MiniMax下一局：让Agent跑进芯片、药物和企业流程

把8亿美元ARR先放一边。这个数字会抓住所有人的眼睛，但电话会里更值得细看的，是MiniMax给自己排下的一张长桌：M3.1要把训练和推理底座跑顺，M3 Pro要去碰更大的模型上限，H3.1继续把视频、音频和理解能力拧在一起；再把Agent塞进代码、网络安全、芯片设计和药物研发这些有工具、有反馈、也有预算的工作里。

这不是下一代聊天机器人的产品规划。MiniMax想做的，是把模型变成企业流程里的一个执行单元：读资料，调工具，跑测试，发现错误，再继续干活。模型调用不再由人一问一答决定，而是跟着任务自己往前走。闫俊杰对AI未来的判断，基本都从这里长出来。

这条路很大，也很贵。MiniMax 8月26日披露的2026年中期业绩给出了现实底色：上半年确认收入1.166亿美元，同比增长283.1%；Open Platform及其他AI企业服务收入7390万美元，占总收入63.4%；海外收入7083万美元，占60.8%；毛利率升至17.9%。另一面，调整后净亏损2.930亿美元，研发投入约2.969亿美元。公司不是已经走到了收获期，而是在用现在的利润表换一张未来的入场券。

它押的第一件事：Agent会吃掉更多推理

传统聊天的用量有天花板。一个人问几个问题，改几段文字，开销大致可估。Agent不一样。一个软件任务可能要先理解需求，再翻代码库，调用终端和浏览器，写代码，跑测试，失败后回滚，换一种办法再跑一遍。研究、客服、数据处理也是同理。一次交付里，模型会被反复叫回来。

据电话会转述，MiniMax把这种多轮、长任务的调用视为推理需求的主要增量。这个判断并不玄。企业一旦把Agent接进工单、代码库、知识库和审批流，模型的消耗会和业务量缠在一起，而不是和某个员工有没有空聊天有关。

但Token多，不等于生意稳。企业已经会给不同任务配不同模型：简单摘要走便宜模型，难一点的代码问题切强模型，敏感数据放私有环境，视频任务另算账。MiniMax要留住客户，靠的是某些任务做得更好、更快、也更省钱。长上下文是否真的读得准，工具调用是否稳定，发生错误后能不能收住，人类能不能审计，决定了它是不是生产系统的一部分。

它对AI的看法：能力要在能被检验的环境里长出来

电话会里有一句判断，把MiniMax的方向说得很直白：只要任务能被精确评估，又能搭出强化学习环境，模型就能在持续试错中学会能力。这里说的不是让模型背更多资料，而是让它进入一个会给结果的环境。

代码编不过，测试会告诉它；安全漏洞能不能复现，环境会告诉它；芯片设计能看仿真、coverage、形式验证和功耗性能面积指标；药物研发可以从检索、预测、对接、合成可行性一路走到实验结果。模型的输出有了去处。它不必只在对话框里显得聪明，也能在失败和反馈里变得更可靠。

这套看法把竞争的重点从预训练参数，推向数据、后训练、评测、工具环境和推理系统。GPU当然还是底座，但它只是其中一段。谁能让同样一笔算力预算产出更多可用能力，谁能把这些能力以更低成本送到客户手里，谁才有机会跑得更久。MiniMax在业绩材料里提到“智能的扩展近乎没有上限，能源和算力不是”。这句话听起来宏大，落到业务上却很具体：吞吐、缓存、调度、延迟、单位Token成本，都会写进毛利率。

M3、M3.1、M3 Pro、H3.1：四张牌放在一张桌上看

已经发布的M3，是这条路线最可见的部分。官方资料显示，它支持文本、图像、视频输入，最高100万Token上下文；采用MoE架构，约4280亿总参数、每个Token约230亿激活参数，并用稀疏注意力处理长上下文。权重已经开放。对开发者而言，这降低了试用、私有部署和二次开发的门槛；对MiniMax而言，开放不是终点，它要把试用者带向托管推理、企业支持和工具链服务。

电话会里提到的M3.1、M3 Pro和H3.1，则分别压在不同位置。M3.1的任务是把训练和推理基础设施完整跑通，让后续模型少走弯路；M3 Pro瞄准更大规模的复杂推理、编码和Agent能力，外界曾出现接近3T参数的说法，但规格和发布时间仍该视为预告；H3.1延续H3的全模态路线。H3已能理解文本、图像、视频、音频并生成带原生立体声音频的视频，最高2K、15秒。H3.1能不能把这条线从创作工具推向更高客单价的生产场景，才是它的难题。

