來源：極客公園
兩家中國大模型公司，在五天裏先後交出了上市後的首份中報。
$MINIMAX-W (00100.HK)$ 先出：上半年收入 1.17 億美元，同比增長 283%；8 月 ARR 超過 8 億美元。 $智譜 (02513.HK)$ 隨後公佈：上半年收入 9.54 億元人民幣，同比增長近 400%；8 月 ARR 達到 16 億美元。
如果只看 ARR，結論似乎很簡單：智譜更高，MiniMax 緊隨其後；兩家公司都在講 Token 調用量暴漲、企業客戶增加、模型能力開始換來收入。
把數字放回業績，事情會變得複雜一些。
智譜上半年確認收入約 1.42 億美元，MiniMax 爲 1.17 億美元，兩者實際收入規模相差不遠；兩家的經調整虧損也幾乎相同，都接近 3 億美元。ARR 代表某個時點的收入速度，但無法直接替代收入、毛利和現金流。
兩家公司都還沒有走到盈利那一頁。兩份中報裏，「期內虧損收窄」都受到上市後優先股轉換帶來的會計因素影響；如果剝開這層，研發和經營投入其實仍然在高位。
不一樣的是兩家公司正在把模型賣向哪裏。
智譜的 API 收入已經佔到總收入的 86.5%，它開始把模型推到 Coding、網安和長程任務的工作現場；MiniMax 的企業服務收入快速增長，同時保留着全球化、多模態和 AI 原生產品的基本盤，它更關心如何把每一單位智能做得更便宜，讓更多用戶、更多 Agent 和更多創作場景消費它。
兩份中報，展現的是中國大模型商業化的一次分層。
01、智譜：本地化退潮，API 已成主引擎
先看智譜的中報。上半年營收 9.54 億元，同比增長 399.7%，已超過 2025 年全年 7.24 億元；毛利 2.52 億元，毛利率 26.4%；研發支出 21.31 億元，同比增長 33.6%。
增長背後是業務結構的明顯轉換。開放平台與 API 業務收入 8.25 億元，同比增長 2735.7%，佔總收入 86.5%—— 去年同期這個數字只有 15.2%。過去承擔基本盤的本地化部署退到更靠後的位置：企業通用模型相關收入 6704 萬元，同比下降 54.6%。
智譜正在從 「把模型部署進客戶機房、籤一筆項目確認一筆收入」，轉向 「把模型放在雲上、按調用量持續收費」。前者更像傳統項目生意，強調交付、安全和客戶關係；後者依賴模型能力、開發者生態和推理成本，更有機會形成持續、可擴張的收入。
截至中報發佈時，MaaS 平台 Token 調用量較年初增長超 40 倍，付費日活增長 603%，API 平均售價提升約 101%；開放平台及 API 業務毛利率也從去年同期的 - 0.4% 升至 24.6%。
電話會上，管理層稱，按 8 月單月收入乘以 12 計算，MaaS 平台 ARR 達到 16 億美元；按最近一週收入年化則超過 20 億美元。ARR 未列入業績，短期年化容易放大某個月的增速，但智譜強調它，反映出希望市場用「雲端模型服務當前的運行速度」，而不只是已確認的半年收入來衡量公司。
API 高速增長，沒有改變智譜仍處在高投入期的現實。收入結構從高毛利的本地化部署轉向 API，整體毛利率從去年同期的 50.0% 降至 26.4%；期內虧損 20.72 億元，經調整淨虧損 19.64 億元，經營虧損由 18.99 億元擴大至 21.47 億元。虧損數字方向不一，主因是優先股轉換：去年同期相關金融負債公允價值變動帶來 4.29 億元損失，今年降至 2209 萬元。但更能反映主營業務情況的經營虧損，仍由去年同期的18.99億元擴大至21.47億元。同期研發投入達到21.31億元，是收入的兩倍以上，模型訓練和推理基礎設施仍需要大量資金。
