MiniMax publie son premier rapport semestriel après son introduction en bourse à Hong Kong : les revenus ont augmenté de 283,1 %, atteignant 1,5 fois le chiffre d'affaires annuel de 2025, et la marge brute a progressé de 464,8 %. L'ARR a dépassé 800 millions de dollars en août, avec une part des revenus B2B de 80 %, et la consommation de jetons en juillet a atteint vingt fois celle de janvier. Le fondateur Yan Junjie a défini une stratégie technologique axée sur « minimiser le coût d'inférence, maximiser l'intelligence », en utilisant son architecture MSA propriétaire pour réduire le coût de calcul par token pour des textes longs de plusieurs centaines de milliers de caractères à environ 1/20 du coût des mécanismes d'attention totale traditionnels, permettant ainsi d'allier intelligence et maîtrise des coûts dans un cadre de ressources informatiques limitées, offrant une nouvelle voie aux grands modèles chinois pour participer à la concurrence mondiale.

Auteur et source de l'article : Zhixidong

Le 26 août, MiniMax (Xiyu Technology), leader chinois des grands modèles d'IA, a publié son premier rapport semestriel depuis son introduction en bourse sur le marché des actions de Hong Kong.

Les résultats financiers montrent que les revenus de MiniMax ont augmenté de 283,1 % en glissement annuel, atteignant déjà 1,5 fois le revenu annuel de 2025 pour les six premiers mois ; la marge brute a augmenté de 464,8 % en glissement annuel.

Lors de la conférence sur les résultats financiers, Yan Junjie, fondateur, président du conseil, PDG et CTO de MiniMax, a révélé qu'en août, le ARR de MiniMax a dépassé 800 millions de dollars, la part des revenus B2B a atteint 80 %, et la consommation de jetons en juillet était vingt fois supérieure à celle de janvier.

Hors les données, ce qui a attiré mon attention, c’est une phrase prononcée par Yan Junjie lors de la réunion de résultats d’hier soir. Il a déclaré : « Seule la minimisation du coût intelligent par unité permet de maximiser le niveau d’intelligence. »

Il faut savoir que, ces deux dernières années, les grands modèles n'ont eu que deux options : soit augmenter les paramètres selon la loi d'échelle pour booster l'intelligence, au prix de coûts élevés ; soit réduire l'efficacité pour rendre la technologie plus accessible, mais sans atteindre un niveau d'intelligence optimal.

L'industrie semble considérer cela comme un choix entre deux biens incompatibles.

Pourquoi MiniMax choisit-elle un chemin contraire à l'intuition du secteur ? Ce chemin peut-il vraiment aboutir ?

Intelligence and cost, why is it hard to achieve both?

La loi d'échelle a guidé le récit de l'IA ces dernières années : plus les paramètres sont nombreux, plus l'intelligence est élevée.

En suivant la loi d'échelle, les paramètres des modèles actuels ont atteint un niveau de 2 à 3 T, et l'intelligence des modèles a progressé en conséquence, suscitant l'enthousiasme général quant à l'imminence de l'AGI.

Derrière cette prospérité, cette règle a semé une bombe : lorsque les modèles atteignent l'échelle des billions de paramètres, les coûts d'inférence deviennent impossibles à ignorer.

Le PDG de NVIDIA, Jensen Huang, a déclaré lors de la conférence GTC 2026 : « L'ère où les dépenses d'entraînement étaient le principal facteur de coût est révolue. L'inférence est désormais la charge de travail principale, et elle connaît une expansion rapide. »

L'augmentation des coûts d'inférence, combinée à la montée en puissance des charges de travail des agents, pousse l'IA à passer d'une interaction simple question-réponse à une exécution autonome en plusieurs étapes. Derrière une seule demande utilisateur, il peut y avoir dix ou même plusieurs dizaines d'appels au modèle, faisant grimper les factures de calcul de l'industrie à un rythme exponentiel.

En conséquence, l'industrie s'est progressivement divisée en deux camps :

D'un côté, des petits modèles rapides et peu coûteux, mais aux performances intelligentes moyennes.

Google est un exemple typique de cette voie. Entre juillet et août 2026, Google a lancé en une seule fois trois modèles légers : Gemini 3.7 Flash, Gemini 3.6 Flash, Gemini 3.5 Flash-Lite et Gemini 3.5 Flash Cyber.

