मिनीमैक्स ने हांगकांग स्टॉक एक्सचेंज पर सूचीबद्ध होने के बाद पहली अर्धवार्षिक रिपोर्ट जारी की, जिसमें आय 283.1% बढ़कर 2025 की पूर्ण वर्ष की आय का 1.5 गुना हो गई और शुद्ध लाभ 464.8% बढ़ा। अगस्त में ARR 8 बिलियन डॉलर से अधिक हो गया, B2B आय का हिस्सा 80% था, और जुलाई में टोकन की खपत जनवरी की तुलना में 20 गुना हो गई। संस्थापक यान जूनजिए ने "न्यूनतम निष्कर्षण लागत, अधिकतम बुद्धिमत्ता" की तकनीकी रणनीति प्रस्तुत की, जिसमें अपने MSA आर्किटेक्चर के माध्यम से लाखों शब्दों की लंबी पाठ्य सामग्री की प्रति टोकन गणना लागत को पारंपरिक पूर्ण ध्यान प्रक्रिया की तुलना में लगभग 1/20 तक कम कर दिया गया, जिससे सीमित कैलकुलेशन क्षमता के साथ बुद्धिमत्ता और लागत का संतुलन संभव हुआ, जिससे भारतीय बड़े मॉडल को वैश्विक प्रतिस्पर्धा में शामिल होने के लिए एक नया मार्ग प्रदान हुआ।लेखक, स्रोत: ज़होंग ज़िक्सियां
26 अगस्त को, चीन के AI बड़े मॉडल के नेता MiniMax (Xiyu Technology) ने अपनी हांगकांग स्टॉक एक्सचेंज पर सूचीबद्ध होने के बाद पहली अर्धवार्षिक रिपोर्ट जारी की।
वित्तीय विवरण में दर्शाया गया कि मिनीमैक्स की आय में पिछले वर्ष की तुलना में 283.1% की वृद्धि हुई है, और उसकी छह महीने की आय 2025 की पूर्ण वार्षिक आय का 1.5 गुना हो चुकी है; सकल लाभ में 464.8% की वृद्धि हुई है।
फाइनेंशियल रिपोर्ट कॉन्फ्रेंस कॉल में, मिनीमैक्स के संस्थापक, बोर्ड ऑफ डायरेक्टर्स के अध्यक्ष, सीईओ और सीटीओ यान जूनजिए ने बताया कि अगस्त में, मिनीमैक्स की ARR 8 अरब डॉलर से आगे निकल गई, B2B आय का हिस्सा 80% तक पहुंच गया, और जुलाई में टोकन की खपत जनवरी की तुलना में 20 गुना थी।
डेटा के अलावा, जिस बात ने मेरा ध्यान आकर्षित किया, वह है यान जूनजिए द्वारा कल रात के प्रदर्शन सम्मेलन में कही गई एक बात। उन्होंने कहा: "केवल न्यूनतम इकाई बुद्धिमत्ता लागत को कम करके ही बुद्धिमत्ता स्तर को अधिकतम बनाया जा सकता है।"
जानिए, पिछले दो वर्षों में, बड़े मॉडल के लिए दो ही रास्ते थे: या तो Scaling law के अनुसार पैरामीटर बढ़ाकर बुद्धिमत्ता पर जोर दिया जाए, जिसकी कीमत उच्च लागत है; या फिर कुशलता कम करके सामान्य उपयोगकर्ताओं के लिए उपलब्ध कराया जाए, लेकिन बुद्धिमत्ता का स्तर हमेशा कुछ कम ही रहता है।
इस उद्योग में ऐसा माना जाता है कि यह मछली और भालू का शिकार है, जिसे एक साथ प्राप्त नहीं किया जा सकता।
MiniMax क्यों एक ऐसा रास्ता चुनता है जो उद्योग के विपरीत है? क्या यह रास्ता सचमुच चल सकता है?
स्मार्टनेस और लागत, क्यों दोनों एक साथ मुश्किल हैं?