但智譜沒有隻用傳統財務指標解釋這筆投入。這份 60 頁的中期業績公告，用相當篇幅討論模型架構、訓練算法、強化學習、推理系統和國產芯片集群，最後還附了一份技術詞彙表。
智譜在公告中提出一條公式：「AGI 商業價值＝智能上界 ×Token 消耗規模。」邏輯是，智能上界決定模型能處理什麼任務，任務邊界決定每個 Token 的價值密度，再由 Token 消耗規模放大。用於日常聊天的 Token，與用於完成軟件工程、發現生產系統漏洞的 Token，代表不同的商業價值。公司還自定義了 「算力乘數」，衡量每投入一元訓練和推理算力產生多少開放平台及 API 收入，稱上半年同比提高約 14 倍—— 雖然未披露絕對值和計算過程，外界暫無法獨立驗證。
把這些自定義指標寫進中報，說明智譜正在爭奪大模型公司的估值解釋權：除了收入、利潤和現金流，也希望投資者關注模型能力、Token 消耗、單位任務成本，以及算力轉化爲收入的效率。
近期模型動作可以沿着這套方法論理解。
6 月發佈的 GLM-5.2 把重點放在長程 Coding 和 Agent 能力；隨後的 GLM-5.3 沿用相同底座和參數規模，主要擴大長程任務環境和強化學習投入，自建真實 Coding 評測中端到端任務完成率較 5.2 提升超 50%—— 它試圖推高模型獨立處理複雜任務的能力上限。
8 月底的 GLM-5.3-Flash 則負責壓低大規模調用的成本：3200 億總參數、180 億激活參數的稀疏架構，在約 10 萬張國產芯片集群上運行，價格約爲 GLM-5.2 的十分之一，匿名測試六天累計消耗超 62 萬億 Token。智譜同時披露，單位 Token 推理成本較年初下降約 80%。
GLM-5.3 拓展任務上限，GLM-5.3-Flash 擴大 Token 消費規模，兩條產品線分別對應公式的兩端。
接下來需要證明的，是這種能力能否繼續向更深的工作流延伸。
目前智能體業務收入 5556 萬元，同比增長 304.4%，增長很快但體量有限；網絡安全已進入 Co-work 驗證階段，法律、金融、教育等方向還在早期。「賣結果」目前更多是一條正在搭建的路徑：從賣本地化模型，到賣 API 調用和 Coding 訂閱，再讓 Agent 進入企業流程，最終按端到端任務收費。API 高速增長驗證了其中一段，Co-work 能否成爲下一項規模收入，還要等後續業績回答。
02、MiniMax：收入更全球化，先把「單位智能」做得足夠便宜
MiniMax 的中報呈現出另一種增長輪廓。
2026 年上半年，MiniMax 實現收入 1.17 億美元，同比增長 283.1%；毛利 2081 萬美元，同比增長 464.8%，毛利率從去年同期的 12.1% 提升至 17.9%。其中，開放平台及其他 AI 企業服務收入 7393 萬美元，同比增長 703.1%，佔總收入的 63.4%；AI 原生產品收入 4264 萬美元，同比增長 100.9%。
與智譜相比，MiniMax 的一項差異很突出：海外已經是收入主體。上半年，MiniMax 海外收入爲 7083 萬美元，佔總收入 60.8%；中國內地收入爲 4575 萬美元，佔 39.2%。電話會上，公司進一步披露，企業和開發者客戶超過 200 萬，較去年末增長約十倍；其 8 月 ARR 超過 8 億美元，ToB 業務佔 ARR 的比例從一年前約 30% 提升至約 80%。
這同樣是高速擴張中的數字。MiniMax 並未在業績中充分說明 8 億美元 ARR 的具體年化方式，並不能直接與智譜按「8 月收入乘以 12」計算的 16 億美元相減得出結論。兩家的客戶定義、收入確認、業務構成和 ARR 口徑也都不完全一致。
