MiniMax 於 2026 年上半年交出了上市以來的首份財報，收入 1.17 億美元，同比增長 283%，相當於半年完成了去年全年的 1.5 倍。更值得關注的是收入結構的反轉：B 端開放平台及企業服務收入佔比從去年同期的 30% 跳升至 63%，首次大幅壓過 C 端。公司管理層在業績電話會上透露，8 月 ARR 已突破 8 億美元，其中 B 端佔 80%，並預告下半年將先後釋出 M3.1、M3 Pro、H3.1 三款在研新模型。分析認為，真正決定 MiniMax 命運的並非營收曲線，而是新模型能否在第一梯隊排上名號。
從收入結構看，B 端開放平台及企業服務收入約 7400 萬美元，同比增長 703%；C 端 AI 原生產品（如海螺 AI、AI 社交應用 Talkie）收入約 4300 萬美元，同比增長 101%，佔比降至 37%。收入結構的轉變被視作正向訊號，因為當前 C 端 AI 原生產品並非好生意——以 AI 社交產品 Talkie 和星野為例，據招股書披露，其產品毛利率僅 4.7%，客單價 5 美元/月。
Token 消耗的爆發是收入加速的引擎。據財報，7 月 MiniMax 的 Token 用量達到 1 月的 20 倍，企業使用者已超 200 萬戶，較去年年底增長 10 倍。這一增長踩中了行業順風：AI Coding 成熟、Agent 產品爆發讓大模型公司的 Token 消耗普遍飆升，例如智譜 MaaS 平台 ARR 一年漲了 60 倍，月之暗面 ARR 三個月翻三倍。
不過，MiniMax 的虧損仍在擴大。淨虧損約 3.58 億美元，同比收窄 11%；經調整淨虧損約 2.93 億美元，同比擴大 111.2%（加回股權激勵、金融負債公允價值損失和上市費用後，實際賬面收窄）。虧損擴大的主因是研發費用達 2.97 億美元、同比增長 138%，但收入增速遠快於研發增速，形成“剪刀差”，若趨勢持續，虧損擴大有望在未來幾個季度見頂。毛利率則從 2025 年全年的 25.4% 回落至 17.9%，主要因 B 端低毛利收入佔比上升，以及 6 月 M3 釋出後 API 價格永久砍半的以價換量策略。
管理層在電話會上將 ARR 增長歸因於三個引擎：M3 帶來的 API 增量、Agentic 帶來的消耗翻倍、以及 200 萬以上企業客戶在辦公等新場景的持續解鎖。但公司也承認，模型之路是從落後開始的。閆俊傑覆盤 M3 研發時坦言，公司在判斷與執行上存在不足，評測側基礎設施做得不好，後續內部重建了整套底層研發基建。M3 的釋出是一次“補課式”追趕：將注意力架構從 M2 的全注意力換成自研 MSA 稀疏注意力，上下文長度從 128k 提升到 1M。
下半年的命門押在三款新模型上。M3.1 定位為“打補丁”，面向主流使用者，在 M3 基礎上做充分預訓練並持續 Scaling 後訓練，重點提升任務完成質量、推理效率、穩定性，以及作為 Agent 產品基模的適配性。閆俊傑給它的 KPI 更多在成本上：推出時推理成本要降到 M3 初期上線時的三分之一左右。M3 Pro 則追求“大力出奇跡”，引數規模預計提升至約 3 萬億，接近 M3 的 7 倍，並採用創新的 MSA2.0 架構，顯著提高推理階段快取命中率，在 3T 檔位具備推理速度與成本優勢。H3.1 面向多模態下一代，延續 H3 的開源口碑，將能力再抬一檔，管理層強調文本與多模態在底層相互增強，且多模態與音訊生成模型的毛利率更高，對正被 API 收入稀釋毛利率的 MiniMax 而言是必須抓緊的籌碼。
MiniMax 明確將後訓練視為下半場的核心。閆俊傑提出，在相同算力規模下，推理計算效率的提升倍數與後訓練規模的擴大倍數基本線性相關。公司為此準備了三個應對方式：訓推排程的精細運營（夜間將算力導向評測與演算法驗證）、國產晶片的接入（四季度使用佔比將提升，可降低單 Token 成本）、以及評測與資料基建的重建。這一路線與 DeepSeek 指向同一方向，也與智譜的 GLM-5.3-Flash 不謀而合——後者採用稀疏啟用、混合注意力，並在後訓練引入環境反饋強化學習。
行業歷史表明，路線錯誤可以翻盤。月之暗面曾因押注 C 端被唱衰，但後續 Kimi K2 衝到全球開原始碼模型前列，K2.5 上線不到一個月 ARR 突破 1 億美元；Anthropic 靠企業級和 Coding 市場逆襲 OpenAI。對 MiniMax 而言，M3 之前的落後與信任危機都不構成終局，真正的勝負手是未來半年內 M3.1、M3 Pro、H3.1 的落地質量。