स्केलिंग लॉ ने पिछले कुछ वर्षों में AI के लिए कहानी को आकार दिया: जितने अधिक पैरामीटर, उतनी अधिक बुद्धिमत्ता।
स्केलिंग नियम के अनुसार, वर्तमान में मॉडल के पैरामीटर 2-3 टी के स्तर तक पहुंच चुके हैं, और मॉडल की बुद्धिमत्ता भी बढ़ गई है, जिससे सभी का मानना है कि AGI आने वाला है।
प्रगति के पीछे, यह नियम एक बम भी छिपाता है: जब मॉडल ट्रिलियन पैरामीटर स्तर पर पहुँच जाता है, तो निष्कर्षण लागत अनदेखी नहीं की जा सकती।
2026 के GTC कॉन्फ्रेंस में न्वीडिया के सीईओ हुआंग रेन्शुन ने कहा: "ट्रेनिंग खर्च को मुख्य लागत ड्राइवर मानने का युग समाप्त हो चुका है। अब इन्फरेंस ही कार्यभार है, और यह तेजी से विस्तार पा रहा है।"
रीजनिंग कॉस्ट के बढ़ने और एजेंट वर्कलोड के उभार के साथ, AI एक-बार के प्रश्न-उत्तर से बहु-चरणीय स्वायत्त निष्पादन की ओर बढ़ रहा है। एक एकल उपयोगकर्ता अनुरोध के पीछे दसों या फिर कई दर्जन मॉडल कॉल हो सकते हैं, जिससे पूरे उद्योग का कैलकुलेशन बिल घातीय गति से बढ़ रहा है।
परिणामस्वरूप, उद्योग धीरे-धीरे दो वर्गों में बंट गया:
एक ओर तेज़ गति और कम लागत वाले, लेकिन स्मार्टनेस में मामूली प्रदर्शन वाले छोटे मॉडल।
गूगल इस राह का एक उत्कृष्ट उदाहरण है। जुलाई से अगस्त 2026 तक, गूगल ने एक साथ Gemini 3.7 Flash, Gemini 3.6 Flash, Gemini 3.5 Flash-Lite और Gemini 3.5 Flash Cyber चार हल्के मॉडल लॉन्च किए।
3.5 Flash-Lite 是 3.5 सीरीज़ में सबसे तेज़ और सबसे कम लागत वाला मॉडल है, जिसे उच्च थ्रूपुट लोड और बड़े AI एजेंट सिस्टम में छोटे कार्यों के लिए डिज़ाइन किया गया है। Gemini 3.6 Flash के आउटपुट टोकन का उपयोग पिछली पीढ़ी की तुलना में 17% कम है।
लेकिन इसकी कीमत भी स्पष्ट है। गूगल अभी तक अपना फ्लैगशिप मॉडल Gemini 3.5 Pro लॉन्च नहीं कर पाया है, जिसे मई के I/O कॉन्फ्रेंस पर लॉन्च करने की योजना थी, लेकिन अभी तक इसका कोई अस्तित्व नहीं हुआ है।
दूसरी ओर, बुद्धिमानी वाले, लेकिन लागत बढ़ती और लागत शुरू हो रही बड़े मॉडल हैं।
भारतीय बड़े मॉडल निर्माता इस राह पर तेजी से आगे बढ़ रहे हैं। जुलाई 2026 में, Moonshot ने Kimi K3 लॉन्च किया, जिसका पैरामीटर स्केल लगभग 2.8 ट्रिलियन है, जो वर्तमान में दुनिया का सबसे बड़ा ओपन-सोर्स मॉडल है।
अलीबाबा ने तुरंत Qwen3.8 Max लॉन्च किया, जिसका पैरामीटर काउंट लगभग 2.4 ट्रिलियन है; बाइडु वेनशिन 5.0 भी 2.4 ट्रिलियन पैरामीटर तक पहुँच गया; डीपसीक V4-Pro का पैरामीटर काउंट 1.6 ट्रिलियन है।
पैरामीटर साइज के कारण बुद्धिमत्ता में सुधार स्पष्ट रूप से दिखाई देता है। Kimi K3 कई Agent रैंकिंग में Claude Fable 5 और GPT-5.6 Sol को पार कर गया है। Qwen3.8 Max को "सबसे बड़े पैरामीटर साइज और सबसे शक्तिशाली ओपन सोर्स मॉडल में से एक" के रूप में वर्णित किया गया है।
लेकिन लागत भी बढ़ गई।
Kimi K3 के API मूल्यांकन में, अनकैश्ड इनपुट 6.5 युआन प्रति मिलियन टोकन से बढ़कर 20 युआन हो गया है, और आउटपुट 27 युआन से बढ़कर 100 युआन हो गया है, जो क्रमशः 208% और 270% की वृद्धि है। आधिकारिक सुझाव है कि 64 या अधिक एक्सेलरेशन कार्डों का उपयोग करके सुपर नोड डिप्लॉय किया जाए।
