MiniMax ARR 半年增至 8 亿美元，B 端占比飙至八成

MiniMax 最新业绩与电话会披露数据显示，这家中国大模型公司的商业化节奏明显加快：今年 2 月 ARR 仅为 1.5 亿美元，到 8 月已突破 8 亿美元，半年放大约 5.3 倍；与此同时，B 端（企业与开发者）收入占比从去年全年的约三成，提升至上半年的 63.4%，再到 8 月的约 80%，新增收入的来源结构发生根本性切换。

半年收入 1.166 亿美元，同比增 283%

据 MiniMax 披露的财报数据，2026 年上半年公司总收入达到 1.166 亿美元，同比增长 283.1%，单上半年规模已超过 2025 全年的 7904 万美元；Q2 收入较 Q1 环比再增 81.8%，增长在同比与环比两个口径上同时加速。

更值得关注的是收入结构的变化：

开放平台及其他 AI 企业服务收入（H1 2026）：7393 万美元，同比 +703.1%；占总收入比重从 2025 全年的 32.8% 提升至 63.4%。
AI 原生产品收入（H1 2026）：约 4264 万美元，同比 +100.9%，仍维持正增长，C 端并未收缩。
上半年约 8614 万美元的新增收入中，约 6472 万美元来自 B 端，占比约四分之三。

这意味着此前被外界熟知的 Talkie、海螺 AI 等 C 端产品，已经无法完整概括 MiniMax 的商业化结构。C、B 两条线都在增长，但企业侧的需求释放明显更快，把 B 端推上了新增收入主引擎的位置。

财务效率同步改善，研发仍维持高投入

收入规模扩大的同时，部分效率指标也在改善：

毛利：H1 2026 为 2081 万美元，同比 +464.8%；毛利率由去年同期的 12.1% 升至 17.9%，公司归因于基础设施效率提升。
销售及分销开支：由去年同期 3284 万美元降至 2697 万美元，同比 -17.9%，主因是用户自然增长策略减少了推广投入。
研发开支：H1 2026 达到 2.969 亿美元，同比 +138.8%，主要用于基础模型、多模态能力及训练相关投入；增速低于同期 283.1% 的收入增速。

可以看到，MiniMax 当下呈现的状态是「商业化收入更快扩张、毛利与部分费用效率改善、研发与基础设施仍处高投入阶段」的三重叠加。

ARR 6 个月增至 5.3 倍，Token 消耗涨 20 倍

如果把目光从财报拉到更能反映真实使用情况的指标上，三组数据更能说明问题：

ARR：1.5 亿美元（2 月） → 8 亿美元+（8 月），半年约 5.3 倍。
Token 消耗：7 月已是 1 月的 20 倍。
企业客户与开发者：5 月突破 200 万，是 2024 年底的 10 倍。

CEO 闫俊杰在电话会中透露，进入 Q3 之后，上半年增长趋势仍在延续，To B 与 To C 的 ARR 收入已来到约 80:20 的结构。他也提到一个关键变化：「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。」这意味着增长来源不只是用户数变多，还有单位用户的消耗量在迅速放大。

M3 把能力拉上去，H3 把开源生态做起来

实际工作负载对模型提出的要求已不同于以往聊天场景。Agent 工作流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，MiniMax 因此在 6 月推出了 M3 模型，主打能查资料、能操作界面的复合能力，让开发者敢于在真实业务中接入。

7 月开源的视频生成模型 H3，则从另一条线补足了生态：

开源后 3 周内下载量突破 2400 万次；
开源社区基于 H3 衍生出 300 多个模型；
大量开发者由此熟悉 MiniMax 技术体系，需要云端服务时转向付费 API 调用。

公司在电话会上将 H3 的表现概括为「改变了先进模型都属于大厂且走封闭路线的格局」。

把每百万 Token 压到 1.2 美元，靠的是基础设施

在定价上，MiniMax 当前主力 M3 模型每百万 Token 价格 1.2 美元，低于同级模型 2.2 美元的中位数。电话会对此的解释是：推理环节的算力开销并不像外界想象得那么高，因此公司并不需要在「更智能」与「更便宜」之间二选一。

支撑这套定价的是基础设施投入：

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%；
训练与推理的算力可混合调度，线上推理流量低谷时空出的算力被用于跑强化学习训练。

MiniMax 把这一思路总结为一句话：Minimize the Inference Cost, Maximize the Intelligence——把单位智能的推理成本降到最低，让更多算力可以转化为更强的智能。

评价模型的维度正在增加

随着大模型逐渐进入 Agent 与真实生产环境，行业对模型的评价坐标开始从单纯的参数与 Benchmark，向更多维度扩展：单位成本能产出多少智能、单位算力能处理多少 Token、大规模训练与推理能否长期稳定——后一组指标正在变得难以忽视。

电话会上，MiniMax 对下一阶段竞争的判断是：竞争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「算力转化为智能」的效率。对于这家公司而言，模型能力、推理效率与基础设施，已经越来越难被分开讨论。