（来源：华泰证券研究所）

基础模型竞争正由产品探索逐步走向高价值场景、企业市场与使用量驱动的商业化竞争。OpenAI早期依托相对自下而上的产品创新机制，通过ChatGPT建立大规模C端入口；Anthropic则持续聚焦模型能力、Coding和企业API，并随着Coding场景成熟逐步体现资源集中优势。据SemiAnalysis于2026年7月8日发布的《Anthropic 3Q26 Profit Over $1B》估算，Anthropic年化运行收入于2026年4月超过OpenAI，并于6月28日达到约690亿美元。与此同时，智谱、MiniMax亦逐步向API、Coding和Agent收敛。我们认为，基础模型行业的竞争维度正在由模型能力和用户规模进一步扩展至高价值Token消耗、企业渗透、单位经济性及产品分发能力。

模型厂商组织模式优势或随产业阶段切换

据张小珺与真格基金管理合伙人戴雨森于2026年5月26日发布的播客，OpenAI内部研究与产品团队自主性较强，有利于扩大产品探索范围并通过用户反馈寻找PMF，ChatGPT是这一机制的重要代表；Anthropic战略方向相对集中，更强调安全、模型能力和企业市场，并将资源集中于Coding等少数核心领域。OpenAI由此较早积累C端流量与品牌优势，而Anthropic较轻的免费用户负担和企业API收入结构，则有利于提高资源配置效率。据SemiAnalysis估算，截至26年7月，Anthropic约75%-85%的收入来自按量计费API。我们认为，随着Coding等高价值场景逐步明确，模型厂商资源协同和执行效率的重要性正在提升。

Coding正在成为关键的商业化场景

Coding具有高频调用、长上下文、多步骤工具调用和任务价值可量化等特征，模型能力提升更容易转化为开发者付费与企业采购。Anthropic自Claude 3.5 Sonnet起逐步形成Coding能力优势，并以Claude Code直接承接开发者与企业需求；OpenAI则依托ChatGPT入口、开发者生态和企业渠道推动Codex上量。据OpenAI于2026年6月2日发布的《Codex is becoming a productivity tool for everyone》，截至2026年6月2日Codex周活跃用户已超过500万。我们认为，Coding正在由代码辅助工具延伸至长时程任务执行平台，并成为两家公司商业化竞争的重要方向。

国内厂商商业化路径逐步收敛

MiniMax早期侧重C端AI原生应用和海外市场，据MiniMax 2025年度业绩公告，AI原生产品收入占比由23年的约22%升至25年的约67%，海外收入占比提升至约73%；智谱则较早布局企业客户和本地化部署，据智谱于2026年3月31日发布的2025年度业绩公告，2025年本地化部署收入占比仍为74%，但云端部署占比已提升至26%。随着模型能力和Coding场景发展，两家公司均加快API及Agent布局。

我们认为，国内基础模型商业化正在由项目制、C端流量进一步向标准化API和高价值生产力场景延伸。

风险提示：模型迭代不及预期、商业化进展不及预期、行业竞争加剧。

OpenAI与Anthropic：两种组织方式，两条早期路径

企业文化或影响公司早期选择

OpenAI相对自下而上的创新体系，或更适合行业方向尚未清晰的探索阶段。据张小珺与真格基金管理合伙人戴雨森于2026年5月26日发布的播客《雨森的创投观察第2集：Harness、下一个字节、2026大机会和Stanley Druckenmiller》对OpenAI组织机制的概括，公司内部研究人员与产品团队拥有较强自主性，产品方向可以由团队内部自然产生，组织也允许较大范围的试错与非预设性探索，ChatGPT可视为该模式下产生的代表性产品。其优势主要体现在：1）扩大产品探索范围，有助于发现新的产品形态并较早建立用户认知。2）通过产品快速获取真实用户反馈，缩短技术研发与市场需求之间的验证链条。3）在技术成熟度仍然有限的情况下，提前识别产品市场匹配（PMF）的可能方向。我们认为，该模式能够提高产品探索的广度，但其有效性更依赖行业仍处于需求定义和产品形态尚未收敛的阶段。

Anthropic相对自上而下的战略体系，更强调方向聚焦与资源协同。上述播客访谈指出，Anthropic战略重点相对集中，管理层对安全、模型能力及企业市场方向具有较强主导作用，并将资源优先配置于少数核心领域。在行业方向尚未清晰时，该体系覆盖的产品探索范围可能相对有限；随着Coding等应用方向逐步得到验证，公司可以更快集中模型、算力、产品和销售资源，围绕明确场景持续推进能力优化。其优势主要体现在：1）资源投入更加集中，有助于降低多方向探索造成的分散消耗。2）组织目标与执行口径更加统一，有利于形成连续的产品迭代路径。3）模型研发、产品设计与企业销售更容易形成协同。我们认为，该模式更适合商业化方向逐步明确、竞争重心转向执行效率与规模化落地的阶段。

