8 月，大模型双杰 MiniMax 与智谱先后交出上市后的首份半年报。

从年报数据披露来看，MiniMax 创始人闫俊杰面临的压力，显然比智谱的唐杰更大。两家公司在收入规模和亏损幅度上相差不大，但毛利率与 ARR（年度经常性收入）已出现明显分化。

财报披露的信息量也有较大差异。智谱半年报厚达 60 页，除了常规财务数据，从战略聚焦到模型能力演进、再到潜在新场景，论述详尽。MiniMax 仅 20 页，以财务数据罗列为主。

业绩会上，MiniMax 还因 ARR 统计口径遭到分析师质疑，其业绩会实录在全网几乎搜不到。

不过，大模型行业正处于新架构突破与高价值场景探索的临界点，远未到定胜负的时候。

两家公司的核心课题也高度相似：当毛利率仅为 Anthropic 的四分之一，在缺乏模型定价权的前提下，如何持续突破智能上限，并在高价值落地场景中榨干每一个 token 的价值，最终走向盈利。

01

MiniMax 有些慌乱的业绩会

表面上看，两家模型公司上半年收入上涨数据都很惊人，收入差距不算大。智谱公布上半年收入为 9.5 亿元，同比上涨 4 倍。模型云端部署的 API（开放平台及 API）收入占到 87%。

MiniMax 确认收入是 1.2 亿美元（折合人民币约 8 亿元），同比上涨 2.8 倍，B 端收入占比也从 30% 跳到 63%。

这意味着两家公司的模型 API 收入都在迅速攀升，并成为公司最重要收入来源。但实际上，这些数并不能准确衡量两家公司这一年真实情况。

比如，智谱 GLM5.2 发布于 6 月 13 日，新模型为智谱带来收入增量，只有部分反映到年报里，导致半年报业绩不达预期。

更值得关注的指标是 ARR，这个数据在两家公司的业绩电话会上成为大家关注的焦点。

ARR 是指年度经常性收入，并不等同于真实收入，可以看成一家公司未来收入的参照。业绩电话会上，智谱管理层直接提到，截至 8 月底 ARR 已经达到 16 亿美元。还公布了计算方式，是按简单的年化月度收入计算的，用 8 月的收入乘以 12。

智谱甚至还公布了按照 ARR 计算的年度大客户数量，年度贡献 100 万美元、1000 万美元、2500 万美元、2.5 亿美元的用户，分别有 37 个、8 个、2 个和 2 个。

相较之下，MiniMax 的 ARR 数据就显得有些不够真诚。

闫俊杰公布 MiniMax 的 ARR 是 8 亿美元，这个数字超出预期，此前 MiniMax 预期 2026 年底 ARR 是 10 亿美元。8 月就实现了 80%，MiniMax 却没有上调预期，这一点引发了分析师们的好奇。

" 这个 ARR 的计算口径有些扯。" 一位参加业绩会旁听的二级市场投资人士告诉我们。在分析师的追问下，闫俊杰承认，8 亿美元的计算方式是根据 8 月某一周的数据乘以 52。

这样的统计口径，几乎没有任何参考意义。

AI 行业的 ARR 通常有很大水分，这似乎已经成为公开的秘密。面对智谱、Kimi 和 DeepSeek 的模型领先，持续的压力下，很难说闫俊杰不着急。

另一个值得关注的指标是毛利率。在这一数据上，MiniMax 则表现的要相对 " 内敛 "。

MiniMax 的半年报，有关毛利率的表达非常简单，只有一句话，MiniMax2026 年上半年的毛利率是 18%，相较去年同期上涨了不到 6 个百分点。

MiniMax 并没有像智谱一样，单独把 B 端收入的毛利率拎出来。更为反常的是，在 B 端产品收入增加的情况下（B 端毛利率优于 C 端），MiniMax 上半年毛利率，相比去年底下滑了 12%。

这一点上，智谱的模型收入毛利率上涨优于 MiniMax。智谱上半年云端部署业务收入的毛利率是 24.6%，同比增加 25 个百分点，相较 2025 年年底增长 6 个百分点。

这也意味着 MiniMax 在 B 端业务模型收入上的毛利率，可能更不好。直接对应到 MiniMax 的 M 系列模型上，说明其性能未能领先，卖不上价钱。模型没有形成规模性收入，很难摊薄算力推理成本。

一直喜欢讲述模型效率叙事的 MiniMax，在效率成本上还有很远的路要走。

02

MiniMax 探索开源社区，智谱努力卖 Token

这种数据分化只是两家公司技术路线的外显。借助之前唐杰的内部信和年报信息，可以清晰瞥见智谱路线图。而对 MiniMax 而言，外界感受力似乎没那么深。

今年以来，闫俊杰几乎很少对外发声，唯一一次公开的内部信，还是 7 月 10 日宣告自己对 AGI 的决心。

闫俊杰称，从当天起，直到实现 AGI 那一天，他都将不再从公司领取任何薪酬，还拿出个人名下相当于公司总股本 4% 的股份，激励团队。

这是压力高峰时的一种战略表态。今年智谱的 Glm5.2 模型发布后，在 Artificial Analysi 智能指数中一度进入全球前三，完全碾压 MiniMax 的 M3。

MiniMax 的股价受到冲击，在 20 个工作日里一路从 640 港元下跌了 56%，到 7 月 10 日的开盘价只有 280 港元。而前一天，MiniMax 上市后首批限售股解禁，闫俊杰需要给市场一个明确的信号。内部信似乎也起到了稍许效果，当日股价下跌速度有所放缓。

直到 7 月底，MiniMax 上线多模态 H3 才成功挽回颓势。股价一路从 234 港元上涨了 60%，MiniMax 市值又重回千亿俱乐部，不过这也只是和上市发行时市值相当。

