MiniMax 于 2026 年上半年交出了上市以来的首份财报，收入 1.17 亿美元，同比增长 283%，相当于半年完成了去年全年的 1.5 倍。更值得关注的是收入结构的反转：B 端开放平台及企业服务收入占比从去年同期的 30% 跳升至 63%，首次大幅压过 C 端。公司管理层在业绩电话会上透露，8 月 ARR 已突破 8 亿美元，其中 B 端占 80%，并预告下半年将先后发布 M3.1、M3 Pro、H3.1 三款在研新模型。分析认为，真正决定 MiniMax 命运的并非营收曲线，而是新模型能否在第一梯队排上名号。
从收入结构看，B 端开放平台及企业服务收入约 7400 万美元，同比增长 703%；C 端 AI 原生产品（如海螺 AI、AI 社交应用 Talkie）收入约 4300 万美元，同比增长 101%，占比降至 37%。收入结构的转变被视作正向信号，因为当前 C 端 AI 原生产品并非好生意——以 AI 社交产品 Talkie 和星野为例，据招股书披露，其产品毛利率仅 4.7%，客单价 5 美元/月。
Token 消耗的爆发是收入加速的引擎。据财报，7 月 MiniMax 的 Token 用量达到 1 月的 20 倍，企业用户已超 200 万户，较去年年底增长 10 倍。这一增长踩中了行业顺风：AI Coding 成熟、Agent 产品爆发让大模型公司的 Token 消耗普遍飙升，例如智谱 MaaS 平台 ARR 一年涨了 60 倍，月之暗面 ARR 三个月翻三倍。
不过，MiniMax 的亏损仍在扩大。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%（加回股权激励、金融负债公允价值损失和上市费用后，实际账面收窄）。亏损扩大的主因是研发费用达 2.97 亿美元、同比增长 138%，但收入增速远快于研发增速，形成“剪刀差”，若趋势持续，亏损扩大有望在未来几个季度见顶。毛利率则从 2025 年全年的 25.4% 回落至 17.9%，主要因 B 端低毛利收入占比上升，以及 6 月 M3 发布后 API 价格永久砍半的以价换量策略。
管理层在电话会上将 ARR 增长归因于三个引擎：M3 带来的 API 增量、Agentic 带来的消耗翻倍、以及 200 万以上企业客户在办公等新场景的持续解锁。但公司也承认，模型之路是从落后开始的。闫俊杰复盘 M3 研发时坦言，公司在判断与执行上存在不足，评测侧基础设施做得不好，后续内部重建了整套底层研发基建。M3 的发布是一次“补课式”追赶：将注意力架构从 M2 的全注意力换成自研 MSA 稀疏注意力，上下文长度从 128k 提升到 1M。
下半年的命门押在三款新模型上。M3.1 定位为“打补丁”，面向主流用户，在 M3 基础上做充分预训练并持续 Scaling 后训练，重点提升任务完成质量、推理效率、稳定性，以及作为 Agent 产品基模的适配性。闫俊杰给它的 KPI 更多在成本上：推出时推理成本要降到 M3 初期上线时的三分之一左右。M3 Pro 则追求“大力出奇迹”，参数规模预计提升至约 3 万亿，接近 M3 的 7 倍，并采用创新的 MSA2.0 架构，显著提高推理阶段缓存命中率，在 3T 档位具备推理速度与成本优势。H3.1 面向多模态下一代，延续 H3 的开源口碑，将能力再抬一档，管理层强调文本与多模态在底层相互增强，且多模态与音频生成模型的毛利率更高，对正被 API 收入稀释毛利率的 MiniMax 而言是必须抓紧的筹码。
MiniMax 明确将后训练视为下半场的核心。闫俊杰提出，在相同算力规模下，推理计算效率的提升倍数与后训练规模的扩大倍数基本线性相关。公司为此准备了三个应对方式：训推调度的精细运营（夜间将算力导向评测与算法验证）、国产芯片的接入（四季度使用占比将提升，可降低单 Token 成本）、以及评测与数据基建的重建。这一路线与 DeepSeek 指向同一方向，也与智谱的 GLM-5.3-Flash 不谋而合——后者采用稀疏激活、混合注意力，并在后训练引入环境反馈强化学习。
行业历史表明，路线错误可以翻盘。月之暗面曾因押注 C 端被唱衰，但后续 Kimi K2 冲到全球开源代码模型前列，K2.5 上线不到一个月 ARR 突破 1 亿美元；Anthropic 靠企业级和 Coding 市场逆袭 OpenAI。对 MiniMax 而言，M3 之前的落后与信任危机都不构成终局，真正的胜负手是未来半年内 M3.1、M3 Pro、H3.1 的落地质量。