B端收入漲7倍反超C端,MiniMax換了個活法 | 看財報

TechPulse2026.08.27 10:43 · 來自河北全文2525字00:00 / 08:00MiniMax預告了後續的模型計劃,M3.1主打大規模可用,M3 Pro參數規模提升到約3T,搭載MSA 2.0架構,計算效率預計提升約3倍。半年之間,MiniMax的收入結構掉了個頭。8月26日,MiniMax(0100.HK)交出上市後的第一份中期成績單:上半年總收入1.166億美元,同比增長283.1%,僅半年就超過了2025年全年的7900萬美元。當晚的財報電話會上,MiniMax創始人、CEO閆俊傑表示,7月份Token消耗量已達到1月份的20倍,Q2收入相比於Q1環比增長81.
8%,8月份ARR進一步提升至超8億美元。隨著M系列與H系列兩條管線的持續完善,公司預計未來一段時間內模型的發佈週期會顯著縮短,智能提升速度會變快。本次財報格外值得關注的是MiniMax在B端和C端收入結構的變化。財報顯示,開放平臺及企業服務收入7393萬美元,同比增長703.1%,佔總收入的比重從30.3%升至63.4%。MiniMax進一步在財報電話會上披露,進入第三季度收入加速增長,ARR結構中To B板塊的貢獻已超過80%,海外市場貢獻超過六成收入。這家靠Talkie和海螺AI被普通用戶認識的公司,迅速完成收入模式的轉換,但代價同樣寫在了財報裡,經調整淨虧損2.
93億美元,同比擴大111.2%。圖片來自AI生成增長結構如何轉換財報口徑顯示,MiniMax的企業客戶和開發者數量已突破200萬,是2025年底的10倍,但收入的漲幅遠超客戶數的漲幅。閆俊傑在電話會上把原因歸結為消費方式的變化,"模型消費正在從'人類與AI的交互',拓展到'Agent與AI的多輪交互'。人類問題通過agent的形式被展開為多輪模型請求、工具調用和子Agent任務。而由Agent驅動的推理需求增長顯著快於人類用戶數和消息數,這些變化今天也發生在我們的模型身上,結果維度來看就是單用戶的token消耗在快速增長。
"一個Agent工作流會把一個人類問題拆解成成百上千次模型請求和子任務,收入的增量不在多少人用,而在每個客戶調得多深。這也解釋了一個財務上的反差:上半年銷售開支同比下降約18%,企業服務收入反而漲了7倍,說明增長由模型能力驅動,而非營銷投放。再看量價關係,M3相較M2系列價格不變,同樣的單價能買到更強的能力,客戶自然把更多任務遷移到模型上。這條路徑與國際頭部模型廠商的走向一致,收入主力從C端訂閱轉向API調用,計量單位從會員費變成了token。7月底開源的全模態視頻模型H3未體現在本財報數據中,但預計會帶來新的銷售助力。
H3開源三個多星期,下載量已超過2400萬次,衍生出超過300個公開模型,成為2026年全球下載量最高的模型,口碑又反哺了線上官方服務的使用量。MiniMax預告了後續的模型計劃,M3.1主打大規模可用,M3 Pro參數規模提升到約3T,搭載MSA 2.0架構,計算效率預計提升約3倍。成本曲線的下降開始傳導到報表上,上半年毛利率從去年同期的12.1%提升到17.9%。這也是模型廠商的常規路徑:先做大規模再談利潤,推理成本隨架構和集群效率下降,毛利率跟著爬坡,規模本身就是盈利模式的一部分。
閆俊傑表示,"我們認為,在AI時代,模型即是產品本身,無論是To B還是To C,本質上客戶都是在為模型能力而付費,我們將持續提升模型智能水平,並不斷打磨更加優秀的產品來供廣泛的用戶使用。"虧損的兩種解讀2.93億美元的經調整淨虧損,和IFRS口徑下3.58億美元、同比收窄11%的淨虧損,是一組需要對照著讀的數字。經調整淨虧損的計算方式,是在IFRS淨虧損上加回股份支付、金融負債公允價值虧損和上市開支三項非經營性項目。它展示的是經營面上的真實消耗,上半年燒掉2.93億美元,比去年同期的1.39億美元擴大111.2%。經調整淨虧損率從455.9%收窄至251.