组织模式的有效性或取决于行业发展阶段。在产品探索期，行业需求、技术边界和商业模式尚未稳定，企业更需要通过分散探索、快速试错和用户反馈发现潜在方向，自下而上的创新机制通常具备更强适应性。随着技术路线和商业场景逐步收敛，资源配置效率、战略一致性和组织执行能力的重要性随之提升，自上而下的体系更有利于围绕明确场景持续投入。因此，比较OpenAI与Anthropic的组织模式，需要重点判断AI行业仍处于产品形态持续扩散的阶段，还是已经进入商业化路径逐渐清晰、资源投入趋于集中的阶段。我们认为，两种模式各有适用条件，其相对优势可能随产业周期变化而动态切换。

OpenAI为什么率先赢得前半场

OpenAI依托ChatGPT较早建立C端入口，并逐步积累用户与商业化优势。ChatGPT将底层模型能力转化为可直接触达用户的产品形态，帮助OpenAI较早打通技术研发、用户使用与商业变现之间的链条。其价值主要体现在：1）快速扩大用户规模，强化品牌认知。2）通过付费订阅和API调用形成收入来源，并带动企业客户拓展。3）持续获取真实用户反馈和交互数据，为模型能力优化及产品迭代提供支持。4）吸引开发者围绕模型能力构建应用，推动开发者生态逐步形成。据The Information于2026年4月28日发布的《OpenAI Sees $8 ChatGPT Driving Consumer Subscribers to 122 Million This Year》，目前已有超过5000万人付费使用ChatGPT，OpenAI预计2026年约50%的收入将来自企业客户。我们认为，ChatGPT帮助OpenAI较早形成了模型能力向用户入口、商业收入和迭代数据转化的路径，并逐步推动商业化结构由个人订阅向企业市场延伸。

OpenAI持续扩大ChatGPT用户规模，并逐步向Agent及专业工作流延伸。据The Information于2026年7月28日发布的《OpenAI’s ChatGPT Nears 1 Billion Weekly Active Users Seven Months After Target》汇总的OpenAI历史披露，ChatGPT周活跃用户由2023年11月约1亿增至2024年8月超过2亿，2024年12月、2025年2月和3月分别超过3亿、4亿和达到约5亿，2025年8月和10月进一步增至约7亿和8亿，2026年2月超过9亿。该报道同时指出，截至2026年7月28日，ChatGPT周活跃用户目前已接近10亿，但较OpenAI原定目标晚约7个月。与此同时，据OpenAI于2026年6月2日发布的《Codex is becoming a productivity tool for everyone》，Codex周活跃用户由2026年2月的160万增至6月超过500万，产品使用场景由Coding进一步向研究、数据分析和知识工作延伸。我们认为，尽管ChatGPT用户增长节奏较原计划有所放缓，其大规模用户入口仍有助于模型能力升级向新增场景传导，并通过Codex、Agent等产品逐步向高价值工作流延伸。

Anthropic为什么厚积薄发

Anthropic早期C端入口相对有限，用户与收入积累慢于OpenAI。OpenAI通过ChatGPT快速触达消费者，并将模型能力转化为用户规模、订阅收入、品牌流量和产品反馈；Anthropic早期未形成同等量级的C端产品入口，消费者用户规模、订阅收入及自然流量相对有限，因而未能形成与OpenAI相似的消费端增长路径，早期ARR规模亦相对较低。我们认为，Anthropic早期在用户和收入规模上的差距，可能更多与缺少高流量产品入口有关，模型能力差距并非唯一解释。

Anthropic将资源进一步集中于模型能力与企业市场。由于早期消费端入口相对有限，公司重点投入基础模型训练、模型安全与对齐、长上下文、Coding能力、API服务、企业客户、云厂商渠道及开发者生态，增长路径更加依赖开发者和企业按量付费。我们认为，Anthropic早期未优先争夺消费端流量，可能影响短期用户和收入规模，但也有助于将资源集中于企业级模型、产品与渠道能力建设。

较轻的免费用户负担有助于Anthropic控制推理成本。生成式AI每次对话和模型调用均会产生芯片折旧、能源消耗及数据中心运营成本，免费用户规模扩大仍会带来相应的边际成本。据SemiAnalysis《Anthropic 3Q26 Profit Over $1B》估算，OpenAI需要服务超过9亿免费用户，每位免费用户月均服务成本略低于0.70美元，相关支出历史上可能对整体毛利率造成约20%-30%的拖累；若OpenAI与Anthropic均实现1000亿美元ARR，OpenAI毛利润可能较Anthropic少约250亿美元。Anthropic收入主要来自企业API和高回报开发场景，承担的免费消费端推理需求相对较少，因此可以将更多算力配置于付费意愿较为明确的客户。我们认为，较轻的免费用户成本可能是Anthropic利润率相对占优的重要原因之一。