दो दिनों के प्रकाशन के बाद, मून ऑफ डार्कनेस ने सी-एंड नए उपयोगकर्ताओं के लिए सदस्यता रोकने की घोषणा की और सभी कैलकुलेशन क्षमता को मौजूदा उपयोगकर्ताओं की सुरक्षा के लिए समर्पित कर दिया।
जितना अधिक बुद्धिमान होता है, उतना ही अधिक मॉडल पैरामीटर होते हैं, उतना ही अधिक महंगा होता है उपयोग करना, उतना ही अधिक कठिन होता है इसे लागू करना, और उतना ही अधिक संकट होता है कैलकुलेशन क्षमता का... ऐसा लगता है जैसे यह एक अविभाज्य गुंथ है।
MiniMax, कोई समझौता नहीं
लागत और बुद्धिमत्ता के बीच के दुविधा के लिए, MiniMax का चयन है: मैं सब कुछ चाहता हूँ।
यान जुनजिए ने रिपोर्ट बैठक में मिनीमैक्स की पूरी तर्कशृंखला स्पष्ट कर दी:
प्रत्येक कंपनी के लिए कैलकुलेशन पावर सीमित होती है। हम “इंटेलिजेंस विद एवरीवन” को प्राप्त करने के लिए “इन्फरेंस कॉस्ट को कम करें, इंटेलिजेंस को अधिकतम करें” के माध्यम से काम करना चाहते हैं। यह हमारी लगातार अपनाई जा रही तकनीकी राह है और स्टार्टअप की मूल भावना है।
“इन्फरेंस लागत को कम करें, बुद्धिमत्ता को अधिकतम करें” का अर्थ है “इन्फरेंस लागत को न्यूनतम करें, बुद्धिमत्ता को अधिकतम करें”। MiniMax लागत कम करने और बुद्धिमत्ता बढ़ाने को एक ही कथा संरचना में रखता है।
क्योंकि MiniMax के लिए “रीजनिंग” की समझ अलग है:
पहला, निष्कर्ष निकालना अगली पीढ़ी की बुद्धिमत्ता का उत्पादन साधन है।
पहले माना जाता था कि निष्कर्ष निकालना “मॉडल का उपयोग करना” है और प्रशिक्षण “मॉडल बनाना” है। लेकिन अब, सिंथेटिक डेटा, रिइनफोर्समेंट लर्निंग के रोलआउट, मॉडल मूल्यांकन और पुष्टि, एजेंट और पर्यावरण के बीच अंतर्क्रिया जैसे मुख्य चरण, मूल रूप से सभी निष्कर्ष निकालने के लोड को चलाते हैं।
पोस्ट-ट्रेनिंग एक्टिविटी का ओवरऑल ट्रेनिंग कंप्यूटिंग पावर में हिस्सा बढ़ता जा रहा है। इन्फरेंस अब केवल ट्रेनिंग के बाद आने वाला कार्य नहीं है, बल्कि ट्रेनिंग के पूरे प्रक्रिया में खपत हो रही है।
इसलिए, निष्कर्ष दक्षता केवल API की कीमत निर्धारण की जगह नहीं, बल्कि अगली पीढ़ी के मॉडल को कितना तक प्रशिक्षित किया जा सकता है, यह भी निर्धारित करती है।
दूसरा, निष्कर्ष लेने की लागत में अनुकूलन बुद्धिमानी के लगातार सुधार की आवश्यकता है।
कैलकुलेशन क्षमता की भौतिक सीमा होती है, लेकिन मॉडल का आकार लगातार बढ़ रहा है। यदि निष्कर्षण लागत कम नहीं होती, तो आगे चलकर लागत बुद्धिमत्ता में वृद्धि के गले को दबा देगी।
सीमित कैलकुलेशन बजट में, हर रुपये को प्रभावी बुद्धिमान आउटपुट में बदलने की क्षमता निर्धारित करती है कि मॉडल इटरेशन कितना आगे जा सकता है।
तीसरा, न्यूनतम इकाई बुद्धिमान लागत के साथ उच्चतम बुद्धिमान स्तर की ओर बढ़ें—ये दोनों एक ही लक्ष्य के दो पहलू हैं।
पिछले वर्षों में, उद्योग ने "स्मार्ट-फर्स्ट" और "कॉस्ट-फर्स्ट" को दो अलग-अलग रास्तों के रूप में माना है। लेकिन अगर निष्कर्षण लागत कम नहीं होती, तो कितनी भी अधिक बुद्धिमत्ता हो, वह वास्तविकता में उतर नहीं पाती।
सरल शब्दों में, मिनीमैक्स का दृष्टिकोण लागत अनुकूलन और बुद्धिमत्ता के अपग्रेड को एक ही चीज मानना है। पूरे अनुसंधान और विकास चक्र के दौरान मॉडल डिज़ाइन के पहले दिन से ही निष्कर्षण की दक्षता को मुख्य सूचक के रूप में शामिल किया जाता है।
