bingdadaMiniMax通过B端业务实现商业化提速，ARR半年增长超500%至8亿美元，B端收入占比升至80%。其增长核心在于Agent驱动的Token消耗量爆发（7月为1月的20倍），以及M3模型的高性价比策略（每百万Token仅1.2美元），形成成本降低与智能提升的正向循环。
当行业还在为参数规模和Benchmark分数争论不休时，一场关于商业化落地的静默革命正在发生。2026年8月的最新数据揭示了一个重要转折：AI公司MiniMax的年度经常性收入（ARR）在半年内从1.5亿美元飙升至8亿美元，增幅超过500%。这一数字的背后，不仅是简单的收入增长，更预示着大模型行业的竞争维度正在从技术竞赛转向商业效率的全面较量。
从财务数据来看，MiniMax的成长轨迹呈现出鲜明的结构性特征。2026年上半年，公司总收入达到1.166亿美元，同比增长283.1%，这一数字已经超过了2025年全年的7904万美元。更值得注意的是，第二季度营收环比增长81.8%，显示出强劲的持续增长动能。
深入剖析收入构成，一个显著的变化浮出水面：开放平台及企业服务收入达到7393万美元，同比暴增703.1%，占上半年总收入的63.4%。而在2025年全年，这一比例仅为32.8%。到了8月，B端收入占比进一步攀升至80%。这意味着，公司新增收入的约四分之三来自企业和开发者侧。
这种转变并非以牺牲C端业务为代价。同期，AI原生产品收入仍录得4264万美元，同比增长100.9%，主要归功于海螺AI等产品的商业化深化和用户付费意愿的提升。两条业务线并行增长，但B端的需求释放速度显然更为激进。
为什么B端增长会在此时集中爆发？答案或许藏在Token消耗量的变化中。2026年7月，MiniMax的Token消耗量已达到1月的20倍，而企业客户和开发者数量在5月就突破了200万，是去年年底的10倍。
这一数据的背后，是AI使用模式的根本性转变。正如行业观察者所指出的，过去是人与AI对话，现在则是Agent与AI系统交互。Agent驱动的推理需求，其Token消耗量级与人类用户完全不在一个量级。这种从"聊天"到"工作"的转变，使得单位用户的资源消耗呈指数级增长。
MiniMax CEO闫俊杰在电话会中透露，公司模型正在越来越多地进入企业和开发者的真实工作负载。特别是M3模型的发布，其能力提升不仅吸引了新客户，更拉动了老客户的用量扩张。而7月开源的视频生成模型H3，在短短三周内获得超过2400万次下载，催生了300多个衍生模型，进一步巩固了MiniMax在开发者社区的影响力。
面对市场对"量大管饱"的刻板印象，MiniMax给出了截然不同的解读。公司认为，高智能与高性价比并非互斥选项，而是互为支撑的路径。M3模型每百万Token仅1.2美元的价格，低于同级模型2.2美元的中位数，这并非单纯的价格战策略，而是基于推理算力成本的真实评估。
这种定价逻辑背后是一套精密的商业闭环：更低的单位智能成本促使客户增加调用量，更多的调用带来更丰富的反馈数据，进而加速模型迭代；更强的模型能力又吸引更多开发者接入，形成正向循环。同时，公司通过自建算力基础设施（ETTR达到97%），实现了训练与推理资源的混合调度，将推理低谷期的算力用于强化学习训练，进一步提升了资源利用效率。
MiniMax的案例为整个AI行业提供了一个重要样本。当模型能力逐渐转化为持续运行的生产负载时，评价维度正在从单一的参数规模扩展到更复杂的指标体系：单位成本产生的智能量、单位算力处理的Token数、以及大规模训练推理的稳定性，都成为新的关键指标。
正如高盛研究近期指出的，AI商业化的下一阶段将聚焦于推理效率与成本结构的优化。而麦肯锡的分析也强调，企业级AI应用的关键在于将模型能力嵌入真实业务流程。
MiniMax的B端爆发并非孤例。在国内市场，这一趋势同样清晰可见。百度智能云依托文心一言的企业级API服务，在金融、能源等领域落地了大量Agent应用；阿里云的通义千问则通过开源模型策略，构建了庞大的开发者生态。DeepSeek凭借其高性价比的推理模型，在企业服务市场快速崛起。这些案例共同印证了一个判断：中国大模型公司的商业化重心正在从C端应用转向B端生产力工具，Agent正在成为撬动企业需求的关键支点。
MiniMax的ARR从2026年2月的1.5亿美元增长至8月的8亿美元，半年时间扩大约5.3倍，增幅超过500%。
B端业务增长显著更快。2026年上半年开放平台及企业服务收入同比暴增703.1%，占总收入比例从2025年的32.8%升至63.4%，到8月进一步达到80%。
Token消耗量的爆发（7月为1月的20倍）主要源于Agent工作负载的增加。Agent驱动的推理需求在Token消耗量级上远超人类用户，同时企业客户和开发者数量在5月已突破200万。
MiniMax通过自建算力基础设施（ETTR达97%）、混合调度训练与推理资源，以及持续优化推理效率来维持低成本。其M3模型每百万Token价格仅1.2美元，低于同级模型2.2美元的中位数。
Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队：内容策划 · 技术编辑 · AI 研究组
网站：bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者，专注于搜索引擎优化和生成式引擎优化。
中美建立AI对话机制与三大运营商叫停0元购机，看似无关的两件事共同指向技术治理逻辑的转变。本文从算力投资回报、智能体失控、数据隐私执法等维度，解析全球科技产业正在经历的制度重构。
Meta 在 Connect 大会上更新多条智能眼镜产品线，推出无摄像头的纯音频型号与超轻 VR 眼镜，以「做减法」和「时尚化」双线策略，重新思考智能眼镜的产品定义与市场边界。
端侧AI的竞争焦点正从模型参数量转向任务闭环能力。芯片厂商通过异构计算、多模型协作和生态整合，试图让智能体在手机上真正跑通工作流，但成本、迭代速度和跨终端协作仍是待解难题。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私，随时可以取消订阅。
