来源：投资界
先从港股戏剧性的一幕说起。
今年先后上市的两家中国大模型公司，智谱和MiniMax，意外地走出了截然不同的曲线——
这一边，智谱持续大涨，一举跻身万亿俱乐部，上市短短几个月不经意间涨了20倍。那一边，MiniMax也曾有过市值突破4000亿港元的高光时刻，但如今股价从高点回撤超过60%。悄然间，“港股大模型双雄”之间最新的估值差距超过7倍。
与此同时，大洋彼岸两个巨无霸IPO迎面走来。
今年6月，Anthropic和OpenAI几乎同时向美国证监会提交了上市申请。两家公司最近一轮估值分别是9650亿和8520亿美元，预计今年秋季先后挂牌。这是frontier AI领域第一次有两家头部公司同时进入定价窗口，也是市场第一次拿到足够密度的财务数据来回答一个基础问题：
一家大模型公司到底值多少钱？
如果放在半年前，这个问题看起来没什么悬念。彼时市场共识很统一：Anthropic赢了。到4月，它的年化收入达到300亿美元，超过了OpenAI的250亿。Epoch AI此前预测，Anthropic的收入要到8月才能反超OpenAI，结果提前了四个月。
但5月开始，形势发生了变化。同一时期，OpenAI回过了劲。The Information报道其前五个月的月收入增长超过50%，编程工具Codex周活三个月涨了五倍。按ARR口径，Anthropic仍然领先OpenAI约35%，优势还在，但年初看上去板上钉钉的格局，到年中已经松动了。
同时，微软在6月对媒体确认，正在评估把DeepSeek的开源模型接入Copilot来降低推理成本，当全球最大的AI产品分发入口开始认真考虑用一家中国创业公司的模型来压成本，行业关注的核心问题已经开始从“谁的模型最强”向“谁的成本最优”发生转化。
由此看下来，全球AI公司正进入定价窗口。只是我们将目光拉回最熟悉的两家公司，智谱与MiniMax这7倍的差距在定价什么？它反映的是两家公司的真实距离，还是一个尚未成熟的市场用一套不完整的工具给出的暂时性结果？这个困惑相信萦绕在大多数人心里。
7倍差距在定价什么
在当前阶段，任何大模型公司的估值都和传统基本面关系不大，远没到能用P/S或P/E估值法来定价的阶段。智谱2025年收入7.24亿人民币，MiniMax约5.6亿人民币。两家亏损规模均远大于收入，流通盘很小，上市时间短，尚未进入解禁期。
在基本面无法支撑估值的阶段，市场需要一个简单、可传播、能快速形成共识的锚。是否能成为Coding SOTA 承担了这个角色。一家公司的模型在SWE-bench Pro或Code Arena上排到第几，几乎直接决定了它在二级市场被归入哪一档。传播链极短，说服力极强。
在这个锚上，智谱无疑在对的时间点打出了一张好牌。
6月中旬，Anthropic的Fable 5因出口管制被下架，几乎容易时间，GLM-5.2发布并开源，直接填上了全球开发者社区里突然出现的空缺。在SWE-bench Pro上，GLM-5.2得分62.1%，超过GPT-5.5的58.6%，在多个主流coding排行榜上拿到了第一或在场最高分。这个成绩在国内是独一档的，无论对比DeepSeek、MiniMax还是Kimi，GLM在coding领域目前都是最强的。
商业化数据也在同步验证。智谱在Q1的API定价上调83%，调用量仍然增长400%。MaaS平台ARR约17亿元人民币，12个月涨了60倍。排行榜上的领先、开源生态的卡位、加上定价权的验证，种种便是智谱万亿叙事的核心支撑。
而MiniMax在同一个锚上没有交出同样的牌。
M3在6月1日发布，SWE-bench Pro 59.0%超过了GPT-5.5，BrowseComp 83.5超过了Opus 4.7，从绝对能力看已经进入frontier tier。但M3上线同步调整了Token Plan计费规则，用户发现可用额度大幅缩水，事先没有预告，社区反应激烈。发布当天早盘高开7%，收盘跌了15%， 这一天的讨论几乎全部被计费争议占据了，M3作为模型本身的表现根本没有得到充分讨论，市场对它的第一印象就是负面的。
同样是涨价，智谱Q1把API定价上调了83%，过程平稳，没有引发类似的反弹，差别在于智谱是提前调价、逐步传导，而MiniMax是跟模型发布捆在一起、没有预告。市场给一次模型发布定价的窗口往往只有一两天，两家公司在定价管理上的成熟度差距，在这个窗口里被过分放大了。
7倍差距的核心逻辑是清晰的：智谱的GLM 5.2发布超预期，交出了国内最强的成绩，商业化数据也在同步验证；MiniMax的模型能力合格但没有超出预期，定价事件又进一步压缩了市场给它的估值空间。在当前这个阶段，这个解释显然是成立的。
问题是，这个差距能维持多久？
领先的保质期，很短
全球范围的证据已经反复说明一件事：coding领域的领先保质期很短。
Anthropic年初是公认的coding之王，Claude Code在enterprise coding市场拿到了42%到54%的份额。到了5月，增速就开始放缓，而同期OpenAI的Codex周活三个月涨了五倍。从Opus 4.5发布到GLM-5.2在coding上追平它，间隔只有204天。国内的轮转更快——过去12个月，coding排行榜的榜首换过多次，每一次重大模型发布都会重新洗一遍牌。
技术上也解释得通。Coding能力高度依赖训练数据配比和后训练策略，和基础架构上的原创性突破不同，这是一个资源密集但周期短的工程问题。一项能力的任务定义、评测方法、数据路径和商业价值一旦被验证，所有基础模型公司都会迅速投入。一次领先不会自然形成永久壁垒。
