MiniMax merilis laporan semi-tahunan pertama setelah go public di pasar saham Hong Kong, pendapatan tumbuh 283,1% menjadi 1,5 kali lipat dari pendapatan tahunan 2025, laba kotor naik 464,8%. ARR pada Agustus tembus US$800 juta, pendapatan B2B menyumbang 80%, dan konsumsi Token pada Juli mencapai 20 kali lipat dibanding Januari. Pendiri Yan Junjie mengusung jalur teknologi "meminimalkan biaya inferensi, memaksimalkan kecerdasan", dengan arsitektur MSA buatan sendiri yang menurunkan biaya per token untuk teks panjang jutaan kata menjadi sekitar 1/20 dari mekanisme perhatian penuh tradisional, mencapai keseimbangan antara kecerdasan dan biaya dalam keterbatasan daya komputasi, memberikan jalur baru bagi model bahasa besar buatan domestik untuk bersaing secara global.

Penulis artikel, sumber: Zhixidong

Pada 26 Agustus, perusahaan pemimpin model AI Tiongkok, MiniMax (Xiyu Technology), merilis laporan setengah tahun pertamanya sejak go public di pasar saham Hong Kong.

Laporan keuangan menunjukkan bahwa pendapatan MiniMax tumbuh 283,1% secara tahunan, dengan pendapatan setengah tahun telah mencapai 1,5 kali lipat dari pendapatan tahunan 2025; laba kotor tumbuh 464,8% secara tahunan.

Dalam rapat laporan keuangan, Yan Junjie, pendiri, ketua dewan, CEO, dan CTO MiniMax mengungkapkan bahwa pada Agustus, ARR MiniMax melewati 8 miliar dolar AS, kontribusi pendapatan B2B mencapai 80%, dan konsumsi Token pada Juli adalah 20 kali lipat dari Januari.

Selain data, yang menarik perhatian saya adalah pernyataan Yan Junjie dalam rapat kinerja kemarin malam. Ia berkata: "Hanya dengan meminimalkan biaya cerdas per unit, kita dapat memaksimalkan tingkat kecerdasan."

Perlu diketahui, dalam dua tahun terakhir, model besar pada dasarnya mengikuti dua jalur: either mengandalkan hukum scaling untuk menambah parameter demi meningkatkan kecerdasan, dengan biaya yang tinggi; atau mengurangi efisiensi untuk membuatnya lebih terjangkau, tetapi tingkat kecerdasannya selalu kurang memuaskan.

Industri tampaknya menganggap ini seperti ikan dan beruang, tidak bisa didapat sekaligus.

Mengapa MiniMax memilih jalan yang "berlawanan dengan intuisi industri"? Apakah jalan ini benar-benar bisa ditempuh?

Kecerdasan dan biaya, mengapa sulit untuk sekaligus?

Hukum Penskalaan mendorong narasi AI selama beberapa tahun terakhir: semakin besar parameter, semakin tinggi kecerdasannya.

Mengikuti Hukum Scaling, parameter model saat ini telah mencapai level 2-3T, dan kecerdasan model pun meningkat seiring itu, membuat semua orang berseru bahwa AGI segera tiba.

Di balik kemakmuran, aturan ini juga menanamkan sebuah bom waktu: ketika model memasuki skala triliunan parameter, biaya inferensi mulai menjadi tidak bisa diabaikan.

CEO NVIDIA, Jensen Huang, menyatakan di konferensi GTC 2026: "Era di mana pengeluaran pelatihan sebagai faktor pendorong biaya utama telah berakhir. Inferensi adalah beban kerja saat ini, dan sedang berkembang pesat."

Peningkatan biaya inferensi, ditambah dengan meningkatnya beban kerja Agent, AI sedang berpindah dari satu pertanyaan satu jawaban menuju eksekusi otonom multi-langkah. Di balik satu permintaan pengguna, mungkin terjadi puluhan bahkan ratusan panggilan model, menyebabkan tagihan komputasi industri ini meningkat secara eksponensial.

Hasilnya, industri secara bertahap terbagi menjadi dua kelompok:

Di satu sisi, model kecil dengan kecepatan tinggi dan biaya rendah, tetapi kinerja cerdasnya biasa-biasa saja.

Google adalah contoh klasik jalan ini. Pada Juli hingga Agustus 2026, Google secara berturut-turut meluncurkan tiga model ringan: Gemini 3.7 Flash, Gemini 3.6 Flash, Gemini 3.5 Flash-Lite, dan Gemini 3.5 Flash Cyber.

