MiniMax M3：一家AI公司，為什么開始重新定義自己的價(jià)值？

過去，AI行業(yè)一直圍繞一個(gè)問題競爭：誰擁有最聰明的模型。

模型參數(shù)、推理能力、Benchmark 排名，幾乎構(gòu)成了每一家 AI 公司發(fā)布會(huì)的全部內(nèi)容。

無論是 OpenAI、Anthropic，還是智譜、MiniMax、月之暗面，講述自己的方式都高度一致。

模型越聰明，公司價(jià)值越高，這是第一代大模型公司的共同敘事。

現(xiàn)在，這種敘事開始出現(xiàn)變化。

比如MiniMax M3發(fā)布，最醒目的內(nèi)容不再只是模型能力，而是 BrowserComp、SWE Bench、Terminal Bench、OSWorld、MCP Atlas。

這些名字有一個(gè)共同特點(diǎn)，它們討論的，不再是模型知道什么。

而是模型能夠完成什么。

很多人把這種變化理解成 Agent。

但如果把時(shí)間線拉長，會(huì)發(fā)現(xiàn) M3 更值得關(guān)注的地方，并不是 Agent，而是 MiniMax 對自身價(jià)值的重新定義。

它開始嘗試回答一個(gè)過去行業(yè)很少認(rèn)真回答的問題：一家 AI 公司真正出售的，到底是什么？

01

第一代 AI 公司，出售的是 Intelligence

過去幾年，競爭邏輯非常簡單：模型能力，就是產(chǎn)品；Benchmark，就是價(jià)值。

MMLU,GSM8K,HumanEval,LiveCodeBench…

這些 Benchmark 的意義，從來不僅僅是技術(shù)測試，它們更像是一套市場共同認(rèn)可的價(jià)值語言。

CPU 有 SPEC，GPU 有 MLPerf，數(shù)據(jù)庫有 TPC。

每一個(gè)成熟產(chǎn)業(yè)都會(huì)形成自己的 Benchmark，因?yàn)槭袌鲂枰环N統(tǒng)一標(biāo)準(zhǔn)，去理解產(chǎn)品價(jià)值、評估采購決策，也幫助資本形成共識。

因此，無論是參數(shù)規(guī)模，還是排行榜位置，都成為市場理解一家 AI 公司最直接的方式。

這一階段，模型本身就是商品。

MiniMax M3，一個(gè)容易被忽略的變化： MiniMax 花了大量篇幅介紹另一類能力。

SWE Bench、BrowserComp、Terminal Bench、OSWorld、MCP，這些 Benchmark 有一個(gè)共同特點(diǎn)：它們幾乎都不關(guān)心模型會(huì)不會(huì)回答問題。

它們關(guān)心的是：模型能不能修復(fù)真實(shí) Bug，能不能獨(dú)立完成網(wǎng)頁操作，能不能調(diào)用開發(fā)環(huán)境，能不能連接企業(yè)系統(tǒng)，能不能完成一項(xiàng)完整工作。

換句話說，Benchmark 的評價(jià)對象開始發(fā)生變化。

過去評價(jià)的是 Intelligence，今天評價(jià)的是 Task Completion。

模型第一次開始接受"崗位考核"，而不是"知識考試"。

這不僅僅是評測體系變化，它更像是 MiniMax 對市場釋放的一種信號：

模型能力依然重要，但真正決定商業(yè)價(jià)值的，將是工作能力。

02

為什么 MiniMax 開始強(qiáng)調(diào)工作？

過去，大模型最重要的客戶是開發(fā)者。開發(fā)者購買的是能力，他們關(guān)心模型是不是更聰明，是不是能夠解決更復(fù)雜的問題。

但企業(yè)不同，企業(yè)采購 AI，很少關(guān)心模型在排行榜上排第幾。

企業(yè)真正關(guān)心的是：它能夠幫助業(yè)務(wù)完成多少工作？減少多少人工？進(jìn)入多少流程？提升多少效率？

于是，產(chǎn)品表達(dá)也開始發(fā)生變化。

Browser，不再只是瀏覽器能力，而是進(jìn)入辦公流程；Coding，不只是代碼生成，而是進(jìn)入研發(fā)流程；Terminal，不只是 Linux，而是進(jìn)入開發(fā)環(huán)境；MCP，也不只是協(xié)議，而是進(jìn)入企業(yè)已有的軟件系統(tǒng)。