4%,虧損比例在改善,但絕對規模仍在加速擴大。IFRS口徑的收窄,恰恰是會計處理帶來的。去年同期的報表裡有一筆2.539億美元的可轉換可贖回優先股公允價值虧損;今年上市後優先股轉為普通股,這項虧損驟降至3102.5萬美元。淨虧損從4.02億美元收窄到3.58億美元,主要靠的是上市這個事件本身,而不是經營變好了。此外,MiniMax研發開支2.969億美元,同比增長138.8%,約為當期收入的2.5倍。截至6月30日,公司現金結餘13.23億美元,較2025年末的10.5億美元增加約2.7億美元。7月,MiniMax以每股268港元配售3560萬股,淨籌約94.
4億港元,隨後又發行65億港元零息可轉債(2027年到期,轉股價335港元),兩筆合計約160億港元,電話會披露現金儲備已超過30億美元。另據財報,截至6月末銀行借款已從3550萬美元增至1.336億美元。市場的分歧在財報發佈之前就擺在了盤面上。據彭博社援引標普全球的數據,空頭頭寸已升至自由流通股的20%,創上市以來新高,同一口徑下智譜為6%;另一邊,MiniMax納入港股通僅兩週,內地資金持股比例已達8.1%。空頭敢於在這個增速上繼續押注,背後大致對應三個問題。其一,M3的編程能力尚未進入國產模型最前列,M3 Pro約3T參數、MSA 2.0架構能否翻盤,三季度是最直接的驗證節點。
其二,年底10億美元ARR目標的可實現性。8月ARR已超8億美元,距目標只差約25%的增幅,對照Q2環比81.8%的斜率,一個季度內即可覆蓋,這條戰線上的空頭牌已經不多。其三,也是最難回答的:盈利拐點。賣方研報對2028年的預測仍為虧損,中金本輪維持"跑贏行業"評級,目標價786港元,較此前下調29.1%。談及競爭格局,閆俊傑在電話會給出的回答,幾乎是對這家公司當前處境的完整註腳:"下一階段模型競爭的核心,不是算力規模、用戶規模,而是能不能定義正確的問題。選擇有效的技術路徑,並持續提高把算力轉化為智能的效率。
"他補充表示,"對MiniMax而言,我們希望建立的不是依賴某一個模型版本或某一項資源優勢的競爭力,而是一套能夠持續定義問題、持續進行有效Scaling、持續提升智能密度和智能高度的系統能力。"(本文首發於APP,文 | TechPulse,作者 | 張帥,編輯 | 楊林)
Related
相關文章
Google 開源 Harness²:遞迴代理程式框架,無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²,這是一個遞迴代理程式框架,透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言,重點很簡單:你的代理程式無需更強大的模型也能進步。重點摘要:規模為框架而非模型,訓練參數為0,包含8個可編輯的框架元件,版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv,模型呼叫則透過Vertex AI。GPU需求未公開。效能方面:一次改良步驟即可在3個基準測試中,提升所有4個模型與框架組合的表現。最佳成果:GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7(+11.5點);最差表現:GLM-5搭配Codex在JobBench上僅提升1.2點(23.6至24.8)。什麼是Harness²?它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI:2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作,推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型(VLA)。該模型僅使用公開數據進行預訓練,並配備了輕量級的近期記憶功能。在三個分佈外基準測試中,僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊:規模:2.4B 參數(2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家)。記憶涵蓋最近 3 幀,間隔 1 秒。運行環境:在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入,編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供,暫無量化版本。性能:在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中,為公開數據預訓練的 VLA 模型中最優;在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017,DeepSWE 得分 77.0,並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017,這是其 V4.1-Flash 模型的新檢查點,現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash,並稱之為性能與成本的帕累託改進。同時,DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言,這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要:骨架參數 552B,另加 196B 的 Engram 參數;預填充階段每 token 啟用 8B 參數,解碼階段啟用 16B 參數;上下文長度達 1M tokens,最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重(763B 參數,FP8)採 MIT 授權。
2026年20款Jev替代方案:挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev,這是一款決策模型而非聊天機器人。使用者可定義允許的答案,Jev將回傳標籤、分數或是否的機率。約4週內,至少20款Jev替代方案相繼問世,來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要:規模範圍從287M(GLiNER2.5-multi-Decide)到35B-A3B(Mapika Decider),Jev規模未公開。執行環境:Von和Laya等編碼器可在CPU上運行,4B適配器適用24 GB GPU或32 GB Mac。效能:多數開源模型在困難推理上落後Jev,但在狹窄分類任務上數款與之匹敵或超越。最佳表現:Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億;阿里加碼AI硬件品牌,天貓、速賣通聯動;國行版蘋果AI有望12月上線,百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障!DeepSeek發放宕機補償,有人拿到3000元3.阿里加碼AI硬件品牌,天貓、速賣通聯動4.國行版蘋果AI有望12月上線,百度、阿里參與合作5.可靈AI新一代模型Kling 4.