3.5 Flash-Lite adalah model tercepat dan termurah dalam seri 3.5, dirancang khusus untuk beban kerja throughput tinggi dan tugas-tugas kecil dalam sistem agen AI besar. Penggunaan token output Gemini 3.6 Flash berkurang 17% dibandingkan generasi sebelumnya.

Namun harganya juga jelas. Google hingga kini belum meluncurkan model unggulan Gemini 3.5 Pro, produk yang awalnya dijadwalkan dirilis di konferensi I/O bulan Mei tetapi belum pernah muncul.

Di sisi lain adalah model besar yang cerdas, tetapi biaya penerapannya tinggi dan biaya mulai meningkat.

Produsen model besar domestik sedang berlari kencang di jalan ini. Pada Juli 2026, Moonshot AI meluncurkan Kimi K3 dengan skala parameter mencapai sekitar 2,8 triliun, menjadikannya model open-source terbesar di dunia saat ini.

Ali kemudian meluncurkan Qwen3.8 Max dengan jumlah parameter sekitar 2,4 triliun; Baidu Wenxin 5.0 juga mencapai 2,4 triliun parameter; DeepSeek V4-Pro memiliki jumlah parameter 1,6 triliun.

Peningkatan kecerdasan yang diakibatkan oleh skala parameter terlihat jelas. Kimi K3 mengungguli Claude Fable 5 dan GPT-5.6 Sol di berbagai daftar Agent. Qwen3.8 Max digambarkan sebagai "salah satu model open-source dengan skala parameter terbesar dan performa terkuat".

Tetapi biayanya juga ikut naik.

Harga API Kimi K3, input non-cache naik dari Rp6,5 per juta Token menjadi Rp20, dan output naik dari Rp27 menjadi Rp100, masing-masing meningkat 208% dan 270%. Rekomendasi resmi adalah menggunakan setidaknya 64 kartu akselerasi untuk deploy super node.

Hanya dua hari setelah peluncuran, Moonshot mengumumkan penangguhan langganan pengguna baru C-end, dan mengalihkan seluruh daya komputasi untuk memastikan layanan bagi pengguna yang sudah ada.

Semakin canggih kecerdasan, semakin besar parameter model, semakin mahal pemanggilannya, semakin tinggi ambang deploy, semakin langka daya komputasi…… Ini tampaknya menjadi simpul yang sulit dipecahkan.

MiniMax, tidak melakukan kompromi

Untuk dilema antara biaya dan kecerdasan, pilihan MiniMax adalah: saya ingin keduanya.

Yan Junjie menjelaskan secara jelas seluruh logika MiniMax dalam rapat laporan keuangan:

Kapasitas komputasi terbatas bagi setiap perusahaan. Kami berharap dapat mencapai “Intelligence with Everyone” melalui “Minimize the Inference Cost, Maximize the Intelligence”. Ini adalah jalur teknologi yang terus kami pegang, sekaligus semangat awal kami dalam memulai usaha.

“Minimize the Inference Cost, Maximize the Intelligence” berarti “Meminimalkan biaya inferensi, memaksimalkan kecerdasan”. MiniMax menempatkan pengurangan biaya dan peningkatan kecerdasan dalam kerangka narasi yang sama.

Mengapa dua hal ini bisa dibahas bersama? Karena MiniMax memiliki pemahaman yang berbeda tentang "penalaran":

Pertama, penalaran adalah alat produksi untuk menciptakan kecerdasan generasi berikutnya.

Dulu, inferensi dianggap sebagai “menggunakan model”, sedangkan pelatihan adalah “membuat model”. Namun sekarang, siklus inti seperti data sintetis, Rollout pembelajaran penguatan, evaluasi dan validasi model, serta interaksi agen dengan lingkungan, pada dasarnya semuanya menjalankan beban inferensi.

Persentase tahap pasca-pelatihan dalam total daya komputasi pelatihan terus meningkat. Inferensi bukan lagi beban kerja yang muncul setelah pelatihan selesai, tetapi merupakan konsumsi yang berlangsung sepanjang proses pelatihan.

Jadi, efisiensi inferensi tidak hanya menentukan ruang penetapan harga API, tetapi juga menentukan sejauh mana model generasi berikutnya dapat dilatih.

Kedua, optimasi biaya inferensi adalah syarat mutlak untuk iterasi cerdas.

Daya komputasi memiliki batas fisik, sementara ukuran model terus membesar. Jika biaya inferensi tidak dapat diturunkan, semakin ke depan biaya akan semakin menghambat peningkatan kecerdasan.

