模型公司上市元年：智谱与 MiniMax 财报如何重写 Frontier Model 的经济学财报 × OpenRouter × API 定价 × 融资 × 估值 × P/S

两份上市财报交叉验证的，不只是“模型公司很烧钱”

最重要的变化，是模型竞争正在从“谁的 Benchmark 更高”转向三个同时发生的经济问题：谁能以更低成本产生足够智能、谁能让 Agent 完成更长的真实任务、谁能把每一美元 Compute 和 R&D 转化为更高的 Gross Profit 与 Economic Value。

两张公开损益表，第一次把“纯模型公司”的成本结构摊开

这组数据建立了“纯 Frontier Model 公司”的第一版财务模板：收入高速增长，在线推理毛利率仍显著低于成熟 SaaS，R&D 约为收入 2–3 倍，融资必须持续支撑训练、后训练和推理扩张。因此不能用 80% 软件毛利率的旧模板去理解这类资产。

真正的拐点：收入正在从项目交付转向持续调用与平台化消耗

智谱旧式企业本地化大模型收入下降，而开放平台/API 爆发；MiniMax 同样由开放平台和企业服务驱动增长。两家公司路线不同，却同时把收入表从“一次性交付”迁移到“持续消耗”。这一步很重要，因为它把模型公司的经营杠杆真正绑定到 Token volume × price × inference cost。

Agent 没有替代 Token；它把 Token 组织成了“数字工时”

这一阶段最值得关注的单位已经从“多少钱一百万 Token”向“完成一个任务需要多少 Token，以及这个任务值多少钱”迁移。智谱的管理层表述尤其直接：Chat → Coding → Agent → Co-work → Autonomous AI；商业模式则对应 Sell Model → Sell Invocations → Sell Subscriptions → Sell End-to-End Task Outcomes。MiniMax 独立给出的长期判断也高度一致：模型会从辅助单个任务走向持续负责复杂、多步骤任务。

真实开发者流量没有收敛到一个万能模型，反而出现“任务级分工”

更关键的是任务排名。Anthropic 在代码生成、调试、DevOps、SQL、Workflow Execution、Multi-step Planning 等高价值工作任务上表现强；OpenAI 在 Research & Reports、Translation 领先；Moonshot/Kimi 在 Security Audit、Web Search、Tool Dispatch 等任务突出；DeepSeek 在 Shell Execution 占优。行业可能不是 winner-take-all，而是 Router 自动把任务分给最具性价比/成功率的模型。

这会把模型护城河改写成：模型品牌仍重要，但长期更重要的是能否成为某类任务的默认 economic optimum（经济最优解）。Router 本身因此可能获得新的客户关系和议价权。

API 价格跨度超过一个数量级：市场已经在为“任务价值密度”分层

DeepSeek、MiniMax 等模型持续把 Intelligence/$ 的下限往下推；Claude 仍能维持明显价格溢价。这两件事可以同时成立，因为客户不是只买 Token，而是在买成功完成任务的概率。如果一个高价模型把复杂任务成功率从 70% 提升到 95%，它可能反而更便宜。Agent 时代真正应比较的是 $/Successful Task，不是孤立的 $/Token。

智谱 H1 给出了一个反常识信号：单位 Token 推理成本较年初下降约 80%，API 平均售价却较年初上涨约 101%，同时 API 毛利率由 -0.4% 升至 24.6%。至少在当前阶段，模型能力与 Coding/Agent 使用场景提升了 Token 的经济价值密度，尚未被纯价格战完全吞掉。

模型公司的第二张竞争榜，不是 Benchmark，而是资本动员能力

资本差距已经成为能力差距的一部分。Agent 越成功，未必意味着算力压力下降：长任务、工具调用、重试和更高并发会扩大 Token 总量，形成 模型更强 → 使用更多 → Compute 更多 → 融资更多 的反馈回路。算法效率提升和总算力需求上升完全可以同时发生，这正是 AI 版 Jevons Paradox（杰文斯悖论）的表现。

