8月26日，中国AI大模型公司MiniMax（稀宇科技）发布了自港股上市以来的首份半年报。财报显示，公司收入同比增长283.1%，半年收入已达到2025年全年收入的1.5倍；毛利同比增长464.8%。在随后的财报电话会上，创始人、董事会主席、CEO兼CTO闫俊杰透露，8月公司ARR（年度经常性收入）突破8亿美元，B端收入占比达到80%，7月Token消耗量是1月的20倍。
闫俊杰在业绩会上的一句话点明了公司的核心思路：“只有最小化单位智能成本，才有可能最大化智能水平。”过去两年，大模型行业普遍面临两条路径的抉择：一是遵循Scaling Law堆参数追求更高智能，但推理成本随之攀升；二是为控制成本而降低效率，但智能表现往往不尽如人意。行业一度默认这是“鱼与熊掌不可兼得”的取舍。MiniMax则试图打破这一二元对立，将成本优化与智能提升视为同一目标的两面。
推理成本为何成为行业焦点？ 随着模型参数规模进入2-3T级别，推理环节的算力消耗日益显著。英伟达CEO黄仁勋在2026年GTC大会上曾判断：“训练支出作为主要成本驱动因素的时代已经结束，推理才是现在的工作负载，且正在快速扩张。”与此同时，Agent工作负载的崛起使得单次用户请求可能触发十几次甚至几十次模型调用，进一步推高算力账单。
行业因此分化出两条路线。一边是谷歌等厂商推出的轻量化小模型，强调速度与成本，但旗舰大模型进展缓慢——例如原定于5月发布的Gemini 3.5 Pro至今未见踪影。另一边是国产大模型厂商在参数规模上狂奔：月之暗面的Kimi K3参数约2.8万亿，阿里的Qwen3.8 Max约2.4万亿，百度文心5.0同样达到2.4万亿，DeepSeek V4-Pro为1.6万亿。这些模型在智能上确有突破，但成本也随之水涨船高——Kimi K3的API定价中，非缓存输入从每百万Token 6.5元涨至20元，输出从27元涨至100元，分别上涨208%和270%，且官方建议采用64张及以上加速卡部署。
MiniMax的选择是“我全都要”。闫俊杰在财报会上阐释了公司的技术路线：“算力对每家公司都是有限的。我们希望通过‘Minimize the Inference Cost, Maximize the Intelligence’实现‘Intelligence with Everyone’。”其核心逻辑有三层：第一，推理已成为制造下一代智能的生产资料——合成数据、强化学习的Rollout、模型评测等环节本质上都在消耗推理算力，推理效率直接决定下一代模型能训练到什么程度；第二，推理成本优化是智能迭代的必要条件，在算力物理上限下，若推理成本降不下来，成本将反过来制约智能提升；第三，用最低的单位智能成本追求最高智能水平，是同一目标的两面。
支撑这一思路的技术底座是MiniMax自研的MSA（稀疏注意力）架构。据称，该架构将百万字长文本的单位Token计算成本压至传统全注意力机制的约1/20，使M3模型在1M上下文下每Token计算量仅为上代的1/20。其关键在于将总参数量（决定知识容量）与激活参数量（决定单Token推理成本）解耦，从而使参数扩张不必带来推理成本同比例上升。此外，MiniMax的ETTR（有效训练时间比例）达到97%，并通过自主集群、云厂商和TokenFactory合作构建算力网络，现有及规划算力已能支撑3T级文本模型和视频模型的迭代。
在算力不占优的背景下，MiniMax试图证明：降低单位智能成本同样能推高智能上限。由于后训练、合成数据、强化学习等环节本质都是推理负载，推理效率越高，同等算力下能开展的实验就越多，智能天花板也就越高。这一路径能否持续走通，仍需时间验证，但它为国产大模型参与全球竞争提供了一种可能的差异化思路。