MiniMax нарушает «традиции»: доходы от корпоративного сегмента взлетают на 700%, компания тайно становится «продавцом лопат»

MiniMax потратила год на структурную трансформацию и в настоящее время стала инфраструктурной компанией, движимой глобальной экосистемой разработчиков, мультимодальными сервисами MaaS и инфраструктурой для ИИ-агентов.

Согласно раскрытым данным, общий объем доходов MiniMax значительно вырос: в первой половине 2026 года был достигнут общий доход в размере около 120 миллионов долларов, что на 283,1% больше по сравнению с аналогичным периодом прошлого года. Доход всего за полгода достиг 1,5-кратного размера годового дохода за 2025 год.

Из этой суммы доход от B2B-бизнеса, в основном состоящего из открытой платформы и других корпоративных услуг, достиг 73,9 миллиона долларов, что более чем на 700% больше по сравнению с прошлым годом. Доля в общем доходе подскочила с 30,3% годом ранее до 63,4%, став крупнейшим источником дохода компании.

Бурный рост на корпоративном рынке принес значительное увеличение ARR (годовой регулярной выручки) MiniMax, которая к августу достигла 800 миллионов долларов, при этом на B2B-бизнес приходится около 80%, а на B2C — лишь около 20%.

(Следует отметить, что ARR не является аудированным показателем по общепринятым принципам бухгалтерского учета и содержит естественную долю погрешности, однако для ИИ-компаний и SaaS-компаний она остается ценным метрическим показателем.)

Кроме того, в первой половине года около 60% доходов MiniMax принес зарубежный рынок, что вновь подчеркнуло ее глобальную направленность.

На фоне резкого роста доходов коммерческие и дистрибьюторские расходы снизились на 17,9% в годовом исчислении до 27 миллионов долларов, а валовая прибыль выросла на 464,8% до 20,81 миллиона долларов.

Что касается убытков, то чистый убыток за данный период снизился с примерно 400 миллионов долларов годом ранее до около 360 миллионов долларов.

Это означает, что MiniMax окончательно распрощалась с ранним этапом, когда она полагалась на закупку трафика для привлечения пользователей в развлекательные C-ориентированные приложения. После всестороннего сосредоточения усилий на базовых и мультимодальных моделях, компания перешла к естественному сетевому росту, движимому экосистемой предприятий и разработчиков.

Проведем простое горизонтальное сравнение:

• Согласно данным The Information, DeepSeek за первые семь месяцев этого года получил доход в размере 70,7 миллиона долларов. Если исключить бурный июль, то можно грубо оценить, что доход MiniMax за первую половину года примерно в два раза превышает показатели DeepSeek.

• Хотя чистый доход DeepSeek ниже, чем у MiniMax, за первые семь месяцев она достигла 10-кратного годового дохода за 2025 год, и темпы ее роста значительно превышают показатели MiniMax.

• Чистый убыток DeepSeek за первые семь месяцев составил 106 миллионов долларов, а чистый убыток MiniMax за этот период примерно в 3,4 раза превышает показатель DeepSeek.

Новые и старые консенсусы

MiniMax сообщила, что кратный рост потребления токенов стал важной причиной резкого увеличения доходов в этот период.

Только за июль этого года потребление токенов на всех платформах MiniMax достигло ровно 20-кратного объема по сравнению с январем. На данный момент количество глобальных корпоративных клиентов и разработчиков превысило 2 миллиона, что в 10 раз больше по сравнению с концом 2025 года.

Причина такого невероятного нелинейного скачка в потреблении токенов кроется в смене парадигмы использования моделей.

Генеральный директор Ян Цзюньцзе сообщил, что парадигма потребления моделей полностью перешла от «прямого диалога человека с ИИ» к «многоэтапному каскадному взаимодействию ИИ-агентов с ИИ».

Рост спроса на инференс, управляемый ИИ-агентами, значительно опережает рост числа пользователей-людей и количества сообщений. Это напрямую привело к многократному всплеску потребления токенов на одного пользователя.

В быстро меняющейся индустрии моделей это уже стало «старым консенсусом».

Однако более важным новым консенсусом является то, что постобучение становится новым потолком для масштабирования (Scaling).

Судя по недавним открытым данным о Zhipu GLM 5.3, DeepSeek V4 Flash (версия 0731) и Gemini 3.x Flash, все больше разработчиков моделей в небольших обновлениях сильно полагаются — или даже исключительно — на постобучение, что позволяет значительно повысить производительность моделей в конкретных основных задачах.

Ян Цзюньцзе также упомянул этот сдвиг нового отраслевого консенсуса во время презентации результатов: текущее масштабирование больших языковых моделей быстро расширяется от единственного предобучения к промежуточному обучению, постобучению и обучению с подкреплением.

На этапе постобучения генерация огромных объемов синтетических данных, rollout среды (инференс/генерация) в обучении с подкреплением и проверка методом проб и ошибок при выполнении задач по своей сути являются вычислениями для инференса. И чем ниже стоимость инференса на единицу вычислительной мощности и выше пропускная способность, тем больше траекторий и масштабов экспериментов может обработать модель на этапе постобучения. Именно поэтому ряд разработчиков моделей, включая MiniMax, выделяют все большую долю вычислительных мощностей на этапах промежуточного обучения и постобучения.

Ян Цзюньцзе отметил, что при одинаковом масштабе вычислительных мощностей коэффициент повышения эффективности вычислений для инференса в основном линейно коррелирует с коэффициентом увеличения масштабов постобучения. Эту фразу можно грубо интерпретировать так: чем больше усилий прикладывается к постобучению, тем больше повышается эффективность инференса и тем лучше конечный результат, демонстрируемый моделью.

**Иными словами, независимо от того, считают ли люди, что закон масштабирования (Scaling Law) уперся в стену, или что количество параметров модели достигло своего предела — пост