智譜AI（Z.ai）的MaaS開放平台註冊使用者（即API使用者）已接近700萬，相比7月初增長約200萬，其中包括2.3萬家企業客戶。其開發者產品ZCode（對標OpenAI Codex）上線僅1個月，使用者數便突破百萬。今年以來，智譜的年度經常性收入（ARR）增長了15倍，據《晚點LatePost》瞭解，在Kimi和阿里新模型釋出後，智譜的ARR增速並未受到明顯影響。有投資人透露，目前智譜ARR已達到20億美元，但智譜官方已否認這一數字，接近公司的人士則表示實際數字應該更高。若按20億美元口徑計算，註冊使用者當月平均在智譜開放平台花費約160元人民幣。

在算力方面，7月21日市場傳出智譜已建成規模達1GW的國產AI算力基礎設施。據《晚點LatePost》瞭解，已有超過5萬塊國產算力晶片啟用，以緩解日益增長的推理需求。7月31日，智譜長期限售的Coding Plan在大幅漲價後已開放購買。

智譜ARR的迅猛增長，受益於程式設計場景需求的快速攀升和前沿模型的強大吸引力。作為對比，智譜在2026年2月初GLM-5模型釋出前，ARR約為1億美元左右；據《晚點LatePost》瞭解，GLM-5釋出後，智譜ARR在短期內即實現翻倍。根據Artificial Analysis的評測，GLM-5釋出時位居全球第四，僅次於Claude當時最先進的兩款模型以及OpenAI的GPT-5.2。

通過先進模型釋出牽引收入抬升的劇本，在中美兩國都已跑通。Anthropic年化收入在2025年底為90億美元，半年後已迅猛增長到500億美元（根據SemiAnalysis測算，7月已超過600億美元）。除了程式設計場景需求跑通之外，Anthropic連續推出超過OpenAI的領先模型被認為起到重要作用。智譜是第一個在中國複製這一劇本的公司，類似的故事月之暗面和阿里隨後都經歷了一遍。7月16日Kimi釋出K3，次日API就因過載中斷近六個小時，Kimi甚至停止了新使用者註冊。8月3日阿里釋出2.4萬億引數的Qwen3.8-Max，港股當天漲7%，市值重回2.4萬億港元，從6月低點算起反彈超過四成。

然而，在Anthropic走通coding這條路之前，幾乎沒有人對算力供應瓶頸有充分估計，甚至Anthropic自己也是如此。對中國大模型公司而言，算力緊缺更加嚴峻。在物理硬體無法快速擴充套件的情況下，工程師們轉而聚焦於通過演算法提升已有模型的推理效率，特別是針對長程任務的處理——這是程式設計需求的痛點。

過去智譜被認為在Infra上缺乏經驗，但隨著GLM-5帶來的先發優勢，智譜在過去半年飛速彌補Infra效率上的短板。智譜在7月已完成對中科加禾的收購，在此之前雙方已聯合辦公數月。在技術部落格中，智譜表示一個Agent幹活時平均要往模型裡塞7萬多token的上下文，遠超日常聊天內容，而通過分拆KV快取，智譜和中科加禾的研究成果可以將單個推理服務吞吐隨長程任務增長而最高提升達132%。在另一項名為ZCube的大模型推理網路架構方案中，智譜宣稱其研究成果可以提升整個生產叢集的吞吐量高達15%，同時降低AI基建中交換機與光模組需求多達三分之一。

5月下旬，智譜推出了高速版API，每秒生成token數達到400，相比常規API服務速度提升約8倍，官方稱其“重新整理當前全球大模型廠商API的速度上限”。這項研究成果來自與TileRT團隊的合作，後者與TileLang來自同一團隊——就是那份廣為流傳的梁文鋒講話裡，被認為有潛力瓦解輝達CUDA護城河的程式語言。不少研究員都同意，Infra上值得最佳化的東西實在太多。6月9日，TileRT團隊又公佈了與小米合作的成果，把MiMo-V2.5-Pro這個擁有1萬億引數的模型的速度推到了1000 token/s。

隨著程式設計需求的爆發，智譜新模型訓練也越來越朝著長程任務的方向進行，同時在模型架構上儘可能照顧推理需求。TileRT在介紹與智譜合作的那篇部落格上，把它列為下一階段的任務：模型、編譯器與硬體開始重新耦合。GLM-5.2的幾項核心架構改動，幾乎都在圍繞推理成本設計。技術報告公開的包括IndexShare——通過複用稀疏注意力層的索引器把百萬token場景下單位token的計算量降低2.9倍；以及改進後的MTP草稿層，接受長度提升20%，生成速度隨之快約兩成。後訓練階段，智譜重新採用了PPO（近端策略最佳化），並配套了名為SAO（單軌跡非同步最佳化）的非同步方法，讓每條任務跑完立刻進入學習——行業方法通常在約一百六十步就崩潰的地方，它穩定訓練了一千步；自研框架slime則能在約兩天裡把十幾個專家模型合併成一個。