当前市场或更加认可API与Token商业模式

API计费为Anthropic建立了使用量驱动的商业化路径。API具有标准化、可计量和易分发等特征，企业可以按照实际调用量付费，并将模型嵌入研发、客服、营销和数据分析等既有工作流。随着Coding、Agent及多模态应用发展，模型调用逐步由单轮对话延伸至长上下文、多步骤推理和工具调用，收入可以随客户数量、使用频率、任务复杂度及业务覆盖范围提升。据SemiAnalysis《Anthropic 3Q26 Profit Over $1B》估算，2026年Anthropic约75%-85%的收入来自按量计费API，订阅收入约占ARR的15%，其中消费订阅约占5%；OpenAI在2026Q1超过65%的收入来自订阅，消费端与企业端分别约占ARR的60%和40%，至2026Q2末可能转为约40%和60%。我们认为，Anthropic以企业API为主的收入结构，使其商业化表现与Token调用量和企业使用深度形成了较为直接的联系。

企业导向的收入结构有助于改善Anthropic的盈利模型。B2B/API模式主要服务具有较高投资回报的开发者和企业客户，定价可以更多参考具体任务价值；大规模免费用户和固定价格订阅模式在使用强度提升时，则可能面临更明显的成本压力。据上述SemiAnalysis报告估算，Anthropic预计2026Q3实现超过10亿美元的GAAP EBIT，对应EBIT利润率约6%，增长动力主要来自B2B和API业务，SemiAnalysis据此将其视为较早验证盈利路径的头部AI Lab之一。与此同时，到2030年，Anthropic训练与推理算力占比预计分别约为48%和52%，随着收入规模扩大，推理侧资源投入及其利用效率的重要性仍将提升。我们认为，Anthropic盈利能力的改善可能同时来自企业客户较强的付费意愿、使用量增长以及较轻的免费消费端推理负担。

Claude Code推动Anthropic年化运行收入快速增长。据SemiAnalysis《Anthropic 3Q26 Profit Over $1B》估算，Claude Code已占GitHub代码提交量的7%以上。2026年4月，Anthropic年化运行收入约为300亿美元，超过同期OpenAI约250亿美元；5月初进一步超过470亿美元，至6月28日达到约690亿美元，同期OpenAI约为420亿美元，两家公司合计约1110亿美元。Claude Code通过嵌入企业开发流程，推动开发者持续产生长上下文、工具调用和输出Token，使收入能够随使用频率与任务深度较快扩张。我们认为，Anthropic在2026年4月超过OpenAI，反映Coding与企业API已成为基础模型商业化的重要增长来源。

Coding能力如何成为商业化拐点

Coding较普通聊天具备更清晰的商业化路径

Coding的使用特征使其更容易形成可持续收入。开发者在代码补全、调试、测试、重构和项目级开发中具有较高使用频率，单用户通常会持续产生输入、输出、长上下文及工具调用Token，Agent任务还可能连续运行数十分钟甚至数小时。与此同时，Coding任务的商业价值相对容易量化，企业可以通过开发周期、代码产出、缺陷率和研发人效评估投入回报，模型能力差异也会直接影响任务完成质量和工程效率，因此用户可能愿意为能力更强、稳定性更高的模型支付一定溢价。产品形态还可由个人代码补全逐步扩展至代码库理解、测试、审核和修复，并进一步进入企业采购。我们认为，Coding能够将模型能力与可量化的生产力提升直接连接，可能成为API及Agent收入增长的重要场景。

普通聊天具备用户入口价值，但商业化约束相对更多。通用聊天产品通常包含较高比例的免费用户，单次问答的任务价值和付费回报较难量化，尤其在国内市场，消费者直接订阅意愿相对有限，因此用户规模增长未必同步转化为收入增长。与此同时，生成式AI每次对话均会产生实际推理成本，大规模免费调用可能持续占用算力资源，而消费者可以在多个免费产品之间切换，用户留存和价格提升均面临一定压力。Coding产品在代码库上下文、工具配置和团队协作流程中的嵌入程度相对更深，模型切换通常还涉及工作环境及协作流程调整。我们认为，普通聊天更有利于建立用户入口和品牌认知，Coding则更容易形成高频调用、企业采购和较高价值的Token收入。

Claude通过持续迭代逐步建立Coding优势

Claude的代码能力在Claude 2至3 Opus阶段持续积累。据Anthropic于2023年7月11日发布的Claude 2模型，Claude 2在HumanEval上的得分由Claude 1.3的56.0%提升至71.2%，反映其单函数代码生成能力有所增强。Anthropic于2024年3月4日发布的《Introducing the next generation of Claude》中的Claude 3 Opus进一步提升代码生成、复杂推理和长上下文能力，但整体仍定位为通用智能模型。Anthropic于2024年10月22日发布的《Introducing computer use, a new Claude 3.5 Sonnet, and Claude 3.5 Haiku》所列统一测试结果显示，Claude 3 Opus在SWE-bench Verified上的任务解决率约为22%，表明其已经具备一定的代码库理解和问题修复能力，但在真实软件工程任务上的稳定性仍有提升空间。

