“智能vs成本”这道送命题，被MiniMax破解了？

智东西 作者 | 王涵 编辑 | 漠影 智东西8月28日报道，8月26日，中国AI大模型龙头企业MiniMax（稀宇科技）发布了其自港股上市以来首份半年报。 财报显示，MiniMax的收入 同比增长283.1% ，其半年收入已达到2025年全年收入的 1.5倍 ；毛利 同比增长 464.8% 。 财报会上，MiniMax创始人、董事会主席、CEO、CTO闫俊杰透露，8月，MiniMax的ARR破了 8亿美元 ，B端收入占比冲到了 80% ，7月的Token消耗量是1月的 20倍 。 除去数据，吸引我注意的，还有闫俊杰在昨晚的业绩会上说的一句话。他说： “只有最小化单位智能成本，才有可能最大化智能水平。” 要知道，过去两年，大模型基本就两条路：要么按照Scaling law堆参数冲智能，代价是成本高；要么是降低效率做普惠，但智能水平总差点意思。 行业似乎默认这是鱼和熊掌，不可兼得。 MiniMax为什么会选择一条与行业“反直觉”的路？这条路究竟能不能走通呢？ 一、智能与成本，为何难以两全？ Scaling Law 驱动了AI过去几年的叙事： 参数越大，智能越高 。 遵循着Scaling Law，目前模型的参数已经堆到了2-3T的级别，模型的智能也水涨船高，人人惊呼AGI即将到来。 在繁荣背后，这个规则也埋下了一颗雷： 当模型进入万亿参数量级，推理成本开始变得不容忽视 。 英伟达CEO黄仁勋在2026年GTC大会上做出判断： “训练支出作为主要成本驱动因素的时代已经结束了。推理才是现在的工作负载，而且它正在快速扩张。” 推理成本的膨胀，加上Agent工作负载的崛起，AI正在从一问一