技術報告中沒有公開的是推理引擎層面的配套改造，所有這些最佳化的最終結果是一張歸一化圖：如果把GLM-5.1處理3.2萬token上下文時的吞吐看作基準的話，20萬上下文長度時，GLM-5.2的吞吐能力為4.7倍，而GLM-5.1則為2.77倍，幾乎高了70%。這也是目前模型公司共同的最佳化方向。Kimi的K3在模型架構上更激進，它把四分之三的注意力層改成了所謂“線性注意力”，相比於智譜的方法，這是一種“有損”的改動，帶來的好處也是立竿見影：快取體積大幅減少，吞吐能力同步提高。

一位投資人對《晚點LatePost》表示，Infra層最佳化將是未來一兩年AI投資的重要主題：模型能力趨同之後，誰能把同樣的卡跑出更多token，誰的賬就更好看。這讓Infra人才的薪資增長飛快，1%的效率提升放在大規模部署的算力裝置中，節省下來的錢也是天文數字。

API毛利率持續改善，讓賣token變成一門好生意。一道簡單的計算題可以側面說明大模型規模化部署效率提升的空間：即使是高速版API的400 tokens/s，按照8卡H200伺服器的記憶體頻寬計算，也只用到硬體理論能力上限的四成。一位行業人士對《晚點LatePost》估算，大模型Infra每輪最佳化仍有15%到30%的效率提升，而對智譜來說就更是如此，它本來就不以Infra最佳化見長。這件事的商業價值比技術意義更大，讓賣token這件事更像一個好生意：成本端推理效率有持續的最佳化空間，收入端使用者需求持續增長。同時，程式設計的規模越來越大，專案越來越複雜，消耗的tokens越來越多。

智譜比別人更早看出來這是一門好生意，它是中國最早喊出“模型即服務”的公司，MaaS開放平台的域名bigmodel.cn早在2022年ChatGPT釋出之前就已經註冊，但它失誤的地方在於沒有在更早以更合適的價格鎖定更多算力——哪怕拿不出最先進的模型，僅僅有能立刻使用的算力，轉租出去也同樣是門好生意，馬斯克就是這麼做的。目前，AI在生產力場景的擴散程度還不夠高，因此token是一個純粹的增量市場。根據《晚點LatePost》瞭解到的情況，7月中旬Kimi釋出K3時，智譜API使用者增長情況幾乎沒有受到影響，ARR增速也沒有放緩。當下的時間點，每一個模型廠商的增長都不是以別家的萎縮為代價。這給了各家提價的底氣。

智譜在7月31號放開了Coding Plan的購買限制，除了引入積分制的計算規則之外，最引人注目的是價格上漲：推出時的入門價格每月20元，而現在Lite版已經來到118元一個月。Coding Plan本來是早期為了吸引使用者而制定的策略，當時誰都沒有料到token需求會井噴爆發。現在，智譜需要優先保供API，只能對個人使用者提價。即便如此，按照輸入、快取命中、輸出大約7:2:1的價格計算，GLM-5.2的混合價格大約是8.8元/百萬token，這顯著低於美國同性能的模型。

不同的分析機構給出了各個模型廠商API毛利率的估算，SemiAnalysis估計Anthropic API毛利率超過80%，The Information的獨家報道中指出DeepSeek的API毛利率大約在70%到80%之間。據《晚點LatePost》瞭解，智譜API毛利率在理想狀況下，於自有算力設施上運轉時可達50%到60%。這些毛利率的計算方式不涉及API服務的前期投入，而在大模型領域，前期投入恰恰是大頭——海量的算力採購，加上龐大的人員成本。

7月智譜宣佈新一輪港股配售，這發生在基石投資人港股解禁的第二天，智譜股價不降反升。據一位接近智譜的人士說，整個配售認購的時間一下午就完成，最後募資超過300億港元。根據智譜的公告，55%用於研發，既包括算力採買，也包括人才隊伍擴充。