यान जूनजिए के शब्दों में: "मिनीमैक्स बुद्धिमत्ता और लागत के बीच समझौता करने का पीछा नहीं करता। अधिक उच्च स्तर की बुद्धिमत्ता प्राप्त करना लक्ष्य है, और निष्कर्षण लागत और कुशलता को लगातार अनुकूलित करके अधिक लागत-कुशलता प्राप्त करना साधन है।"
लागत को 1/20 तक कम करके MiniMax ने “लागत कम करें, बुद्धिमत्ता बढ़ाएं” को एक तकनीकी बंद चक्र बना दिया है
MiniMax ने हमेशा इसी मूल भावना के साथ एक तकनीकी आधार बनाया है।
सबसे महत्वपूर्ण बात इसकी स्वयं विकसित MSA (विरल ध्यान) आर्किटेक्चर है। सरल शब्दों में, यह लाखों शब्दों की लंबी पाठ्य सामग्री की प्रति टोकन गणना लागत को पारंपरिक पूर्ण ध्यान तंत्र की लगभग 1/20 तक कम कर देता है, अर्थात M3 1M संदर्भ में प्रति टोकन गणना मात्रा पिछली पीढ़ी की 1/20 है।
इस ब्रेकथ्रू की कुंजी यह है: कुल पैरामीटर्स मॉडल की ज्ञान क्षमता की सीमा निर्धारित करते हैं, लेकिन सक्रिय पैरामीटर्स एक टोकन के अनुमान लगाने की लागत निर्धारित करते हैं। इन दोनों को अलग किया जा सकता है: पैरामीटर स्केल का विस्तार आवश्यक रूप से अनुमान लगाने की लागत को समानुपातिक रूप से बढ़ाएगा नहीं।
इसलिए M3 बिना कीमत बदले स्मार्टनेस को बढ़ा सकता है, जबकि M3 Pro लगभग 3T पैरामीटर स्केल पर रिइनफोर्समेंट लर्निंग और लॉन्ग-रेंज टास्क ट्रेनिंग को आगे बढ़ा सकता है।
इंफ्रास्ट्रक्चर स्तर पर, MiniMax का ETTR (प्रभावी प्रशिक्षण समय अनुपात) 97% हो सकता है, और यह देश की पहली स्वतंत्र बड़ी मॉडल कंपनियों में से एक है जिसने पैमाने पर और दीर्घकालिक स्थिर कैलकुलेशन इंफ्रास्ट्रक्चर बनाया है।
स्वायत्त क्लस्टर, क्लाउड प्रोवाइडर और TokenFactory के सहयोग से कैलकुलेशन प्रदान नेटवर्क बनाया गया है, जिससे वर्तमान और योजनाबद्ध कैलकुलेशन 3T स्तरीय टेक्स्ट मॉडल और वीडियो मॉडल के निरंतर अपडेट को समर्थन दे सकता है।
अंतिम विचार: गणना क्षमता का लाभ न होने पर, घरेलू मॉडल क्या उपयोग करके पीछे नहीं रहते?
जब भी चीन और संयुक्त राज्य अमेरिका के बड़े मॉडल्स के बीच के अंतर की बात होती है, तो हार्डवेयर हमेशा एक महत्वपूर्ण विषय रहता है।
पहले लोग मानते थे कि जिसके पास अधिक उन्नत चिप निर्माण प्रक्रिया और अधिक कैलकुलेशन क्षमता होगी, वह बेहतर मॉडल बना सकता है। इस तर्क के अनुसार, चीनी AI लगभग कुछ महीनों से आधे साल तक अमेरिकी AI से पीछे रहेगा।
क्या इतना ही संभव है?
MiniMax ने एक नया रास्ता दिया: Inference Cost को कम करें, Intelligence को अधिकतम करें।
एक ही गणना क्षमता के साथ अधिक प्रयोग करने की क्षमता बढ़ाने के साथ-साथ बुद्धिमत्ता की सीमा को भी बढ़ाया जा रहा है, क्योंकि आज के पोस्ट-ट्रेनिंग, सिंथेटिक डेटा और रिइनफोर्समेंट लर्निंग का मूल रूप से इन्फरेंस लोड ही है।
जो व्यक्ति कम लागत से अधिक बुद्धिमत्ता पैदा कर सकता है, वह सीमित कंप्यूटिंग पावर में अधिक दूरी तय कर सकता है और इस प्रकार उच्चतर बुद्धिमत्ता को अधिक व्यापक जीवन में प्रवेश करा सकता है।
यह शायद भारतीय बड़े मॉडल को वैश्विक प्रतिस्पर्धा में शामिल होने का सबसे अच्छा मार्ग है। और MiniMax ने पहले ही इसे सत्यापित कर लिया है।