3.5 Flash-Lite est le modèle le plus rapide et le moins coûteux de la série 3.5, conçu pour les charges de travail à haut débit et les tâches plus légères dans les systèmes d'agents IA à grande échelle. La consommation de tokens de sortie de Gemini 3.6 Flash a diminué de 17 % par rapport à la génération précédente.

Mais le prix est évident. Google n'a toujours pas lancé son modèle phare Gemini 3.5 Pro, prévu à l'origine pour la conférence I/O de mai et qui n'a toujours pas vu le jour.

De l'autre côté, des grands modèles intelligents mais coûteux à déployer, dont les coûts commencent à augmenter.

Les fabricants chinois de grands modèles avancent à toute vitesse sur ce chemin. En juillet 2026, Moonshot AI a lancé Kimi K3, avec une échelle de paramètres atteignant environ 2,8 billions, ce qui en fait le plus grand modèle open source au monde actuellement.

Ali a ensuite lancé Qwen3.8 Max avec environ 2,4 billions de paramètres ; Baidu Wenxin 5.0 atteint également 2,4 billions de paramètres ; DeepSeek V4-Pro compte 1,6 billions de paramètres.

L'augmentation de la taille des paramètres se traduit par une amélioration de l'intelligence visible à l'œil nu. Kimi K3 dépasse Claude Fable 5 et GPT-5.6 Sol sur plusieurs classements d'agents. Qwen3.8 Max est décrit comme « l'un des modèles open source les plus volumineux en termes de paramètres et les plus performants ».

Mais les coûts ont également augmenté.

Le prix de l'API de Kimi K3 passe de 6,5 yuans à 20 yuans par million de tokens pour les entrées non mises en cache, et de 27 yuans à 100 yuans pour les sorties, soit une augmentation respectivement de 208 % et 270 %. L'officiel recommande de déployer des super-nœuds avec 64 cartes d'accélération ou plus.

Deux jours seulement après son lancement, Moonshot a annoncé la suspension des abonnements pour les nouveaux utilisateurs grand public, afin de consacrer toute sa puissance de calcul à la prise en charge des utilisateurs existants.

Plus l'intelligence artificielle est avancée, plus les paramètres du modèle sont grands, plus l'appel est coûteux, plus les barrières au déploiement sont élevées, plus la puissance de calcul est rare… Cela semble devenir un cercle vicieux difficile à dénouer.

MiniMax, ne fait pas de compromis

Pour le dilemme du choix entre coût et intelligence, la décision de MiniMax est : je veux tout.

Yan Junjie a expliqué clairement toute la logique de MiniMax lors de la conférence sur les résultats financiers :

La puissance de calcul est limitée pour chaque entreprise. Nous visons à réaliser « l’intelligence pour tous » grâce à « Minimiser le coût d’inférence, maximiser l’intelligence ». C’est la voie technologique que nous suivons depuis toujours, et notre raison d’être en tant qu’entrepreneurs.

« Minimiser le coût d'inférence, maximiser l'intelligence » signifie « minimiser le coût d'inférence, maximiser l'intelligence ». MiniMax place la réduction des coûts et l'amélioration de l'intelligence dans le même cadre narratif.

Pourquoi ces deux choses peuvent-elles être mentionnées ensemble ? Parce que MiniMax a une compréhension différente de la « raison » :

Premièrement, le raisonnement est le moyen de production de la prochaine génération d'intelligence.

Autrefois, on considérait que l'inférence consistait à « utiliser un modèle » et l'entraînement à « créer un modèle ». Mais aujourd'hui, des éléments centraux tels que les données synthétiques, les Rollouts d'apprentissage par renforcement, l'évaluation et la validation des modèles, ainsi que les interactions entre agents et environnements, reposent tous sur des charges d'inférence.

La phase d'entraînement postérieur représente une part de plus en plus importante de la puissance de calcul totale. L'inférence n'est plus une charge de travail qui n'apparaît qu'après la fin de l'entraînement, mais une consommation continue tout au long du processus d'entraînement.

Ainsi, l'efficacité de l'inférence ne détermine pas seulement l'espace de tarification de l'API, mais aussi le niveau auquel le prochain modèle peut être entraîné.

Deuxièmement, l'optimisation du coût d'inférence est une condition nécessaire à l'itération intelligente.

La puissance de calcul a une limite physique, tandis que la taille des modèles continue d'augmenter. Si les coûts d'inférence ne diminuent pas, plus on avance, plus ces coûts risquent de étouffer l'amélioration de l'intelligence.

