智谱和MiniMax，把大模型做成了两种生意

智谱和 MiniMax 前后脚交出了上市后的首份中报。

先看总量。MiniMax 上半年收入 1.17 亿美元，同比增长 283%，8 月 ARR 超过 8 亿美元；智谱上半年收入 9.54 亿元人民币，同比增长近 400%，8 月 ARR 达到 16 亿美元。ARR 数字让智谱显得更亮眼，但两家实际收入规模相差不大，经调整亏损也都在 3 亿美元上下。ARR 只是某个时点的年化速度，不能替代收入、毛利与现金流。

更值得关注的是，它们把大模型卖到了不同的方向。

智谱：API 成为主引擎，向“按结果收费”爬坡

智谱上半年确认收入约 1.42 亿美元（9.54 亿元），同比增长 399.7%；毛利率 26.4%，低于去年同期的 50%，原因是高毛利的本地化部署收入退后，API 占比大幅上升。开放平台与 API 收入 8.25 亿元，占比 86.5%，去年同期只有 15.2%；本地化部署相关收入同比下降 54.6%。

电话会上，智谱称 MaaS 平台 Token 调用量较年初增长超 40 倍，付费日活增长 603%，API 平均售价提升约 101%，API 毛利率升至 24.6%。按 8 月单月收入乘以 12 计算，MaaS ARR 达 16 亿美元；按最近一周收入年化，则超过 20 亿美元。

从「部署到客户机房、签一单确认一单收入」，到「模型放云端、按调用量持续收费」，智谱正在把一个项目制生意变成更可扩张的订阅与用量生意。

代价是投入仍高。上半年研发支出 21.31 亿元，超过收入的 2 倍；经营亏损从 18.99 亿元扩至 21.47 亿元。「期内亏损收窄」主要来自上市后优先股转换的会计影响。

智谱还在中报里放进了不少非财务指标，甚至给出一个公式：AGI 商业价值＝智能上界 ×Token 消耗规模。它还自定义了「算力乘数」，称单位算力投入对应的 API 收入同比提升约 14 倍。这些没有披露绝对值和计算过程的指标，与其说是给投资者的答案，不如说是对估值解释权的争夺。

产品节奏也服务于同一套逻辑。GLM-5.2 强化长程 Coding 与 Agent 能力；GLM-5.3 进一步扩大长程任务和强化学习投入，自建评测中端到端任务完成率提升超 50%；GLM-5.3-Flash 则用 3200 亿总参数、180 亿激活参数的稀疏架构把价格压到 GLM-5.2 的十分之一左右，匿名测试六天消耗超 62 万亿 Token，单位 Token 推理成本较年初下降约 80%。

一条产品线负责把任务难度做上去，一条负责把调用成本打下来。智谱真正想卖的，已经从本地模型、API 调用，变成能进入企业流程、按端到端任务收费的 Agent。目前智能体业务收入 5556 万元，同比增长 304.4%，网安仍处验证早期，「按结果收费」还要等后续财报验证。

MiniMax：把单位智能成本做低，把覆盖面做大

MiniMax 的路数不太一样。上半年收入 1.17 亿美元，同比增长 283.1%；毛利率提升至 17.9%。其中开放平台及企业服务收入 7393 万美元，同比增 703.1%，占比 63.4%；AI 原生产品收入 4264 万美元，同比增长 100.9%。

最突出的差异在海外：MiniMax 上半年海外收入占比 60.8%，内地为 39.2%。电话会上披露，企业与开发者客户超 200 万，较去年末增长约十倍；8 月 ARR 超过 8 亿美元，ToB 占 ARR 从一年前的约 30% 升至约 80%。

MiniMax 的经营逻辑可以概括为：模型价格可以继续降，单位 Token 毛利仍能改善。这家公司把路线总结为「Minimize the Cost, Maximize the Intelligence」——在算力稀缺的现实里，压低获得同等智能的成本。

产品上，MiniMax-M3 主攻 Coding、Agentic 能力和百万级上下文；H3 则聚焦视频、音频等原生多模态生成，并在 8 月开放权重。文本模型承接企业开发与智能体需求，多模态切入内容创作与 AI 原生应用。MiniMax 还在适配国产芯片，并预告 M3.1 的目标是把推理成本降到 M3 初期的三分之一左右。它不把这理解为价格战，而是相信成本下降会换来更多 Token 消耗和更宽的应用覆盖。

代价同样存在。上半年 MiniMax 研发开支 2.97 亿美元，同比增长 138.8%；经调整净亏损 2.93 亿美元，同比扩大 111.2%。期内亏损收窄同样是优先股负债公允价值变动减少的结果。

不同的顺序，同一个门槛

把两份财报放一起，共同点是模型能力开始变成收入，Token 消耗变成可追踪指标；差别在商业化顺序。

智谱在推动收费单位向上移动：从卖本地部署，到卖 API 调用，再到卖 Coding 订阅和 Co-work 结果。这条路要求模型不断跨越能力门槛，处理更高价值任务，让定价脱离 Token 数量、靠近结果价值。MiniMax 则在扩大智能的覆盖面：用架构和工程效率压低单位成本，用多模态把 AI 送进更多开发者与内容场景，靠六成海外收入扩大规模半径。两条路最终会在同一个位置相遇——能力决定 AI 能进入多深的工作，成本决定它能覆盖多少人。

下一份财报要回答的问题也因此具体：智谱的 Co-work 何时成为规模收入？MiniMax 的成本优势能否持续换来海外客户和更健康毛利？等到模型既能把事办完，又便宜到可以被大规模使用，大模型商业化才真正跨过最难的门槛。