“智能vs成本”这道送命题，被MiniMax破解了？

8月26日，中国AI大模型企业MiniMax发布上市后首份半年报。财报显示，其收入同比增长283.1%，毛利同比增长464.8%。创始人闫俊杰透露，8月MiniMax的ARR突破8亿美元，B端收入占比达80%。

智能与成本，为何难以两全？

过去两年，大模型发展面临“智能与成本”的取舍难题：
- 小模型路线：以谷歌为代表，推出多款轻量化模型，速度快、成本低，但智能表现中规中矩，且迟迟未推出旗舰模型。
- 大模型路线：国产厂商如月之暗面、阿里、百度等推出万亿参数级模型，智能提升显著，但推理成本水涨船高，部署门槛极高。

MiniMax的破局思路：我全都要

面对行业困境，MiniMax提出“Minimize the Inference Cost, Maximize the Intelligence”（最小化推理成本，最大化智能）的理念。其核心逻辑在于：
1. 推理是制造下一代智能的生产资料：后训练、合成数据、强化学习等环节本质上都是推理负载，推理效率决定下一代模型的训练程度。
2. 推理成本优化是智能迭代的必要条件：在有限算力下，降低推理成本才能避免成本掐住智能提升的脖子。
3. 成本优化与智能升级是同一目标的两面：从模型设计之初就将推理效率作为核心指标。

技术闭环：计算成本降至1/20

MiniMax通过自研的MSA（稀疏注意力）架构，将百万字长文本的单位Token计算成本压至传统全注意力机制的约1/20。这一架构实现了总参数量与激活参数量的解耦，使得参数规模扩张不必然带来推理成本同比例上涨。
此外，MiniMax的有效训练时间比例（ETTR）达到97%，通过自主集群与云厂商合作，现有算力已能支撑3T级文本和视频模型的持续迭代。

结语

在硬件算力不占优的背景下，MiniMax通过降低单位智能成本来推高智能上限，为国产大模型参与全球竞争提供了一条极具希望的新路径。