Claude 3.5 Sonnet构成Coding能力的重要拐点。据Anthropic于2024年6月20日发布的Claude 3.5 Sonnet模型，初代Claude 3.5 Sonnet在内部Agent Coding评测中的任务解决率达到64%，高于Claude 3 Opus的38%，并能够在工具支持下自主读取、编辑、执行和调试代码；同时，其运行速度约为Claude 3 Opus的2倍，价格维持Sonnet档位，有助于代码能力以相对较低的成本进入开发者产品。Anthropic于2024年10月22日发布的升级版本进一步将SWE-bench Verified得分由33.4%提升至49.0%，同期Claude 3 Opus约为22%，工具调用和多步骤编程能力亦有所增强。随后GitHub Copilot引入Claude 3.5 Sonnet，表明其代码能力开始获得主流开发者平台采用，Coding口碑和第三方集成由此逐步形成。

Agent化产品推动Coding优势向商业化转化。Anthropic于2024年10月22日推出的Computer Use使Claude能够通过屏幕、鼠标和键盘执行外部操作，将代码生成能力延伸至工具调用和多步骤任务。2025年2月24日，Claude 3.7 Sonnet加入扩展思考能力，Anthropic同期推出Claude Code研究预览，使模型能够搜索代码库、修改文件、运行测试并使用命令行工具，Coding由单次问答逐步进入完整软件工程流程。此后，Claude Code在2025年2月24日至5月22日逐步产品化，Sonnet 4在SWE-bench上的得分进一步提升至72.7%，后续迭代重点转向长任务执行、代码库理解和Agent可靠性。我们认为，2024年6月的Claude 3.5 Sonnet可视为Coding能力拐点，10月的版本升级是优势得到进一步验证的节点，2025年2月至5月的Claude Code则构成产品化和商业化拐点。

Cursor带动Claude API，Anthropic躬身入局

Cursor在产品起量阶段较多依托Claude模型，并验证了Coding能力的高频商业化需求。据Cursor于2024年3月12日发布的更新日志《Claude Support》，平台接入Claude 3 Opus，随后陆续接入Claude 3.5 Sonnet，平台于2024年3月接入Claude 3 Opus，2024年7月将Claude 3.5 Sonnet设为默认模型，并通过代码库索引、上下文筛选和Composer等能力，实现跨文件读取、代码修改及多步骤任务执行；此后又陆续接入Claude 3.7 Sonnet和Claude 4系列。Cursor承担开发者交互、上下文管理和任务执行，Claude提供代码理解、生成及推理能力，使单次用户请求转化为多轮模型调用、长上下文输入和持续Token消耗。据Cursor《Series C and Scale》（2025年6月6日）和《Past, Present, and Future》（2025年11月13日），公司ARR分别超过5亿美元和10亿美元；据Forbes 2026年6月8日报道，其年化收入由2026年2月约20亿美元增至4月末约30亿美元，并于6月初超过40亿美元，截至2026年8月3日尚未出现更晚的可信公开口径。我们认为，Cursor早期增长为Claude Coding能力嵌入开发者工作流后的商业价值提供了较强验证。

Claude Code正式发布后，Anthropic开始直接承接Coding Agent需求。据Anthropic于2025年2月24日发布的《Claude 3.7 Sonnet and Claude Code》及2025年5月22日发布的Claude Code正式版公告，Claude Code先以研究预览形式推出，随后正式开放。根据Anthropic 2025年9月2日、12月3日和2026年2月12日发布的公司公告，Claude Code的run-rate revenue依次超过5亿美元、10亿美元和25亿美元；同期周活跃用户数量较年初增长1倍，企业订阅数量增至年初的4倍，企业客户贡献超过产品收入的一半。我们认为，Cursor早期验证了Claude Coding能力的市场需求，Claude Code则进一步将部分第三方API需求转化为Anthropic直接掌握的产品收入、用户入口和企业客户关系。

Claude Code正由个人命令行工具向企业级Agent平台延伸。产品初期主要支持在终端内读取代码库、修改文件和运行命令，正式发布后进一步接入VS Code、JetBrains、GitHub Actions及Claude Code SDK，并持续增加子Agent、后台任务、Hooks、MCP、插件、网页版并行任务、Agent Teams和Claude Code Security等能力，产品边界由辅助编程逐步延伸至自主执行软件工程任务。Cursor主要通过IDE、Composer及代码库上下文管理承接开发者交互，并同时支持Claude和其他模型；Claude Code则逐步向IDE、企业工作流和多Agent协作扩展。我们认为，两者仍具有渠道合作和能力互补关系，但随着Anthropic加强对开发者入口及企业工作流的直接覆盖，产品边界可能进一步重叠，其关系正逐步转向渠道合作与产品竞争并存。