因此融资规模不是护城河本身。更值得统一比较的是 Compute Multiplier / Compute ROIC：每增加一美元训练与推理资源，能产生多少新增收入、Gross Profit 与可验证任务。智谱把“开放平台/API 收入 ÷ Compute 投入”定义为 Compute Multiplier，并披露同比提升约 14 倍，这比单看 Token 规模更接近投资者需要的资本效率指标。

六家公司市销率：估值很高，但“贵”的含义并不相同

对尚未形成稳定利润的 Frontier Model 公司，P/S（Price-to-Sales，市销率）是目前最简单的估值尺子。但这里必须使用 latest revenue run-rate / ARR（最新收入运行率），并把分母口径写清楚；否则在收入仍以月度甚至周度倍增的行业里，用六个月历史收入机械年化会制造巨大误差。

最直观的结论不是“谁倍数低谁便宜”。 DeepSeek 约 148× 看起来最贵，核心原因是当前商业化分母仍小，而估值提前计入低成本智能与开源生态的长期份额；智谱约 45× 和 xAI 约 37× 位于中高区间，市场正在为 Agent 商业化、算力规模化和分发能力预付溢价。OpenAI 与 Anthropic 的 P/S 反而降到约 20×和 15×以内，恰恰说明它们的收入运行率已经追上估值增长，分母变厚，并不能据此简单判断“质地更差”。

智谱尤其说明了分母选择的重要性：若用 H1 已确认收入简单年化，其 P/S 会远高于 200×；若用 8 月 MaaS ARR，则约 45×。这不是数学错误，而是模型行业收入在 2026 年出现了极快的 step-function growth（阶跃式增长）。因此这组 P/S 更适合回答“市场正在为当前商业化速度付多少倍”，而不适合当作成熟软件公司的静态估值尺。

如果只能选两个指标做快速投资筛选，当前阶段我会用 P/S + Revenue Growth；如果再加两个，就加入 Gross Margin + R&D / Revenue。这四个分别覆盖价格、增长、单位经济和资本消耗，已经可以构成最简版的 Frontier Model 投资价值矩阵。

港股第一次公开给“独立模型资产”定价，也第一次展示模型稀缺溢价如何被现金流审视

最值得注意的是：两家公司 H1 收入和经调整亏损规模处在相近数量级，公开市场却已经给出四倍以上的市值差距。市场正在提前为“谁能成为 Agent 的主模型、谁能更快改善 Compute Economics、谁能把融资转成每股经济价值”定价。模型公司上市之后，Benchmark 仍然重要，但不再享有脱离 P&L 的豁免权。

六家公司不是六个同质 Chatbot，而是六种不同的经济路线

五组独立证据，把行业趋势从“故事”变成了可检验框架

什么会证伪当前的 Agent / Frontier Model 经济学？

下一步：Frontier Model Economics 1.0 统一账本

这份专题完成的是行业横截面：两份公开财报提供真实成本结构，OpenRouter 提供第三方使用行为，API 价格提供边际收入单位，融资、估值和 P/S 提供资本市场约束。下一步统一账本要把这些变量装进同一张生产函数：

最终要回答的不是“哪家模型最好”，而是哪家公司能把每一瓦电、每一美元算力和每一美元研发，稳定转化成更多可验证任务与更高经济价值。

下一条研究路径

主要来源与口径

注：私营公司累计融资统计依赖数据库对战略投资、债务、分拆轮次与 committed capital 的归类，本文将其作为资本规模数量级，不作为精确会计同口径排名。P/S 同样属于 screening multiple（筛选型估值倍数）：DeepSeek 为拟议估值 / ARR，xAI 为交易隐含估值 / 混合 AI segment 年化收入，智谱为港股市值美元等值 / 管理层披露 MaaS ARR；不同分母定义决定了它只能看方向，不能机械排序后直接得出买卖结论。