MiniMax, Hong Kong hisse senedi piyasasına girdikten sonra ilk yıldönümü raporunu yayınladı; gelirleri %283,1 artarak 2025 yılı tamamı için 1,5 katına ulaştı, brüt kâr %464,8 arttı. Ağustos'ta ARR 8 milyar ABD dolarını aştı, B2B gelir oranı %80 oldu, Temmuz'da Token tüketimi Ocak'a göre 20 katına çıktı. Kurucu Yan Junjie, "en düşük çıkarım maliyeti, en yüksek akıllılık" teknoloji yolunu öne sürdü; kendi geliştirdiği MSA mimarisiyle milyonlarca kelime uzunluğundaki metinlerde birim Token hesaplama maliyetini geleneksel tam dikkat mekanizmasına göre yaklaşık 1/20'ye düşürdü; sınırlı hesaplama gücüyle akıllılık ve maliyet arasında denge kurdu ve yerli büyük modellerin küresel rekabette yer alması için yeni bir yol sundu.

Yazan: Zhi Xitong

26 Ağustos'ta, Çin'in AI büyük model lider şirketi MiniMax (Xiyu Teknoloji), Hong Kong borsasında listelenmesinden bu yana ilk yıldızlık raporunu yayınladı.

Raporlara göre, MiniMax'in geliri bir önceki yılın aynı dönemine göre %283,1 arttı ve yarım yıllık geliri 2025 yılının tam yıllık gelirinin 1,5 katına ulaştı; brüt kâr %464,8 arttı.

Finansal rapor toplantısında, MiniMax'in kurucusu, yönetim kurulu başkanı, CEO ve CTO'su Yan Junjie, Ağustos'ta MiniMax'in ARR'sinin 800 milyon ABD dolarını aştığını, B türü gelir oranının %80'e ulaştığını ve Temmuz'da Token tüketiminin Ocak'a göre 20 kat arttığını açıkladı.

Veriler dışında, dün geceki performans toplantısında Yan Junjie'nin söylediği bir cümle beni etkiledi. "En düşük birim akıllı maliyeti minimize etmek, akıllılık seviyesini maksimize etmenin tek yoludur."

İki yıl önce, büyük modeller temelde iki yoldan birini izliyordu: ya Scaling yasalarına göre parametreleri artırarak zekayı yükseltiyor, bu da maliyeti artırıyordu; ya da verimliliği düşürerek erişilebilirliği artırıyor, ancak zeka seviyesi her zaman biraz eksik kalıyordu.

Sektör, bunun hem balık hem ayı olduğunu varsayıyor.

MiniMax, neden endüstriye “karşı gelen” bir yol seçti? Bu yol gerçekten başarıyla izlenebilir mi?

Akıl ve maliyet, neden aynı anda elde edilemez?

Önceki birkaç yılda Scaling Law, AI'nın hikayesini yönlendirdi: parametreler ne kadar büyükse, akıl o kadar yüksek olur.

Scaling Law'a göre, şu anda modelin parametreleri 2-3 T seviyesine ulaştı ve modelin zekâsı da arttı, herkes AGI'nin yaklaştığını duyuruyor.

Gelişmenin ardında, bu kural bir patlayıcı da saklıyor: Model trilyon parametre seviyesine ulaştığında, çıkarım maliyeti göz ardı edilemez hale geliyor.

NVIDIA CEO Huang Renxun, 2026 GTC konferansında şunu söyledi: "Eğitim harcamalarının ana maliyet驱动 faktörü olduğu dönem sona erdi. Şimdiki iş yükü çıkarım ve bu hızla genişliyor."

Tahmin maliyetlerindeki artış ve Agent iş yüklerinin yükselişiyle birlikte, AI tek bir soru-cevap etkileşiminden çok adımlı özyönlü yürütme yönüne doğru ilerliyor. Tek bir kullanıcı isteğinin arkasında onlarca hatta yüzlerce model çağrısı olabilir; bu da tüm endüstrinin hesaplamalı maliyetlerini üssel hızda artırıyor.

Sonuç olarak, sektör iki gruba ayrıldı:

Hızlı ve düşük maliyetli, ancak akıllı performansı ortalama olan küçük modeller.

Google, bu yolun tipik bir temsilcisidir. Temmuz ile Ağustos 2026 arasında, Google sırayla Gemini 3.7 Flash, Gemini 3.6 Flash, Gemini 3.5 Flash-Lite ve Gemini 3.5 Flash Cyber olmak üzere dört hafif modeli piyasaya sürdü.

3.5 Flash-Lite, 3.5 serisinin en hızlı ve en düşük maliyetli modelidir ve yüksek verimlilikli iş yükleri ile büyük AI ajan sistemlerindeki küçük görevler için tasarlanmıştır. Gemini 3.6 Flash'in çıktı Token tüketimi, önceki nesilden %17 azalmıştır.