OpenAI Codex快速上量，Coding进入双强竞争

Codex用户规模在桌面端发布后快速增长。据OpenAI于2026年6月2日发布的《Codex is becoming a productivity tool for everyone》，Codex周活跃用户已超过500万，较2月初桌面端发布时增长超过6倍。Peter Gostev于2026年7月14日在X平台发布的修正图表显示，Codex与ChatGPT Work合计活跃用户的增长轨迹进一步上移；据OpenAI Codex产品负责人Tibo Sottiaux于2026年7月14日及21日在X平台发布的信息，二者合计活跃用户于7月14日达到800万，并于7月21日增至1000万。该口径包含ChatGPT Work，仍能够反映OpenAI Agent产品的分发和上量速度。我们认为，Codex已成为Coding Agent市场的重要参与者。

产品入口与专用模型的连续升级支撑Codex上量。Codex CLI于2025年4月进入本地终端，5月进一步推出由codex-1驱动的云端Agent，支持并行完成功能开发、代码库问答、Bug修复、测试和Pull Request等任务；同年9月至10月，OpenAI陆续上线IDE插件、代码审核、Slack集成、Codex SDK及企业管理工具，逐步打通CLI、IDE、云端和企业协作入口。2026年2月推出的桌面端进一步支持多Agent并行和长时程任务，随后扩展至Windows、Computer Use、浏览器、插件、记忆、远程开发环境及移动端远程控制，7月又并入新版ChatGPT桌面应用。我们认为，Codex通过连续完善产品入口，逐步形成覆盖个人开发者和企业工作流的分发体系。

Codex正由编程助手向长时程任务执行平台延伸。模型体系由codex-1逐步升级至GPT-5-Codex、GPT-5.1-Codex-Max、GPT-5.2-Codex和GPT-5.3-Codex，能力重点由代码生成和审核扩展至大型代码库理解、上下文压缩、多小时调试、项目级重构、工具调用、部署监控及计算机操作。桌面端通过独立线程和Git worktree管理多个并行Agent，并结合Skills、Automations及Symphony等编排方式，将团队规范、重复任务和外部任务系统纳入统一流程。据OpenAI于2026年6月2日发布的《Codex is becoming a productivity tool for everyone》，2026年5月超过70%的用户曾向Codex提交预计需要人工工作1小时以上的任务，其使用场景亦开始延伸至报告、表格、演示文稿、研究和数据分析。我们认为，Codex的产品边界正在由Coding Agent向通用任务执行平台扩展。

OpenAI与Anthropic分别验证了两条Coding商业化路径。Anthropic依托模型Coding能力、长上下文和工具调用优势，先通过Cursor等第三方产品扩大API调用和Token消耗，再以Claude Code建立自有产品入口，推动企业采购和年度化收入增长，形成"模型能力提升—第三方生态采用—API需求增长—自有入口建设—企业市场放量"的发展路径。OpenAI则依托ChatGPT用户基础、开发者平台和企业渠道，将既有用户进一步导向Codex，并通过专用模型、CLI、IDE、云端和桌面端形成全栈分发体系。我们认为，Anthropic较早验证了高价值场景驱动API商业化的可行性，OpenAI则进一步体现了C端入口与企业级Agent产品之间的协同价值。

Coding Agent市场正在进入双强竞争阶段。Anthropic率先在Coding场景形成开发者口碑和商业化突破，并通过Claude Code增强对产品体验、客户关系和收入的控制；OpenAI则凭借ChatGPT入口、开发者基础、企业渠道和完整产品矩阵推动Codex快速上量，双方的竞争范围已由模型代码能力扩展至长时程任务执行、企业工作流渗透、高价值Token消耗和开发者入口。我们认为，当前尚难判断双方的长期竞争格局，但OpenAI的分发优势与Anthropic的场景积累均已形成较强基础，Coding或将成为两家公司后续商业化竞争的核心方向之一。

基础模型或会多厂商共存

Ramp AI Index：企业模型份额持续变化

据Ramp Economics Lab于2026年6月26日发布的《How much does it cost to be AI-pilled?》及Ramp AI Index历史月度数据，企业模型采用格局仍在快速变化。Ramp基于企业卡和账单支付记录统计付费采用率，反映使用某厂商产品的企业比例；同一家企业可以同时采用多家模型，因此各厂商采用率无需加总至100%，也不等同于收入或Token份额。2025年7月，OpenAI和Anthropic采用率分别为35.1%和11.1%，12月分别升至36.8%和16.7%；2026年1—3月，Anthropic进一步由19.5%升至30.6%，并于4月以34.4%超过OpenAI的32.3%。截至2026年6月，Anthropic和OpenAI采用率分别达到42.4%和39.5%。Ramp于6月调整统计方法，以更充分捕捉企业支出，因此跨期数据更适合观察趋势和相对排名。

