核心观点 - MiniMax的收入结构在6个月内发生结构性变化，市场需要重新认识这家公司[1] - 公司收入来源从C端主导转向B端主导，B端收入占比从上市时的28.9%升至2026年上半年的63.4%，8月按ARR口径超过80%[5][6] - 模型能力是公司增长的本质驱动因素，B端和C端并非战略选择题，而是需求侧映射[10] 财务表现 - 2026年上半年收入1.17亿美元，同比增长283.1%，已逼近2025年全年收入7904万美元的1.5倍[2] - Q2收入环比增长82%，曲线持续变陡[2] - 毛利同比增长465%至2081万美元[2] - 研发费用同比增长139%，增速显著低于收入增速[3] - 销售费用同比下降18%，用户增长主要依靠产品力和口碑驱动[3] - 调整后净亏损2.93亿美元，同比扩大111%[4] - 预计毛利率在2026年下半年继续改善，2027年有进一步提升空间[21] 收入结构变化 - 2026年上半年B端收入7393万美元，同比增长703%，增长超过7倍[7] - C端收入4264万美元，同比增长101%，仍然翻倍[7] - 企业客户和开发者数量突破200万，是2025年末21.4万的近10倍[9] - 海外市场贡献超过六成收入[9] Token消耗与Agent逻辑 - 7月份token消耗量达到1月的20倍[11] - 单用户token消耗强度剧烈攀升，远超用户数和客户数增长幅度[12] - 模型消费从“人类与AI的交互”拓展到“Agent与AI的多轮交互”[13] - Agent驱动的推理需求增长速度远快于人类用户数和消息数增长[13] - 6月发布M3模型，瞄准Coding和Agent场景，统一切换为按token消耗计费[13] 推理成本与效率 - 推理成本下降是双向杠杆：对外提供高性价比模型，对内扩大后训练规模[15] - 文本模型单位算力吞吐在过去两个多月提升3倍[20] - M3.1目标是将推理成本降到M3上线时的三分之一[20] - 自建基础设施ETTR（有效训练时间占比）达97%[20] - 单位资金效率下的后训练规模至少还有3倍提升空间[28] 模型管线与开源策略 - 同时推进语言模型M系列和多模态生成模型H系列两条管线[21] - M3 Pro参数规模提升至约3万亿，架构升级至MSA 2.0，计算效率较第一代提升约3倍[22] - H3全模态生成模型7月31日发布，定价在2K分辨率下不到主流模型的三分之一[23] - H3于8月3日开源，三周内下载次数超过2400万次，诞生超过300个公开衍生模型[24] - 开源不削弱商业化和定价能力，长期定价能力取决于效果、成本、稳定性和迭代速度[25] - 语言模型与视觉生成模型结合的范式将在芯片设计、制药等前沿领域持续涌现[26] 算力供给体系 - 构建自研核心集群、云厂商合作和Token Factory三位一体的算力供给体系[27] - 文本模型训练的算力投入约为视频模型的4倍[27]