Dalam anggaran daya komputasi yang terbatas, kemampuan mengubah setiap rupiah menjadi output cerdas yang efektif menentukan sejauh mana iterasi model dapat berjalan.

Ketiga, mengejar tingkat kecerdasan tertinggi dengan biaya unit terendah—kedua hal ini adalah dua sisi dari tujuan yang sama.

Industri sebelumnya cenderung memandang "kecerdasan unggul" dan "biaya unggul" sebagai dua jalur yang berbeda. Namun, jika biaya inferensi tidak bisa diturunkan, kecerdasan seberapa tinggi pun tidak akan bisa diwujudkan.

Secara sederhana, pendekatan MiniMax adalah menganggap optimasi biaya dan peningkatan kecerdasan sebagai satu hal yang sama. Sejak hari pertama desain model, efisiensi inferensi dijadikan indikator inti yang menyeluruh sepanjang siklus pengembangan.

Menurut Yan Junjie: "MiniMax tidak mengejar kompromi antara kecerdasan dan biaya. Mencapai tingkat kecerdasan yang lebih tinggi adalah tujuannya, sementara terus-menerus mengoptimalkan biaya dan efisiensi inferensi untuk mencapai nilai yang lebih baik adalah sarannya."

MiniMax selalu memegang prinsip ini, membangun fondasi teknologi yang kuat.

Yang paling inti adalah arsitektur MSA (Sparse Attention) yang dikembangkan sendiri. Secara sederhana, ia menurunkan biaya komputasi per token untuk teks panjang jutaan kata menjadi sekitar 1/20 dari mekanisme perhatian penuh tradisional, artinya M3 hanya membutuhkan 1/20 jumlah komputasi per token dibanding generasi sebelumnya pada konteks 1M.

Kunci dari terobosan ini adalah: jumlah parameter total menentukan batas kapasitas pengetahuan model, tetapi jumlah parameter yang diaktifkan menentukan biaya inferensi per token. Keduanya dapat dipisahkan: peningkatan skala parameter tidak selalu menyebabkan kenaikan biaya inferensi secara proporsional.

Jadi, M3 dapat meningkatkan tingkat kecerdasan tanpa mengubah harga, sementara M3 Pro dapat mencapai skala parameter sekitar 3T sekaligus memajukan pembelajaran penguatan dan pelatihan tugas jangka panjang.

Di tingkat infrastruktur, ETTR (rasio waktu pelatihan efektif) MiniMax mencapai 97%, menjadikannya salah satu perusahaan model besar independen pertama di Tiongkok yang membangun sistem daya komputasi berskala besar dan stabil jangka panjang.

Membangun jaringan pasokan daya komputasi melalui kombinasi kerja sama antara klaster mandiri, penyedia cloud, dan TokenFactory; daya komputasi yang ada dan yang direncanakan sudah mampu mendukung iterasi berkelanjutan model teks dan video berukuran 3T.

Penutup: Tanpa keunggulan daya komputasi, model lokal mengejar dengan apa?

Setiap kali membahas kesenjangan antara model besar Tiongkok dan Amerika Serikat, perangkat keras selalu menjadi topik yang tak bisa dihindari.

Dulu, secara default dianggap bahwa siapa pun yang memiliki proses chip yang lebih maju dan daya komputasi yang lebih tinggi akan mampu membuat model yang lebih baik. Menurut logika ini, AI Tiongkok tampaknya akan selalu tertinggal beberapa bulan hingga setengah tahun dari AI Amerika.

Apakah hanya bisa seperti ini?

MiniMax memberikan jalan baru: Minimize the Inference Cost, Maximize the Intelligence.

Menurunkan biaya per unit kecerdasan juga secara bersamaan meningkatkan batas atas kecerdasan. Karena pelatihan lanjutan, data sintetis, dan pembelajaran penguatan hari ini pada dasarnya menjalankan beban inferensi. Semakin tinggi efisiensi inferensi, semakin banyak eksperimen yang dapat dilakukan dengan daya komputasi yang sama, sehingga batas kecerdasan menjadi lebih tinggi.

Siapa pun yang dapat menghasilkan kecerdasan lebih tinggi dengan biaya lebih rendah akan mampu memperluas batas-batasnya dalam kapasitas komputasi terbatas, sehingga membawa kecerdasan yang lebih tinggi ke dalam kehidupan yang lebih luas.

Ini mungkin merupakan jalur paling menjanjikan bagi model besar buatan dalam negeri untuk berpartisipasi dalam persaingan global. Dan MiniMax sudah mulai membuktikannya.