我们此前和视频创作者交流，大家对 H3 在视频生成上的表现口碑不错，又比 Seedance2.5 便宜。H3 也因此成为 MiniMax 长期面临外界质疑后的一个支撑点。MiniMax 也开源 H3，搞开发者活动，希望借助开源社区探索新的生产力场景。

比如基于 H3 Max 交互，创造 24 小时的直播频道，甚至 24 小时的直播电台。但这些场景还属于早期探索，考虑到此前曾经火爆的 AI 短剧退潮，视频创作新场景尚未诞生，还很难评估其商业价值。

相比 MiniMax 在多模态和 C 端产品的坚持，智谱早些年相继放弃了多模态和 C 端产品的探索，把战略优先级放在了更能体现 AGI 的文本模型上。

唐杰在业绩会上说，他们在多模态、视频生成、图像生成上做过很多尝试，但发现这并不能对智能上限的提升起到很大帮助。智谱的目标始终还是推进智能水平。

唐杰的业绩会上，回答了很多问题，看下来会感觉路线非常清晰。智谱一向被称为 " 后训练之神 "，对自己在算力有限下的模型参数量、后训练，都有阶段性目标。唐杰同样表示，下一代模型在扩大参数的同时，还会继续降低推理成本，加大后训练。

不过这并不是说智谱没有商业化压力。智谱管理层制定的 2026 年收入目标是 10 亿美元，上半年只完成 9 亿人民币收入。到了 8 月，智谱的收入达到 1.3 亿美元（根据 ARR 数据反推），7 月暂估 1 亿美元，即便如此，智谱接下来 4 个月的营收压力依然不小。

为了创收，智谱开始在加大销售渠道的铺展。业绩会上管理层也表态，智谱正在积极推进与海外 CSP 平台（云服务商）的合作，未来肯定会考虑通过开源模型、本地托管、收入分成这样的方式来拓展出海。一到两个月内，会有比较好的进展。

眼下最受关注的，是智谱在天猫商城开通智谱旗舰店，售卖 Coding Plan。店铺推出 4 个价格体系的产品，面向普通用户售卖 token。

智谱还谈到未来会出现两条价格曲线，一条是任务成功完成率更高的 Frontier 模型，瞄准更有高价值场景的客户群体，价格还会继续上涨。另一条是同等智能的 Flash，满足普通人的日常任务需要，价格会不断下探。

总之，无论是智谱还是 MiniMax，在高价值的生产力任务场景上，都尚未形成明确的规模收入。

03

真正的 " 斩杀线 "

过去一个月，国产模型圈最热闹的一件事，是争夺 " 国模斩杀线 "。

DeepSeek V4 Flash 上线，用更低价格进入市场，打破其他价格更高，性能接近的模型定价，逼出 " 国产模型斩杀线 " 一词。GLM-5.3-Flash 发布后，类似的称号又被安到了智谱头上。MiniMax 发布财报，也提前预告下一代模型将在性能和成本上重新定义斩杀线。

不过这条道路的竞赛，尽管可以帮助模型公司提升收入规模，满足更大范围的用户需求，但不断的内卷价格战，很可能导致模型更不赚钱，也很难提升毛利率。

在更高价值的 frontier 模型上，国产模型目前，除了 DeepSeek 毛利率较高外，普遍没有定价权。

想获得 frontier 模型，推进智能上限，压力更大。

他们不仅要证明自己能够训练出能 SOTA 或者接近 SOTA 的模型，还要证明他们拥有足够长的商业窗口，为下一次训练积累资金。

近期 GPT ‑ 6 Astra 的技术创新引发了关注，OpenAI 管理层甚至把它描述为可能开启 AGI 时代的节点，认为这是一种模型、状态管理、工具调度和用户交互的系统创新。

而新的模型结构出现，对以 API 为主要收入来源的 MiniMax、智谱来说，则意味着客户迁移、价格下降和毛利率重新承压。

这种风险对智谱尤其直接。智谱作为公认的第一梯队的国模代表，外界对其审视重要指标就是能否在模型上持续保持领先优势。

2026 年上半年，智谱开放平台及 API 收入占总收入的 87%。智谱的营收能力和基座模型的竞争力绑定得更深，一旦其他模型率先取得代际优势，收入也会更快受到影响。

MiniMax 可能相对多一层缓冲。其 AI 原生产品收入占总收入的 36.6%，产品的成功一定程度上能够延长模型的商业寿命。不过，作为多模态模型，MiniMax 的技术路线，也会让他在底层计算结构发生较大变化时，需要付出更大的训练成本。

架构的创新还可能重新分配算力优势。

目前，OpenAI 还没有披露 GPT ‑ 6 的参数规模，用更少的 Token 和更短的时间完成一项工作，还不能说明 GPT ‑ 6 训练时使用了更少的 GPU、显存或集群带宽。

如果新结构能够降低显存、带宽和计算精度要求，已经和国产芯片展开的智谱和 MiniMax，能暂时在这场算力军备赛里歇一口气。但如果恰恰相反，模型训练的成本会大幅攀升，局势又来到了有利于大厂的一方。

一位头部 AI Lab 的研究员表示，当下模型层的多数架构创新长期来看没有价值，真正重要的是交互范式和数据。

如今，GPT ‑ 6 进一步的加剧了新一轮模型 " 斩杀线 " 的激烈程度，要有真实的专业任务数据，要能统一模型、Harness 和产品，而智谱和 MiniMax 需要真正的跑到前面去。

毕竟，如果模型还没回本就已经过时了，这才是真正的斩杀线。

文｜刘培 马舒叶

编辑｜吴寻