中国大模型商业化的一次分层。
两家中国大模型公司，在五天里先后交出了上市后的首份中报。
MiniMax 先出：上半年收入 1.17 亿美元，同比增长 283%；8 月 ARR 超过 8 亿美元。智谱随后公布：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。
如果只看 ARR，结论似乎很简单：智谱更高，MiniMax 紧随其后；两家公司都在讲 Token 调用量暴涨、企业客户增加、模型能力开始换来收入。
把数字放回财报，事情会变得复杂一些。
智谱上半年确认收入约 1.42 亿美元，MiniMax 为 1.17 亿美元，两者实际收入规模相差不远；两家的经调整亏损也几乎相同，都接近 3 亿美元。ARR 代表某个时点的收入速度，但无法直接替代收入、毛利和现金流。
两家公司都还没有走到盈利那一页。两份中报里，「期内亏损收窄」都受到上市后优先股转换带来的会计因素影响；如果剥开这层，研发和经营投入其实仍然在高位。
不一样的是两家公司正在把模型卖向哪里。
智谱的 API 收入已经占到总收入的 86.5%，它开始把模型推到 Coding、网安和长程任务的工作现场；MiniMax 的企业服务收入快速增长，同时保留着全球化、多模态和 AI 原生产品的基本盘，它更关心如何把每一单位智能做得更便宜，让更多用户、更多 Agent 和更多创作场景消费它。
两份中报，展现的是中国大模型商业化的一次分层。
01
智谱：
本地化退潮，API 已成主引擎
先看智谱的中报。上半年营收 9.54 亿元，同比增长 399.7%，已超过 2025 年全年 7.24 亿元；毛利 2.52 亿元，毛利率 26.4%；研发支出 21.31 亿元，同比增长 33.6%。
图片来源：智谱中报
增长背后是业务结构的明显转换。开放平台与 API 业务收入 8.25 亿元，同比增长 2735.7%，占总收入 86.5%—— 去年同期这个数字只有 15.2%。过去承担基本盘的本地化部署退到更靠后的位置：企业通用模型相关收入 6704 万元，同比下降 54.6%。
智谱正在从 「把模型部署进客户机房、签一笔项目确认一笔收入」，转向 「把模型放在云上、按调用量持续收费」。前者更像传统项目生意，强调交付、安全和客户关系；后者依赖模型能力、开发者生态和推理成本，更有机会形成持续、可扩张的收入。
截至中报发布时，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%；开放平台及 API 业务毛利率也从去年同期的 - 0.4% 升至 24.6%。
电话会上，管理层称，按 8 月单月收入乘以 12 计算，MaaS 平台 ARR 达到 16 亿美元；按最近一周收入年化则超过 20 亿美元。ARR 未列入财报，短期年化容易放大某个月的增速，但智谱强调它，反映出希望市场用「云端模型服务当前的运行速度」，而不只是已确认的半年收入来衡量公司。
API 高速增长，没有改变智谱仍处在高投入期的现实。收入结构从高毛利的本地化部署转向 API，整体毛利率从去年同期的 50.0% 降至 26.4%；期内亏损 20.72 亿元，经调整净亏损 19.64 亿元，经营亏损由 18.99 亿元扩大至 21.47 亿元。亏损数字方向不一，主因是优先股转换：去年同期相关金融负债公允价值变动带来 4.29 亿元损失，今年降至 2209 万元。但更能反映主营业务情况的经营亏损，仍由去年同期的18.99亿元扩大至21.47亿元。同期研发投入达到21.31亿元，是收入的两倍以上，模型训练和推理基础设施仍需要大量资金。
但智谱没有只用传统财务指标解释这笔投入。这份 60 页的中期业绩公告，用相当篇幅讨论模型架构、训练算法、强化学习、推理系统和国产芯片集群，最后还附了一份技术词汇表。
智谱在公告中提出一条公式：「AGI 商业价值＝智能上界 ×Token 消耗规模。」逻辑是，智能上界决定模型能处理什么任务，任务边界决定每个 Token 的价值密度，再由 Token 消耗规模放大。用于日常聊天的 Token，与用于完成软件工程、发现生产系统漏洞的 Token，代表不同的商业价值。公司还自定义了 「算力乘数」，衡量每投入一元训练和推理算力产生多少开放平台及 API 收入，称上半年同比提高约 14 倍—— 虽然未披露绝对值和计算过程，外界暂无法独立验证。
把这些自定义指标写进中报，说明智谱正在争夺大模型公司的估值解释权：除了收入、利润和现金流，也希望投资者关注模型能力、Token 消耗、单位任务成本，以及算力转化为收入的效率。
近期模型动作可以沿着这套方法论理解。
6 月发布的 GLM-5.2 把重点放在长程 Coding 和 Agent 能力；随后的 GLM-5.3 沿用相同底座和参数规模，主要扩大长程任务环境和强化学习投入，自建真实 Coding 评测中端到端任务完成率较 5.2 提升超 50%—— 它试图推高模型独立处理复杂任务的能力上限。
8 月底的 GLM-5.3-Flash 则负责压低大规模调用的成本：3200 亿总参数、180 亿激活参数的稀疏架构，在约 10 万张国产芯片集群上运行，价格约为 GLM-5.2 的十分之一，匿名测试六天累计消耗超 62 万亿 Token。智谱同时披露，单位 Token 推理成本较年初下降约 80%。
GLM-5.3 拓展任务上限，GLM-5.3-Flash 扩大 Token 消费规模，两条产品线分别对应公式的两端。
接下来需要证明的，是这种能力能否继续向更深的工作流延伸。