企业模型采用差异与行业结构、客户成熟度及产品能力密切相关。据Ramp Economics Lab于2026年4月11日发布的《What drives AI adoption?》（数据截至2026年3月），Anthropic在信息技术、金融和专业服务行业的采用率分别为63%、52%和47%，同期OpenAI分别为54%、46%和44%；OpenAI在其他行业仍保持领先。在VC支持企业中，Anthropic和OpenAI采用率分别达到66%和59%，反映高技术密度企业具有更明显的多模型采用特征。我们认为，企业模型采用格局仍未固化，模型能力、使用成本和分发渠道变化均可能推动客户采用率持续迁移。

企业正在同时使用多款模型

企业多模型采购正在成为常态化技术架构。据Ramp Economics Lab于2026年2月11日发布的《Anthropic’s breakout month》（基于2026年1月Ramp数据），约79%的Anthropic客户同时向OpenAI付费，16%的Ramp企业同时采用OpenAI和Anthropic，较一年前的8%提高一倍，表明Anthropic的增长较大程度来自企业增加第二家模型供应商。据a16z于2025年6月10日发布的《How 100 Enterprise CIOs Are Building and Buying Gen AI in 2025》，使用5款及以上模型的企业占比由29%升至37%，据a16z于2026年1月30日发布的《Leaders, gainers and unexpected winners in the Enterprise AI arms race》，81%的企业已在测试或生产环境使用3个及以上模型家族。F5于2026年5月5日发布的《The State of AI Delivery and Security in 2026》显示，78%的组织采用多款模型，管理分布式推理服务的企业平均涉及约7款模型；Docker于2026年3月12日发布的《Flexibility Over Lock-In: The Enterprise Shift in Agent Strategy》显示，46%的受访组织在Agent中使用4-6款模型，仅2%依赖单一模型。尽管不同调查的样本和口径存在差异，其结果均表明多模型采购正在由试验行为逐步转向企业常态。

企业通常在探索阶段扩大测试范围，并在生产环境形成相对集中的模型组合。据Melissa Z. Pan等于2025年12月2日在arXiv发布的《Measuring Agents in Production》，尚未部署的试验和研究型Agent更倾向组合4款及以上模型，进入生产环境后，企业通常会减少模型数量，以控制成本、延迟、治理复杂度及故障风险。大型企业由于业务部门、应用场景、云平台环境和数据合规要求更加多样，通常具有更强的多供应商需求；中小企业则可能更多依赖统一套件或少数模型，降低集成和运维成本。因此，企业级多模型主要体现为整体保留多家供应商，并为不同工作流配置相对稳定的模型组合，并不意味着每项任务均需同时调用大量模型。

任务差异是企业采用多模型的核心原因。具体来看：1）复杂Coding、长链路Agent、深度推理及失败代价较高的任务，更倾向采用能力较强的前沿模型，其模型成本在整体任务价值中的占比相对有限。2）成熟、可重复及高并发任务，更适合采用开源模型、小模型或低价Flash模型，以降低成本和延迟。3）涉及敏感数据、地区合规和供应安全的任务，可能采用主权模型、私有部署模型或特定云平台模型。4）语音、客服、金融、Coding和数据分析等场景，可能采用垂直模型或专用Agent，实际效果更多取决于工作流数据、验证机制和系统集成能力。企业最终会综合比较模型能力、价格、延迟、稳定性、数据安全、服务可用性及既有技术栈。

部分企业可能遵循"先闭后开"的模型迁移路径，并通过动态路由持续调整供应商结构。在业务探索阶段，企业可先使用前沿模型验证产品形态和工作流；当任务流程逐渐成熟并积累真实数据后，再通过后训练、蒸馏、开源模型或自研模型降低推理成本。前沿模型既可能长期承担复杂任务，也可以为垂直模型训练和工作流优化提供能力基础。企业还可通过路由系统将复杂任务分配给前沿模型，将标准化任务转向低价模型，并保留第二供应商以应对配额、服务中断、地区合规和模型版本风险。我们认为，基础模型市场可能形成多家头部厂商长期共存的竞争格局，各厂商在不同任务中建立差异化优势，市场份额则随模型迭代、价格变化和企业工作流迁移持续调整。

智谱与MiniMax的路径如何演变

MiniMax早期商业化更偏C端产品和海外市场

MiniMax早期商业化更偏向AI原生应用和产品探索。公司围绕Talkie/星野、海螺AI、MiniMax及语音产品形成C端矩阵，覆盖AI陪伴、社交、内容创作和多模态生成等场景，同时以开放平台承接开发者和企业需求。据MiniMax于2026年3月2日发布的2025年度业绩公告，公司总收入由2023年的约346万美元增至2025年的约7,904万美元，AI原生产品收入占比由约22%提升至约67%。我们认为，MiniMax早期主要通过多款产品验证交互形态、用户需求和PMF，与OpenAI依托ChatGPT获取真实用户反馈的产品探索思路具有一定相似性。

