這樣跨界結合的新機會出現”。
在支撐兩條管線同時推進的算力方面，MiniMax建構了自研核心叢集、雲廠商合作和Token Factory三位一體的供給體系，文字模型訓練的算力投入約為視訊模型的4倍。
閆俊傑透露，基於全端基建能力，單位資金效率下的後訓練規模“至少還有3倍提升空間”。
他在發言最後給出了一個四維框架：“模型創新決定我們能夠把智能推到多高，模型效率決定這種智能能夠供給多大規模，強化學習和真實反饋決定下一輪智能能夠進步多快，多模態和專業領域決定智能能夠進入多深和多廣闊的真實世界。”
半年前，市場用C端產品來定義MiniMax；半年後，定義這家公司的或許是模型本身。(華爾街見聞)