Ancak maliyet de açıkça görülüyor. Google, Mayıs I/O konferansında yayınlanması planlanan ana model Gemini 3.5 Pro'yu hâlâ piyasaya sürmedi.

Diğer tarafta akıllı ama maliyeti yüksek ve maliyetlerin artmaya başlayan büyük modeller bulunuyor.

Çinli büyük model üreticileri bu yolda hızla ilerliyor. Temmuz 2026'da Moonshot, Kimi K3'ü duyurdu ve parametre boyutu yaklaşık 2,8 trilyona ulaştı, bu da şu ana kadar dünyadaki en büyük açık kaynak modelidir.

Ali, hemen ardından Qwen3.8 Max'i 2.4 trilyon parametre ile piyasaya sürdü; Baidu Wenxin 5.0 da 2.4 trilyon parametreye ulaştı; DeepSeek V4-Pro'nun parametre sayısı 1.6 trilyon.

Parametre boyutuyla sağlanan akıllılık artışı gözle görülür. Kimi K3, birçok Agent sıralamasında Claude Fable 5 ve GPT-5.6 Sol'u geçti. Qwen3.8 Max, "parametre boyutu en büyük ve performansı en güçlü açık kaynak modellerinden biri" olarak tanımlandı.

Ancak maliyetler de yükseldi.

Kimi K3 API fiyatlandırması, önbelleğe alınmamış girişlerde milyon Token başına 6,5 yuan'dan 20 yuan'a, çıkışlarda 27 yuan'dan 100 yuan'a yükseldi, bu da sırasıyla %208 ve %270 artış anlamına gelir. Resmi öneride, 64 veya daha fazla hızlandırıcı kartla süper düğüm dağıtımı yapılması tavsiye edilir.

İki gün sonra, Ay'ın Karanlık Yüzü, C türü yeni kullanıcı aboneliklerini durdurup tüm hesaplama gücünü mevcut kullanıcıları desteklemek için kullanmayı duyurdu.

Daha akıllı olmak, model parametrelerinin büyümesi, çağrım maliyetlerinin artması, dağıtım engellerinin yükselmesi ve hesaplama gücüne olan talebin artması… Bu gibi durumlar gibi görünür ki çözülemeyen bir döngüye dönüşmüştür.

MiniMax, tercih yapmaz

Maliyet ve akıllı seçim arasındaki zorlu dengede MiniMax'in seçimi: ikisini de istiyorum.

Yan Junjie, finansal rapor toplantısında MiniMax'ın tamamını net bir şekilde açıkladı:

Hesaplama gücü her şirket için sınırlıdır. “Minimize the Inference Cost, Maximize the Intelligence” ile “Intelligence with Everyone” hedefine ulaşmak istiyoruz. Bu, sürekli takip ettiğimiz teknoloji yoludur ve girişimimizin temelidir.

“İnferans maliyetini minimize edin, akıllılığı maksimize edin”, yani “inferans maliyetini en aza indirin, akıllılığı en üst düzeye çıkarın”. MiniMax, maliyeti düşürmeyi ve akıllılığı artırmayı aynı anlatı çerçevesinde birleştirmektedir.

Bu iki şey neden birlikte söylenebilir? Çünkü MiniMax, “muhakeme” kavramını farklı şekilde anlıyor:

Birinci, akıl yürütme, sonraki nesil akıllılığın üretim aracıdır.

Daha önce çıkarım, “modeli kullanmak” olarak, eğitim ise “modeli oluşturmak” olarak görülüyordu. Ancak şimdi, sentetik veriler, pekiştirmeli öğrenmenin Rollout'u, model değerlendirme ve doğrulama, agentin çevresiyle etkileşimi gibi temel aşamaların tümü temelde çıkarım yükü çalıştırır.

Sonraki eğitim aşamasının toplam eğitim hesaplama gücü içindeki oranı giderek artmaktadır. Tahmin, eğitim bitiminde ortaya çıkan bir iş yükü değil, eğitim süreci boyunca sürekli tüketilen bir süreçtir.

Bu nedenle, çıkarım verimliliği, API fiyatlandırma alanını değil, sonraki nesil modellerin hangi seviyeye kadar eğitilebileceğini belirler.

İkinci olarak, çıkarım maliyeti optimizasyonu akıllı yineleme için gerekli bir koşuldur.

İşlem gücü fiziksel bir üst sınıra sahiptir, ancak model boyutu sürekli büyümektedir. Eğer çıkarım maliyeti düşürülmezse, ilerleyen süreçte maliyetler akıllılık artışı üzerindeki baskıyı artıracaktır.