API靜態毛利率得以維持的另一個前提是模型廠商提供的智慧是有區別的，模型領先才有定價權。但許多人認為，開源會直接影響先進模型的定價權，從而影響廠商收入。因此，不少廠商正在給開源上鎖。智譜在GLM-5.2上仍沿用最寬鬆的MIT協議，而不止一家廠商正在醞釀或推行把開源授權變成一份商業合同，條款包括：開源版本是“殘血”的，滿血版只在官方API提供；年收入超過2000萬美元的企業需單獨申請授權；為模型提供託管服務的第三方，定價不得低於官方API，部分方案還要求分成，比例最高可超過30%。另一些人則不這麼認為。開放權重模型是免費的，理論上任何人買幾台伺服器就能部署，但第三方的價格無法把模型廠商的毛利打穿，原因如前所述：模型的結構、訓練過程和推理效率日益緊密地結合在一起，第三方只能在模型之外做最佳化，而模型廠商則掌握最深的推理效能know-how。以DeepSeek為例，一個公開資訊是，許多第三方提供的DeepSeek模型其效率無法達到官方宣稱的程度，而DeepSeek已經是相對來說對技術最開放的模型廠商了。

獨立模型廠商的短暫視窗期。大模型的機會看上去正在重新回到創業公司手裡，半年多前這一切還難以想象。Kimi的估值徘徊在30億美元左右，智譜和MiniMax的招股書則難以論述自身商業模式的合理性：一家85%的收入來自專案制的本地化部署交付；一家收入依賴C端訂閱、二十多億元收入對應十幾億元虧損。C端的戰場看上去更是早已與獨立模型廠商無關：豆包砸出了國民級的使用者量，但位元組每天都在以千萬計地虧錢——免費換規模的移動網際網路打法，找不到盈利閉環。視窗期來自程式設計。Coding浪潮把按token計費的需求真正引爆，算賬的方式徹底改變了。根據智譜2025年的年報，定價提高一倍，呼叫量反而漲了八倍，與海外前沿模型的價差也在逐漸縮小。Kimi比智譜更激進，K3模型API輸出價為每百萬token 15美元，與Claude Sonnet 5的標準定價一模一樣。

視窗期的另一面是大廠的缺位：在長達半年的時間裡BAT拿不出一個第一梯隊的coding模型——2月時，人們津津樂道的敘事甚至還是春節紅包大戰，而智譜在2025年春天就已經決定把研究方向聚焦到程式設計上來。從這個角度講，視窗期甚至還在拉長，位元組已宣佈不做蒸餾，等於親手放棄了短期內快速追趕前沿模型的機會。但視窗期不會一直敞開，對沒有歷史包袱的獨立模型公司來說，更容易跟上新技術是它的優勢，但這是一場關於速度的一遍遍重複的競賽，大廠只要贏一次，整個敘事就可能重新改寫，而位元組在影片模型上已經拿出了SOTA的成果。如今它們對Coding的投入已肉眼可見地堅定。更不用說大廠在算力採購與人力成本上的優勢。今年5月的財報電話會上，阿里巴巴的吳泳銘表示對算力中心的投入規模將遠超之前承諾的三年3800億；騰訊2026年第一季度經營性資本支出同比增長了18%，環比增長了84%，“加快了對伺服器基礎設施的投資”。與之相對照的是，獨立模型廠商至今還囿於算力瓶頸，有時甚至向潛在的對手租用算力來應付龐大的訓練和推理需求。模型要保持在第一梯隊，這樣的投入沒有一天能停。

更重要的是，coding的商業模式本身也在發生快速變化。越來越多的公司開始搭建所謂“內部路由”，按照任務的複雜程度把不同價位、不同效能的模型組合起來使用。Palantir們則在教育每一個企業客戶只用API而不要使用模型廠商提供的更多工具——這些工具本來是增強使用者粘性的重要環節。Palantir的邏輯是，模型最終會大宗商品化，而資料和工作流是企業最珍貴的資產，企業不應該把珍貴的業務資料來源源不斷餵給模型廠商，等於出資供養一個終將替代自己的智慧系統，因此更好的方式是把資料、業務邏輯和工作流留在公司內部，模型只是個隨時可以插拔更換的零件。這是toB生意的邏輯決定的：一切為效率讓位。想在企業服務領域守住溢價，除了控制技術標準與格式、控制客戶關係，就只能提供獨一無二的服務——而大模型API的商業模式，看上去一條都不滿足：領先模型守住位置的時間越來越短，使用者在多個平台之間自由遷移，幾乎沒有壁壘。

假如Scaling Law的提升真的沒有盡頭，那意味著超級人工智慧的實現，屆時值得討論的就不再是誰的毛利率高几個點了。但在ASI到來之前，眼下可以確定的似乎只有一件事，那就是以越來越快速度不斷重新整理的頂尖模型排行榜，這似乎是大模型玩家們目前能做的唯一應對策略。視窗還開著，算力依舊緊缺，人們依然渴望新的頂尖模型出現——最好能趕上乃至超過美國前沿的閉源模型，而下一次釋出，已經排上了日程。智譜和DeepSeek預計都將在8月釋出新模型，戰況會更加激烈。