目前智能体业务收入 5556 万元，同比增长 304.4%，增长很快但体量有限；网络安全已进入 Co-work 验证阶段，法律、金融、教育等方向还在早期。「卖结果」目前更多是一条正在搭建的路径：从卖本地化模型，到卖 API 调用和 Coding 订阅，再让 Agent 进入企业流程，最终按端到端任务收费。API 高速增长验证了其中一段，Co-work 能否成为下一项规模收入，还要等后续财报回答。
02
MiniMax：
收入更全球化，
先把「单位智能」做得足够便宜
MiniMax 的中报呈现出另一种增长轮廓。
2026 年上半年，MiniMax 实现收入 1.17 亿美元，同比增长 283.1%；毛利 2081 万美元，同比增长 464.8%，毛利率从去年同期的 12.1% 提升至 17.9%。其中，开放平台及其他 AI 企业服务收入 7393 万美元，同比增长 703.1%，占总收入的 63.4%；AI 原生产品收入 4264 万美元，同比增长 100.9%。
图片来源：minimax 中报
与智谱相比，MiniMax 的一项差异很突出：海外已经是收入主体。上半年，MiniMax 海外收入为 7083 万美元，占总收入 60.8%；中国内地收入为 4575 万美元，占 39.2%。电话会上，公司进一步披露，企业和开发者客户超过 200 万，较去年末增长约十倍；其 8 月 ARR 超过 8 亿美元，ToB 业务占 ARR 的比例从一年前约 30% 提升至约 80%。
这同样是高速扩张中的数字。MiniMax 并未在财报中充分说明 8 亿美元 ARR 的具体年化方式，并不能直接与智谱按「8 月收入乘以 12」计算的 16 亿美元相减得出结论。两家的客户定义、收入确认、业务构成和 ARR 口径也都不完全一致。
不过， MiniMax 在电话会中给出的经营逻辑很清晰：模型价格可以继续下降，单位 Token 的毛利依然可以改善。原因来自模型架构、算力调度、供应链和推理效率的共同优化。它把这套思路概括为「Minimize the Cost, Maximize the Intelligence」——在算力和能源仍是稀缺资源的现实里，尽量压低获得同等智能的成本。
这套逻辑也反映在 MiniMax 最近的产品节奏上。
6 月推出的 MiniMax-M3，把重点放在 Coding、Agentic 能力与百万级上下文；公司在业绩会上称，M3 相比前一代模型，在相近价格下带来了更强的能力，这既带来新客户，也推动老客户扩大调用。
随后发布的 H3，则把重点放在视频、音频等原生多模态生成上，并在 8 月开放权重。对 MiniMax 来说，文本模型与多模态模型不是两条互不相干的产品线：前者承接企业开发、代码和智能体需求，后者切入创作、内容生产和更广泛的 AI 原生应用。
MiniMax 也在向国产芯片做适配，并预告 M3.1 将继续降低推理成本。管理层提到，目标是将推理成本降至 M3 初期水平的大约三分之一。这个目标很容易被理解为一场价格战，但 MiniMax 更关心的，是成本下降后能否带动更大的 Token 消耗、更多的开发者和更宽的商业化覆盖面。
它的财报同样提醒市场，增长离盈利还有距离。上半年 MiniMax 的研发开支为 2.97 亿美元，同比增长 138.8%；期内亏损为 3.58 亿美元，同比收窄约 11%，但经调整净亏损 2.93 亿美元，同比扩大 111.2%。期内亏损看上去改善，同样受上市后优先股相关金融负债变动减少影响：该项公允价值损失从去年同期的 2.54 亿美元降至 3100 万美元。
MiniMax 的毛利率确实在改善，收入也在向企业和海外倾斜；但公司还在为模型训练、多模态产品和全球化渠道支付高昂成本。它所押注的并非立刻提高单次调用的价格，而是先把每一单位智能做得更有效率，让更多人用得起、用得更多。
03
财报之后，两家公司在回答不同的问题
把两份财报放在一起看，智谱和 MiniMax 都在证明同一件事：模型能力可以转化成收入，Token 消耗正在成为可追踪的经营指标。两家公司的差别，更多体现在商业化的顺序上。
智谱在推动收费单位向上移动。过去客户购买一套部署在本地的模型，现在按调用量付费，接下来订阅开始成为新的交易方式。它想继续向 Co-work 推进，让模型进入软件工程、网络安全和专业知识工作，最终按一项任务、一段流程或一份可以验收的结果收费。这条路的前提，是模型每跨过一道能力门槛，就能处理更高价值的任务——定价由此逐渐脱离 Token 数量，靠近模型实际完成的工作。
MiniMax 则更关心智能覆盖面的扩张。它选择通过架构和效率优化压低单位智能成本，借助文本、视频、音频的多模态能力，把 AI 送进更多开发者、企业和内容场景——价格下降带来更大调用量，更大调用量反哺成本优化，海外六成收入则给这条规模逻辑提供了足够大的市场半径。
两条路最终会在同一个位置相遇：智谱要让企业愿意按结果付费，需要把完成任务的成本降到可以规模使用；MiniMax 要让低成本智能产生更高价值，也需要模型稳定完成复杂任务。能力决定 AI 可以进入多深的工作，成本决定这种能力可以覆盖多少人。两者缺一不可。
下一份财报需要回答的问题因此更加具体：智谱的 Co-work，什么时候能够成为一项有规模的收入；MiniMax 下降的单位智能成本，能否持续换回更多海外客户和更健康的毛利率。
一家公司把 AI 推向更深的工作，一家公司把 AI 送往更广的市场。等到模型既能把事情办完，又便宜到可以被大规模使用，大模型才真正走过商业化最难的那道门槛。
*头图来源：视觉中国
文章来自于"极客公园"，作者 "连冉"。