如果把這些能力放在一起看，就會(huì)發(fā)現(xiàn) MiniMax 想展示的，不是一個(gè)模型，而是一套工作流能力。

03

從Token,到Workflow

很多人仍然把 AI 公司理解為 API 公司，收入來自 Token。

調(diào)用次數(shù)越多，收入越高，這是第一代 AI 商業(yè)模式。

但今天，一個(gè)新的趨勢正在出現(xiàn)。

越來越多企業(yè)購買 AI，并不是為了獲得更多回答，而是為了完成更多工作。

修一個(gè) Bug、整理一次會(huì)議、處理一張工單、分析一份合同、完成一次網(wǎng)頁操作，價(jià)值單位開始發(fā)生變化。

過去，一次調(diào)用對應(yīng)一個(gè) Answer，今天，一次調(diào)用越來越對應(yīng)一項(xiàng) Task。

MiniMax M3 的產(chǎn)品設(shè)計(jì)，也越來越圍繞這一邏輯展開。

模型成為底座，Workflow 成為產(chǎn)品。

如果把 M3 放到整個(gè)行業(yè)里看，會(huì)發(fā)現(xiàn)它代表的是一種新的產(chǎn)品敘事。

越來越多 AI 公司開始證明：工作能力。

這種變化，并不僅僅發(fā)生在 MiniMax。

Claude Code 強(qiáng)調(diào)的是開發(fā)工作流；OpenAI 的 Operator、Computer Use 關(guān)注的是任務(wù)執(zhí)行；Google 不斷強(qiáng)化 Gemini 在 Workspace 和瀏覽器中的協(xié)同能力。

行業(yè)正在圍繞一個(gè)新的競爭單位展開：Workflow 和 Productivity。

04

為什么這種變化值得資本關(guān)注？

資本市場真正關(guān)心的，從來不是技術(shù)領(lǐng)先本身，而是技術(shù)如何轉(zhuǎn)化為持續(xù)收入。

模型能力能夠建立技術(shù)壁壘。

但 Workflow 更容易建立商業(yè)壁壘。

因?yàn)楣ぷ髁饕坏┻M(jìn)入企業(yè)，就意味著：數(shù)據(jù)沉淀、流程綁定、員工習(xí)慣、系統(tǒng)集成。

這些都意味著更高的續(xù)費(fèi)率、更高的客戶黏性，以及更穩(wěn)定的商業(yè)模式。

因此，越來越多 AI 公司開始把產(chǎn)品敘事，從模型能力轉(zhuǎn)向工作能力。

這并不是放棄模型，而是在尋找模型之外，更長期的價(jià)值來源。

把視角再拉高一點(diǎn)，會(huì)發(fā)現(xiàn) M3 最值得關(guān)注的地方，并不是某一項(xiàng) Benchmark。

而是 MiniMax 對未來競爭對象的重新定義：從另一家模型公司到企業(yè)工作入口、瀏覽器、IDE、Office、ERP、CRM。

企業(yè)的數(shù)據(jù)不會(huì)沉淀在一次聊天中，它最終沉淀在每天發(fā)生的工作流里。

誰能夠進(jìn)入更多工作流，誰就擁有更強(qiáng)的商業(yè)基礎(chǔ)。

從這個(gè)意義上看，MiniMax 未來面對的，不只是 OpenAI 或 Anthropic。

更是所有定義企業(yè)工作方式的軟件平臺。

尾聲：一家 AI 公司價(jià)值重構(gòu)的開始

如果說過去的大模型競爭，是圍繞 Intelligence 展開，那么今天，MiniMax M3 展示的是另一種競爭邏輯。

模型依然重要。

但模型正在從產(chǎn)品，變成基礎(chǔ)設(shè)施。

真正站到臺前的，是模型如何進(jìn)入企業(yè)、連接軟件、完成工作。

對于 MiniMax 來說，這或許比一次 Benchmark 排名更加重要。

因?yàn)樗馕吨鹃_始嘗試回答一個(gè)新的問題：

當(dāng)模型能力逐漸趨同時(shí)，一家 AI 公司還能依靠什么建立長期價(jià)值？

M3 給出的答案，不是更多參數(shù)，也不是更多排行榜，而是更多真實(shí)工作。

這或許也是 AI 行業(yè)進(jìn)入下一階段最重要的信號。

未來，決定一家 AI 公司價(jià)值的，不只是模型有多聰明，而是它能夠幫助企業(yè)重新組織多少生產(chǎn)力。