根源在于代码的输出可以被编译器和测试用例自动判定对错。这意味着训练信号的供给几乎没有瓶颈，能构造多少编程题，训练循环就能跑多长。这是过去两年内coding进步最快的原因。而同一个属性也决定了它的壁垒结构：自动验证意味着任何有算力的团队都能独立构造大规模训练信号，不依赖独占的标注数据或私有评测体系。训练信号可复制，建立在这些信号之上的训练方法就可以被系统性复制。
M2.7到M3的变化是一个直接的观察窗口。MiniMax此前不以coding见长，M2.7在主流评测中不突出。M3开始一个版本就从非重点领域进入了frontier tier，SWE-bench Pro直接超过了GPT-5.5，BrowseComp超过了Opus 4.7。
值得注意的是，M3在追赶coding的同时，效率指标也没有被牺牲。M3是428B总参数的MoE架构，GLM-5.2是744B，DeepSeek V4-Pro是1.6T。三家在SWE-bench Pro上分别做到59.0%、62.1%、55.4%，参数量最小的模型拿到了中间的分数。据NVIDIA技术博客的测试数据，M3的MSA架构在1M上下文下把每token计算量压到了上代的二十分之一。对一家还在追赶的公司来说，用更少的参数打出接近的成绩，意味着同样的算力预算能支撑更快的迭代节奏。
当然，差距仍然存在。Artificial Analysis的综合Intelligence Index上，GLM-5.2得分51，M3得分44。GLM在coding上的领先是真实的，M3在coding单项上接近但综合能力尚有距离。M3已经部分验证了追赶速度，但追赶还没有完成。
市场目前给这个追赶能力的定价权重接近零，7倍差距隐含的假设是当前的领先会持续甚至扩大。这个假设是否成立，取决于下一个版本的实际表现。但从全球行业的规律来看，coding领域单项能力的领先窗口通常以月计算。
另一个还没有被定价的维度
之前都在聊Coding，但大模型公司的价值不只有coding一个维度。在LLM国内商业化仍然深陷价格战的时候，视频生成可能已经悄悄跑出了一条不同的路。
晚点6月的一篇报道披露了一组数据：字节Seedance的毛利率达到70%，每卖出10元API调用，服务器和推理成本约占3元。核心算法团队仅十余人，视频模型的训练投入大约是语言模型的三分之一到五分之一。广告素材、短剧制作、电商内容、自动驾驶训练数据，每一个场景都指向确定的B端采购预算。头部漫剧公司使用Seedance的算力成本在5万元左右。
作为对比，国内LLM经历了两年价格战，豆包每天超过2亿人在用，日收入不足百万元，运行成本超过整个B站的经营支出。70%的毛利率，在LLM赛道几乎不可想象。
当然，这个数字需要限定。毛利率主要取决于折旧怎么算，字节的主要成本来自自建数据中心和自购芯片，芯片按几年折旧会显著影响账面成本。Seedance和快手可灵的收入增速在5月也都出现了放缓，可灵的ARR在冲到5亿美元后进入了平台期。但毋庸置疑的是，视频生成的变现路径比LL M更短。
MiniMax的Hailuo系列截至2025年底累计生成超过6亿个视频。跟Seedance一样，多模态业务的利润结构明显优于文本，据高盛估算，MiniMax的多模态API毛利率60%到70%，文本API约40%，2025年MiniMax的整体毛利率从12.2%升至25.4%。下一代视频模型H3预计近期发布。Hailuo最终能否复制Seedance的利润结构，还需要更多季度的数据来观察。
但视频生成这个维度在二级市场还几乎没有被独立定价。公开消息显示，快手正在以150亿美元的投前估值分拆可灵AI做Pre-IPO融资，计划即将港股上市，港股还在做交易视频生成平台的准备。
说到底，定价共识还没有形成
眼前，全球资本市场正在共同面对一个问题：怎么给大模型公司定价。
大模型公司是一类全新的资产，收入极小，亏损极大，技术迭代以月为周期，竞争格局每个季度都在变，传统的估值框架几乎完全失效。但与此同时，这个行业的增长速度也是前所未有的：Anthropic用15个月把年化收入从10亿做到了470亿，全球enterprise AI支出正在以每年翻倍的速度扩张，视频生成在半年内就跑出了70%毛利率的商业模型。一个跑得这么快的行业，定价方法本身也在快速迭代的过程中。
即便是在美股，定价共识也远没有形成。
OpenAI最近一轮私募估值8520亿美元，对应约35倍的预测收入倍数。桥水基金首席投资官格雷格·詹森（Greg Jensen）公开表示，这个倍数是在为“尚不存在的垄断结果”买单。但市场上同样有人认为，如果OpenAI能在2030年前实现千亿美元级收入，今天的价格回头看反而便宜了。同一家公司，同一批数据，看多和看空的理由都很充分。连华尔街最成熟的投资人之间都存在这样的分歧，说明给大模型公司定价这件事，全球都还在摸索。
但港股的处境更极端一些。可供交易的纯正大模型标的只有两家，流通盘极小，解禁期尚未到来。在这种市场结构下，一次模型发布、一次计费调整、一个排行榜更新，任何单一事件对价格的影响都会被成倍放大。
7倍的估值差距里，有多少反映的是两家公司的真实距离，有多少是市场结构本身造成的噪音，现在很难分得清。橡树资本创始人、巴菲特公开推荐的投资人霍华德·马克斯说过：决定投资结果的不是买到的东西好不好，而是买入时价格里装了多少预期。价格总是在反映已经发生的事，但决定它接下来走向的，是那些还没有发生的事。
唯一可以确定的是，当解禁期到来、流通盘扩大、更多AI公司在港股和A股上市之后，当前的价格秩序，会面临重新校准。