这三条线的分工很清楚：M3.1赌效率，M3 Pro赌能力上限，H3.1赌多模态入口。它们一起押着一个判断：文本、图像、视频、音频、代码和工具输出，最后会出现在同一个任务链里。视频不会只是一段营销素材；它可能成为模型理解时空关系、操作过程和真实世界上下文的一部分。代价也摆在那儿：视频推理吃算力，内容治理更麻烦，消费者分发还要付渠道成本。

为什么下一站会是芯片和制药

芯片与制药听上去相距很远，放在MiniMax的逻辑里却是同一类地方：价值高，出错贵，过程能留下反馈。芯片设计不会先交给一个模型独立流片。更现实的入口是规格理解、RTL和验证脚本、测试用例、bug定位、EDA流程编排，以及把代码、波形和文档放在一起看。编译、仿真、回归测试和形式验证，就是不断给Agent回信的环境。

制药也一样。文献与专利检索、靶点假设、分子筛选、合成路径建议、实验计划和临床资料整理，都比“AI直接发现新药”近得多。虚拟评测成绩不等于临床有效候选物，湿实验的时间、噪声、数据产权和监管都不会因为模型变强而消失。

MiniMax未来6到18个月最该拿出来的，应该是付费试点进入生产、周期缩短多少、工程师少返工多少、权限和审计怎么做。合作新闻不够，跑分也不够。客户愿不愿意把高价值流程交给它，才有分量。

8亿美元ARR背后，MiniMax押了五笔钱

第一笔押在企业API和全球化。企业服务已占上半年确认收入的近三分之二，海外收入超过六成。MiniMax显然不想只做中国市场里的模型供应商，而是要做一套能被全球开发者和企业接入的推理服务。

第二笔押在Agent消费。任务越长，调用越多；前提是任务确实完成，而且完成一次的总成本低于原有流程。第三笔押在低成本Scaling。MoE、稀疏注意力、缓存、调度、集群协同，都是为了让能力提升不要被算力账单吞掉。

第四笔押在M3 Pro。更大的模型若真能在编码、复杂推理和长任务中给出可复核的领先，MiniMax会获得品牌和高价值客户；若只是参数更大、部署更贵，市场很快会把它当成又一轮昂贵发布。第五笔押在多模态和垂直行业。视频、音频和文本协同，可能打开芯片、药物、工业设计和仿真；也可能把更多成本和更长销售周期带回公司。

所以，8亿美元ARR不是结论，它只是让这五笔押注有了更大的筹码。MiniMax下一份答卷该写在几个不那么热闹的数字里：企业是否续费并扩大使用，单位任务成本有没有下来，M3 Pro是否按期交付并经得起独立测试，多模态业务能否带来高质量收入，毛利和经营现金流有没有跟上。模型公司的故事很容易讲得很大。真正难的是把它变成一套每个月都能交付的系统。

接下来该盯什么

先看企业收入能不能继续跑在总收入前面，再看ARR能不能沉到确认收入里。再往下，是客户结构：大客户是不是过于集中，开发者是在试用还是已经把服务接进生产。毛利率也不能只看一个百分点的上升。文本推理、视频生成、海外云资源和高峰期容量预留，成本结构并不一样，收入涨得快不代表钱留得住。

然后看M3 Pro。大参数不会自动换来支付意愿。客户会看它在真实代码库、长文档、复杂工具链里的成功率，也会看一次任务究竟要跑多久、花多少钱。最后看芯片和制药：有没有能复核的案例，是否从演示进入生产，能不能把权限、私有部署和审计做成企业敢签字的产品。MiniMax对未来的期待很高，验证它的办法倒不复杂：拿出持续的任务结果和更扎实的利润表。

参考来源

• MiniMax：2026年上半年业绩公告
• PR Newswire：MiniMax 2026H1业绩稿
• MiniMax M3产品页；M3研究发布；M3 GitHub
• MiniMax H3官方发布
• Reuters：MiniMax上半年业绩报道

数据与已发布产品信息截至2026年8月31日。电话会相关的ARR、内部效率、M3.1、M3 Pro、H3.1与行业拓展，按管理层表述或公开转述处理，不等同于已交付产品或已确认收入。