Sınırlı hesaplama bütçesinde her liranın etkili akıllı çıktıya dönüştürülebilir olup olmadığı, modelin ne kadar ilerleyebileceğini belirler.

Üçüncü olarak, en düşük birim akıllı maliyetle en yüksek akıllılık seviyesini hedeflemek—bu iki şey aynı hedefin iki yüzüdür.

Sektör, geçmişte “akıllı öncelikli” ve “maliyet öncelikli” yaklaşımlarını iki farklı yol olarak görmüştü. Ancak çıkarım maliyetleri düşürülemezse, ne kadar yüksek akıllılık olursa olsun uygulanamaz.

Basitçe ifade edersek, MiniMax'in yaklaşımı, maliyet optimizasyonunu ve akıllı yükseltmeyi aynı şey olarak görmektir. Model tasarımı gününden itibaren çıkarım verimliliğini temel bir göstergesi olarak benimsemiş ve tüm geliştirme süreci boyunca korumuştur.

Yan Junjie'nin sözleriyle: "MiniMax, akıl ile maliyet arasında bir denge kurmayı hedeflemiyor. Daha yüksek seviyede akıl elde etmek amaçtır; sürekli olarak çıkarım maliyetini ve verimliliğini optimize ederek daha yüksek bir maliyet-verim oranı sağlamaktır."

MiniMax, bu ilk prensibe sadık kalarak bir teknik altyapı kurmuştur.

En temel noktası, kendi geliştirdiği MSA (seyrek dikkat) mimarisidir. Basitçe ifade edersek, milyonlarca kelime uzunluğundaki metinlerin Token hesaplama maliyetini geleneksel tam dikkat mekanizmasının yaklaşık 1/20'sine düşürmektedir; yani M3, 1M bağlam altında her Token için hesaplama miktarı önceki neslin 1/20'sidir.

Bu atılımın anahtarı şudur: toplam parametre sayısı, modelin bilgi kapasitesinin üst sınırını belirler, ancak etkin parametre sayısı, tek bir token için çıkarım maliyetini belirler. Bunlar birbirinden bağımsız hale getirilebilir: parametre ölçeği genişledikçe, çıkarım maliyeti orantılı olarak artmak zorunda değildir.

M3, fiyat değişmeden akıllılık seviyesini artırabilir; M3 Pro, yaklaşık 3T parametre boyutunda aynı anda pekiştirmeli öğrenmeyi ve uzun vadeli görev eğitimi ilerletebilir.

Altyapı düzeyinde, MiniMax'in ETTR (etkin eğitim süresi oranı) %97'ye ulaşmaktadır ve ölçekli, uzun vadeli kararlı hesaplama altyapısına sahip olan ilk bağımsız büyük model şirketlerinden biridir.

Güçlü kümeler, bulut sağlayıcılar ve TokenFactory arasındaki iş birliği yoluyla bir hesaplama gücü sağlama ağı kuruldu ve mevcut ve planlanan hesaplama gücü, 3T seviyesindeki metin ve video modellerinin sürekli geliştirilmesini destekleyebilmektedir.

Sonuç: Hesaplama gücü avantajı yoksa, yerel modeller neye dayanarak yakalamayı hedefliyor?

Çin ve ABD büyük modelleri arasındaki fark谈到 her zaman donanımın kaçınılmaz bir konu olduğu konuşulur.

Geçmişte, daha gelişmiş çip üretimi ve daha yüksek hesaplama gücüne sahip olanın daha iyi modeller oluşturacağı varsayıldı. Bu mantığa göre, Çin AI'sı görünürde ABD AI'sından birkaç ay ila yarım yıl geride kalacaktı.

Bu kadar mı?

MiniMax, yeni bir yol sunuyor: Tüketim Maliyetini En aza İndirin, Zekâyı Maksimize Edin.

Birim akıllılık maliyetini düşürmek, aynı zamanda akıllılık üst sınırını da yükseltir. Çünkü bugünün ince ayarlaması, sentetik verileri ve güçlendirilmiş öğrenme süreçleri, temelde tümüyle çıkarım yükünü çalıştırmaktadır. Çıkarım verimliliği ne kadar yüksekse, aynı hesaplama gücüyle gerçekleştirilebilecek deney sayısı o kadar çok olur ve akıllılık tavanı o kadar yüksektir.

Daha düşük maliyetle daha yüksek zekâ üreten, sınırlı hesaplama gücü içinde daha uzun mesafeler kat eder ve daha yüksek zekâyı daha geniş yaşam alanlarına sokar.

Bu, yerli büyük modellerin küresel rekabete girmek için en umut verici yol olabilir. Ve MiniMax, bunu zaten doğrulamaya başladı.