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（年度经常性收入）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。但把数字放回财报，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，研发和经营投入仍然在高位。

不一样的是，两家公司正在把模型卖向不同的地方。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、Agent 和创作场景消费它。

两份中报，展现的是中国大模型商业化的一次分层。

一、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%。

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”。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%。

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。”近期模型动作可以沿着这套方法论理解：

  • GLM-5.3 拓展任务上限，重点放在长程 Coding 和 Agent 能力，自建真实 Coding 评测中端到端任务完成率较 5.2 提升超 50%。
  • GLM-5.3-Flash 则负责压低大规模调用的成本，价格约为 GLM-5.2 的十分之一，单位 Token 推理成本较年初下降约 80%。

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，增长很快但体量有限。

二、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，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，占总收入的 63.4%；AI 原生产品收入 4264 万美元。

与智谱相比，MiniMax 的一项差异很突出：海外已经是收入主体。上半年海外收入为 7083 万美元，占总收入 60.8%；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 的比例约 80%。

MiniMax 在电话会中给出的经营逻辑很清晰——“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。这套逻辑反映在其产品节奏上：

  • MiniMax-M3 把重点放在 Coding、Agentic 能力与百万级上下文。
  • 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。文本模型与多模态模型相互配合，前者承接企业需求，后者切入创作与内容生产。

MiniMax 的毛利率在改善，收入也在向企业和海外倾斜，但公司上半年经调整净亏损仍达到 2.93 亿美元。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。

总结

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，体现在商业化的顺序上。

  • 智谱在推动收费单位向上移动，试图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。
  • MiniMax 更关心智能覆盖面的扩张，选择通过架构和效率优化压低单位智能成本，借助多模态能力把 AI 送进更多开发者、企业和内容场景。

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。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。