海外市场是MiniMax早期产品扩张的重要支撑。据MiniMax于2026年3月2日发布的2025年度业绩公告，公司海外收入占比由2023年的不足20%提升至2025年的约73%，收入地域结构已由国内为主转向全球市场；截至2025年9月底，AI原生产品累计用户超过2亿，Talkie/星野和海螺AI构成主要用户入口。海外市场扩大了MiniMax的可触达用户范围，并为AI陪伴、内容生成和多模态产品提供了更多付费环境与文化场景。我们认为，全球化分发与多产品试错共同构成MiniMax早期商业化路径的重要特征。

C端用户规模与商业价值并不一定同步增长。据《晚点LatePost》于2026年6月16日发布的《字节跳动的AI账本：豆包每天不足百万收入、Seedance毛利70%》，截至2026年上半年，豆包日活跃用户已超过2亿，但日收入不足百万元；据其测算，2026年5月豆包日均算力成本达到数千万元；同期Seedance年化收入约20亿美元，收入主要来自企业客户，毛利率约70%。通用C端应用有助于积累用户、品牌和使用反馈，但免费或低付费模式可能带来较高推理成本；视频生成、Coding、API和企业服务等场景的任务价值及付费回报通常更加清晰。我们认为，MiniMax的C端产品矩阵仍具有用户入口和场景探索价值，商业化重心可能逐步向高价值任务和企业需求延伸。

MiniMax与OpenAI的相似性主要体现在早期产品探索机制。两家公司均重视产品入口、用户规模和真实反馈，并通过消费端产品探索新的AI交互方式；在具体路径上，ChatGPT以通用助手为核心入口，MiniMax则更多通过AI陪伴和视频生成等垂直产品触达用户，其收入结构中充值和营销服务的权重也相对更高。此外，两家公司在资金、算力、市场环境和企业客户基础方面存在差异。我们认为，MiniMax更适合被理解为一条"早期偏重C端产品探索，后续逐步提高多模态、API及企业业务权重"的发展路径。

智谱早期商业化更偏企业、本地化部署和项目制

智谱早期商业化以企业客户和本地化部署为主。据智谱2025年12月30日发布的招股书及2026年3月31日发布的2025年度业绩公告，公司2022-2025年收入分别约为0.57亿元、1.25亿元、3.12亿元和7.24亿元，本地化部署收入占比分别为95.5%、90.4%、84.5%和73.7%，云端部署占比则由4.5%逐步提高至26.3%。本地化部署主要面向企业及政企客户，将GLM模型部署于客户本地环境，并结合客户数据、算力基础设施和业务需求进行适配。我们认为，该模式帮助智谱较早完成企业市场的商业化验证，但收入扩张相对依赖项目获取、实施及交付能力。

2025年智谱标准化产品收入占比进一步提高。据智谱于2026年3月31日披露的2025年度业绩公告，公司企业级通用大模型收入约3.65亿元，占比50.4%，主要采用私有化部署模式；企业级智能体收入约1.65亿元，占比22.9%；开放平台及API收入约1.90亿元，占比26.3%；技术服务及其他收入占比较低。其中，API及相关收入由2024年的约0.48亿元增至2025年的1.90亿元，同比增长约293%。我们认为，智谱正在形成"本地化部署基本盘+API及Agent标准化产品"的并行商业化结构，收入的可复制性和使用量驱动特征逐步增强。

智谱与Anthropic均偏向企业市场，但商业化方式仍有差异。据SemiAnalysis《Anthropic 3Q26 Profit Over $1B》估算，Anthropic约75%-85%的ARR来自按使用量计费的API，消费订阅约占5%，并主要通过云平台渠道、Claude Code、企业订阅及开发者生态扩大Token调用。智谱早期企业收入较多来自私有化部署、客户本地算力适配和行业解决方案，单个项目对实施及交付能力的要求相对较高。随着API和Agent业务占比提升，智谱的商业化路径正逐步向标准化模型服务和使用量驱动模式延伸。我们认为，Anthropic的标准化程度相对更高，智谱则处于由项目交付向标准化模型服务快速迁移的阶段。

两家公司商业化重心逐步向API、Coding和Agent收敛

智谱与MiniMax正由不同起点向相近商业化方向延伸。智谱早期更侧重政企客户、私有化部署和企业模型服务，近年来进一步拓展自有API、Coding Plan和Agent能力；MiniMax则从消费级应用和多模态产品起步，随后通过开放平台、Token Plan、MiniMax Code及MiniMax Agent扩大开发者和企业市场。智谱与MiniMax均已形成API按量计费和固定额度套餐，并通过Coding、Agent及第三方开发工具提高模型调用频率和单项任务Token消耗。我们认为，两家公司的商业化重心均在向标准化API、高价值生产力场景和使用量驱动收入迁移。

