MiniMax 首份中报：ARR 超 8 亿美金｜绿洲生命力

8 月 26 日，绿洲被投企业 MiniMax 发布了上市后的首份中报：2026 年上半年收入约 1.2 亿美元，同比增长 283%；8 月 ARR 已超过 8 亿美元。

这份中报集中呈现了公司的增长速度，也释放出一个清晰信号： MiniMax 持续提升模型能力，正在跨过规模化商业落地的关键门槛。我们始终看好 MiniMax 团队在 AGI 方向上的长期投入，也将继续陪伴团队，见证其愿景 "Intelligence with Everyone" 逐步成为现实。

以下是媒体对本次中报的解读，Enjoy.

2026 年 8 月 26 日，MiniMax 交出了 2026 年上半年的成绩单，这也是大模型公司里的第一份中报。过去两年，行业讲得最多的是参数、榜单和融资，但现在行业更关心的问题已经变成了 "越来越高的算力投入，能不能换来真实使用和可持续收入" ，MiniMax 的第一份中报，正好提供了一份难得的公开样本。

先看几组最直观的数据：**MiniMax 的收入和用量正在同步狂飙，8 月 ARR 已经超过 8 亿美元，7 月 Token 消耗量则达到 1 月的 20 倍。**收入结构也发生了很大的变化，**B 端收入同比增长超 7 倍，收入占比约 80%，**对比去年同期 B 端业务占比约 30%，B 端与 C 端的收入结构几乎完成了一次翻转。

MiniMax 在业绩会还上聊了 ARR、智能提升、推理效率、算力储备等很多关键问题，信息量都不小。我们总结了本次业绩电话会中最关键的信息。

8 月 ARR 进一步提升至超 8 亿美元

海外收入占比约 60%

2026 年上半年实现收入约 1.2 亿美元，同比增长 283%，上半年收入已达去年全年的 1.5 倍；Q2 收入相比 Q1 环比增长 81.8%；7 月 Token 消耗量已达到 1 月份的 20 倍**；8 月 ARR 进一步提升至超 8 亿美元。**

B 端客户规模爆发式增长，收入结构显著优化：26 年 1-6 月，B 端（开放平台及其他 AI 企业服务）收入约 7400 万美元，同比增长 7 倍，占总收入比例由上年同期的 30% 提升至 63%，8 月 ARR 中 B 端贡献已超 80%（去年同期 ToB 占 30%、ToC 占 70%），企业客户和开发者数量突破 200 万，是去年年底的 10 倍，企业和开发者对模型的采用速度明显加快。

**海外收入占大头。**2026 年上半年，海外收入占比约 60%，国内收入占约 40%。

上半年毛利约 2100 万美元，同比增长 465%。 预计公司毛利率在今年下半年会继续改善，明年还有进一步提升的空间。

ARR 增长的核心驱动力是模型能力的提升。公司也观察到模型消费正在从 "人类与 AI 的交互" 拓展到 "Agent 与 AI 的多轮交互"， 由 Agent 驱动的推理需求增长显著快于人类用户数和消息数，单用户 token 消耗在快速增长。

从更强模型到更便宜智能：

MiniMax 的技术路线与商业判断

MiniMax 创始人、CEO 闫俊杰在电话会中提到："MiniMax 追求的不是在智能与成本之间做取舍，只有最小化单位智能成本，才能训练出最高智能水平；只有降低单位智能供给成本，才有可能让更高水平的智能进入更广泛的生产和生活。"

他同时强调，算力对每家公司都是局限的，通过"Minimize the Inference Cost，Maximize the Intelligence" 实现 "Intelligence with Everyone"，是坚持的技术路线，也是创业初心。

模型智能仍有很大提升空间： 技术上，模型在长程规划、工具调用、结果验证、跨模态理解和专业任务稳定性等方面还有不少问题；Scaling 维度也在扩展，除 Pre-training 外，Mid-training、Post-training、强化学习、推理时计算、合成数据、评测和 Agent 环境都正在成为新的 Scaling 方向，行业探索还处于早期。

Coding 之后的下一批规模化应用场景： 多模态生产力（广告、游戏、电商、设计和内容制作等完整工作流，从内容生成走向理解、修改和最终交付），以及网络安全、芯片设计等具有专业约束、能建立反馈闭环的高价值任务。商业模式也可能从按 Token 计费，逐步转向按任务结果和专业价值计费。

当模型能力、使用成本和产品体验跨过一定阈值后，真实需求会阶梯式释放，而非简单线性增长。

从算力到底座模型：

MiniMax 继续扩大 Scaling 边界

作为国内最早两家建立规模化、长期稳定的基础设施的独立大模型公司之一，基础设施已能独立支撑最大训练任务，ETTR（Effective Training Time Ratio）可达 97%；基于 infra 全栈能力，单位资金效率下的后训练规模至少还有 3 倍提升空间。

算力储备通过自主可控核心集群、云厂商供给及 Token Factory 合作搭建综合供给网络；M3 和 H3 同步推进国产芯片适配，公司很快将有大规模国产算力集群上线并逐步承担真实生产流量。

M3.1 和 M3 Pro 按计划推进。M3.1 在 M3 基础上进行了充分预训练并持续 scaling 后训练规模，定位为能被大量、广泛使用的模型，重点提升任务完成质量、稳定性、推理效率以及 Agent 环境适配能力；M3 Pro 参数规模将提升至约 3T，在更大基础模型上继续扩大强化学习和长程任务训练，具备更强的泛化能力和更高的智能上限。

H3 验证了一条新路线

语言模型正在重塑视觉生成

跟大部分公司不同，MiniMax 设计模型的时候一直原生考虑多模态的信息，认为视觉的理解和生成是生产力的重要组成部分。多模态生成目前也是除了编程之外的 AGI 的第二大市场。

H3 是语言模型和视觉生成相结合的一个实践，这不只是把语言模型作为一个 Encoder，更重要的是利用语言模型来做精细的上下文感知，从而实现全方位的参考和精细的生成能力。

H3 改变了先进模型都属于大厂且走封闭路线的格局，从 H3 开源到今天三周多的时间，H3 的下载次数已超过 2400 万次，诞生了超过 300 个公开的衍生模型，是今年全球下载量最大的模型之一，线上提供的官方服务使用量也有了爆发式增长。

H3 同时验证了两件事：第一，语言模型能力可以进一步提高视觉生成模型的上限；第二，开放模型、产品和 API 可以形成相互促进的生态，而非彼此替代。H3 让语言模型参与到创作过程中，理解上下文、参考素材和用户意图，在主体一致性、参考图遵循、镜头控制、声音配合和连续修改等方面都有明显提升。

更长远来看，认为类似语言模型和视觉生成模型的结合的范式在一些更加前沿的领域会持续涌现。MiniMax 相信多模态与语言模型的深度融合，将成为推动下一阶段智能跃升的重要方向。