不過， MiniMax 在電話會中給出的經營邏輯很清晰：模型價格可以繼續下降，單位 Token 的毛利依然可以改善。原因來自模型架構、算力調度、供應鏈和推理效率的共同優化。它把這套思路概括爲「Minimize the Cost, Maximize the Intelligence」——在算力和能源仍是稀缺資源的現實裏，儘量壓低獲得同等智能的成本。
這套邏輯也反映在 MiniMax 最近的產品節奏上。
6 月推出的 MiniMax-M3，把重點放在 Coding、Agentic 能力與百萬級上下文；公司在業績會上稱，M3 相比前一代模型，在相近價格下帶來了更強的能力，這既帶來新客戶，也推動老客戶擴大調用。
隨後發佈的 H3，則把重點放在視頻、音頻等原生多模態生成上，並在 8 月開放權重。對 MiniMax 來說，文本模型與多模態模型不是兩條互不相干的產品線：前者承接企業開發、代碼和智能體需求，後者切入創作、內容生產和更廣泛的 AI 原生應用。
MiniMax 也在向國產芯片做適配，並預告 M3.1 將繼續降低推理成本。管理層提到，目標是將推理成本降至 M3 初期水平的大約三分之一。這個目標很容易被理解爲一場價格戰，但 MiniMax 更關心的，是成本下降後能否帶動更大的 Token 消耗、更多的開發者和更寬的商業化覆蓋面。
它的業績同樣提醒市場，增長離盈利還有距離。上半年 MiniMax 的研發開支爲 2.97 億美元，同比增長 138.8%；期內虧損爲 3.58 億美元，同比收窄約 11%，但經調整淨虧損 2.93 億美元，同比擴大 111.2%。期內虧損看上去改善，同樣受上市後優先股相關金融負債變動減少影響：該項公允價值損失從去年同期的 2.54 億美元降至 3100 萬美元。
MiniMax 的毛利率確實在改善，收入也在向企業和海外傾斜；但公司還在爲模型訓練、多模態產品和全球化渠道支付高昂成本。它所押注的並非立刻提高單次調用的價格，而是先把每一單位智能做得更有效率，讓更多人用得起、用得更多。
03、業績之後，兩家公司在回答不同的問題
把兩份業績放在一起看，智譜和 MiniMax 都在證明同一件事：模型能力可以轉化成收入，Token 消耗正在成爲可追蹤的經營指標。兩家公司的差別，更多體現在商業化的順序上。
智譜在推動收費單位向上移動。過去客戶購買一套部署在本地的模型，現在按調用量付費，接下來訂閱開始成爲新的交易方式。它想繼續向 Co-work 推進，讓模型進入軟件工程、網絡安全和專業知識工作，最終按一項任務、一段流程或一份可以驗收的結果收費。這條路的前提，是模型每跨過一道能力門檻，就能處理更高價值的任務——定價由此逐漸脫離 Token 數量，靠近模型實際完成的工作。
MiniMax 則更關心智能覆蓋面的擴張。它選擇通過架構和效率優化壓低單位智能成本，藉助文本、視頻、音頻的多模態能力，把 AI 送進更多開發者、企業和內容場景——價格下降帶來更大調用量，更大調用量反哺成本優化，海外六成收入則給這條規模邏輯提供了足夠大的市場半徑。
兩條路最終會在同一個位置相遇：智譜要讓企業願意按結果付費，需要把完成任務的成本降到可以規模使用；MiniMax 要讓低成本智能產生更高價值，也需要模型穩定完成複雜任務。能力決定 AI 可以進入多深的工作，成本決定這種能力可以覆蓋多少人。兩者缺一不可。
下一份業績需要回答的問題因此更加具體：智譜的 Co-work，什麼時候能夠成爲一項有規模的收入；MiniMax 下降的單位智能成本，能否持續換回更多海外客戶和更健康的毛利率。
一家公司把 AI 推向更深的工作，一家公司把 AI 送往更廣的市場。等到模型既能把事情辦完，又便宜到可以被大規模使用，大模型才真正走過商業化最難的那道門檻。
編輯/rice