智谱已形成Coding能力提升带动API调用增长的初步链条。据智谱2025年7月28日发布的《GLM-4.5: Reasoning, Coding, and Agentic Abilities》，GLM-4.5开始统一训练推理、Coding和Agent能力，GLM-4.6及GLM-4.7进一步强化代码生成、工具调用和复杂任务执行；此后GLM-5将产品定位由Vibe Coding推进至Agentic Engineering，GLM-5.1和GLM-5.2继续提升代码库理解及长时程任务能力。据智谱于2026年6月16日发布的《GLM-5.2: Built for Long-Horizon Tasks》，GLM-5.2在Terminal-Bench 2.1上的得分由上一代的63.5提高至81.0，SWE-bench Pro由58.4提高至62.1。据智谱2025年度业绩说明会（2026年3月31日），智谱2026年一季度API价格累计提高约83%，同期调用量增长约400%，反映模型能力和Coding需求提升后，价格与使用量仍可同步增长。

智谱和MiniMax的API收入扩张已开始反映在ARR指标中。据智谱2025年度业绩说明会（2026年3月31日），智谱2026年3月MaaS API ARR约为2.5亿美元；据36氪2026年7月16日发布的《独家｜智谱ARR达到10亿美元，半年增长15倍》，截至2026年7月ARR约为10亿美元，2026年1月至7月增长约15倍。MiniMax同期亦在加快开发者产品布局，据MiniMax 2025年度业绩会（2026年3月2日）及2026年5月28日公开业务数据，公司2026年2月ARR已超过1.5亿美元，此后两个月增长超过100%，对应规模超过3亿美元。另据2026年7月4日发布的MiniMax高盛电话会纪要，MiniMax 2026年4月ARR已达到约4亿美元，管理层对年底实现至少10亿美元ARR保持信心。

未来基础模型公司最应该看什么

基础模型公司的竞争力可从模型能力、商业化质量、市场份额及产品分发四个维度持续跟踪。模型能力决定产品上限和单位成本，商业化指标验证客户付费意愿，市场份额反映竞争优势的稳定性，产品与分发则决定模型能力能否转化为规模化用户和收入。

模型能力仍是基础模型公司竞争力和商业化效率的基础。评价体系不宜依赖单一Benchmark，后续应重点跟踪：1）Coding、Agent、推理、多模态、长上下文及工具调用能力。2）真实代码库修改、复杂任务执行和长时程任务完成率。3）单位任务成本、响应速度、并发吞吐及服务稳定性。4）模型架构、训练方法和推理系统的技术进展。据DeepSeek-AI于2026年4月26日发布的《DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence》及Xinyu Cheng等于2026年7月6日发布的《DSpark: Confidence-Scheduled Speculative Decoding with Semi-Autoregressive Generation》CSA/HCA混合注意力通过压缩KV Cache和稀疏检索降低百万Token长上下文成本，DSpark则通过半自回归生成和动态验证调度提高候选Token接受长度，改善实际服务中的吞吐和延迟。相关创新表明，底层技术进展可以同时影响模型能力、推理成本和产品体验。我们认为，后续应更加关注新技术能否在真实生产环境中提高任务完成率、单位算力产出和服务稳定性。

ARR是观察基础模型商业化进展的重要指标，但仍需结合收入构成和单位经济性判断增长质量。基础模型公司的收入来源包括API、企业模型服务、消费订阅、Coding、Agent、视频及多模态产品、开放平台、海外业务和本地化项目，不同收入模式在标准化程度、客户留存和毛利率方面存在差异。后续应重点跟踪：1）ARR规模、增速及季度新增ARR。2）API实际消耗、预充值和合同额之间的差异。3）客户留存率、净收入留存率NRR及大客户集中度。4）Coding、Agent等高价值场景的收入贡献。5）毛利率和推理成本。6）项目制收入向标准化、可复制收入转化的进度。我们认为，ARR能够较快反映业务起量速度，真实Token消耗、客户留存和毛利率能否同步改善，将决定商业模式的可持续性。

多模型共存背景下，持续份额及其变化趋势较单一时点排名更具研究价值。海外已有Ramp AI Index等指标持续跟踪企业付费采用率，可以观察市场份额如何随模型能力、价格、产品和渠道变化而迁移，并验证Coding、低成本模型及云平台分发对客户获取的推动作用。国内尚缺少覆盖企业采购、API调用和开发者使用的统一公开数据，后续需要组合跟踪：1）企业客户和开发者数量。2）开放平台Token调用量。3）Coding工具及第三方应用中的模型采用率。4）云平台和模型聚合平台份额。5）国内外收入及客户结构。6）模型切换率和多模型路由占比。我们认为，基础模型公司无需在全部场景同时领先，在若干高价值任务中建立稳定份额并持续提高客户使用深度，同样可以形成较强商业价值。

模型迭代不及预期。若基础模型在 Coding、Agent、长时程任务等能力上的提升低于预期，可能影响开发者采用、Token 调用量及商业化增长。

商业化进展不及预期。若企业API、Coding和Agent需求增长放缓，或客户付费意愿弱于预期，智谱、MiniMax等厂商ARR增长可能低于预期。

行业竞争加剧。海内外基础模型厂商持续迭代并加大价格竞争，企业同时采用多家模型已逐步常态化，可能对单一厂商的市场份额、定价及盈利能力形成压力。