Dans un budget de puissance de calcul limité, la capacité à convertir chaque dollar en un rendement intelligent efficace détermine jusqu’où l’itération du modèle peut aller.

Troisièmement, poursuivre le niveau d'intelligence le plus élevé avec le coût d'intelligence le plus bas possible — ces deux choses sont deux aspects d'un même objectif.

Le secteur a traditionnellement considéré « intelligence prioritaire » et « coût prioritaire » comme deux voies distinctes. Mais tant que les coûts d'inférence ne baissent pas, aucune intelligence, aussi élevée soit-elle, ne peut être mise en œuvre.

En termes simples, l'approche de MiniMax consiste à traiter l'optimisation des coûts et l'amélioration de l'intelligence comme une seule et même chose. Depuis le premier jour de la conception du modèle, l'efficacité d'inférence est considérée comme un indicateur central, intégrée à tout le cycle de développement.

Selon Yan Junjie : « MiniMax ne cherche pas à faire un compromis entre intelligence et coût. L'objectif est d'atteindre un niveau supérieur d'intelligence, et l'optimisation continue du coût et de l'efficacité de l'inférence est le moyen d'obtenir un meilleur rapport qualité-prix. »

MiniMax a toujours suivi cette intention initiale pour établir une base technologique.

Le plus essentiel est son architecture MSA (Sparse Attention) développée en interne. En termes simples, elle réduit le coût de calcul par token pour des textes de plusieurs millions de mots à environ 1/20 de celui des mécanismes d'attention complète traditionnels, ce qui signifie que le M3 ne nécessite que 1/20 de la quantité de calcul par token par rapport à la génération précédente avec un contexte de 1M.

La clé de cette rupture réside dans le fait que le nombre total de paramètres détermine la capacité maximale de connaissance du modèle, tandis que le nombre de paramètres activés détermine le coût d'inférence par token. Ces deux éléments peuvent être désaccouplés : une augmentation de la taille des paramètres n'entraîne pas nécessairement une augmentation proportionnelle du coût d'inférence.

Ainsi, M3 peut améliorer le niveau d'intelligence sans modifier le prix, tandis que M3 Pro peut atteindre une échelle de paramètres d'environ 3T tout en avançant dans l'apprentissage par renforcement et la formation à long terme.

Au niveau de l’infrastructure, MiniMax atteint un ETTR (proportion de temps d’entraînement effectif) de 97 %, ce qui en fait l’une des premières entreprises indépendantes en Chine à avoir établi un système de puissance de calcul à grande échelle et stable à long terme.

Un réseau d'approvisionnement en puissance de calcul a été mis en place grâce à une combinaison de clusters autonomes, de fournisseurs de cloud et de TokenFactory. La puissance de calcul actuelle et prévue suffit à soutenir l'itération continue de modèles textuels et vidéo de 3 T.

Conclusion : Sans avantage en puissance de calcul, sur quoi les modèles nationaux s'appuient-ils pour rattraper leur retard ?

Chaque fois que l'on évoque l'écart entre les grands modèles chinois et américains, le matériel est inévitablement un sujet de discussion.

Par le passé, on supposait implicitement que celui qui possédait des processus de fabrication de puces plus avancés et une puissance de calcul plus élevée pouvait créer de meilleurs modèles. Selon cette logique, l'IA chinoise semblait devoir conserver un écart de quelques mois à six mois par rapport à l'IA américaine.

Est-ce que c'est vraiment la seule possibilité ?

MiniMax ouvre une nouvelle voie : Minimiser le coût d'inférence, maximiser l'intelligence.

Réduire le coût unitaire de l'intelligence revient également à élever la limite supérieure de l'intelligence. Car les entraînements postérieurs, les données synthétiques et l'apprentissage par renforcement d'aujourd'hui reposent tous sur des charges d'inférence. Plus l'efficacité d'inférence est élevée, plus il est possible d'effectuer d'expériences avec la même puissance de calcul, et plus la limite supérieure de l'intelligence est élevée.

Celui qui peut produire une intelligence supérieure à moindre coût pourra pousser plus loin les limites dans un cadre de puissance de calcul limitée, permettant ainsi à une intelligence plus élevée d'entrer dans la vie de plus en plus de personnes.

Cela pourrait être le chemin le plus prometteur pour les grands modèles nationaux lorsqu'ils participent à la concurrence mondiale. MiniMax a déjà commencé à le vérifier.