过往，人工智能领域的核心竞争焦点在于“谁拥有最强大的模型”。模型参数规模、推理能力以及在各项基准测试中的排名，几乎是所有AI公司发布会的固定内容。OpenAI、Anthropic、智谱、MiniMax、月之暗面等公司，在宣传自身时都遵循着相似的模式。模型越智能，公司价值就越高，这是第一代大型模型公司的普遍叙事。

然而，这种叙事正在发生转变。以MiniMax M3的发布为例，其最引人注目的内容不再仅仅是模型本身的能力，而是BrowserComp、SWE Bench、Terminal Bench、OSWorld、MCP Atlas等一系列新的评估体系。

这些新引入的评估项目，其共同点在于它们不再关注模型“知道什么”，而是聚焦于模型“能够完成什么”。尽管许多人将此解读为“Agent”能力的体现，但若放长远来看，M3真正值得关注的并非Agent本身，而是MiniMax对其自身价值的重新定义。它开始尝试解答一个在行业内较少被认真对待的问题：一家AI公司真正销售的究竟是什么？

01

第一代AI公司，销售的是“智能”

在过去几年里，竞争逻辑异常简单：模型的性能就是产品，基准测试成绩就是价值。MMLU、GSM8K、HumanEval、LiveCodeBench等测试项目，其意义远不止于技术检验，更像是市场普遍认可的价值衡量标准。如同CPU有SPEC，GPU有MLPerf，数据库有TPC一样，成熟的产业都需要统一的标准来理解产品价值、指导采购决策，并帮助资本形成共识。因此，无论是参数规模还是排行榜上的位置，都成为市场衡量AI公司价值的最直接方式。在此阶段，模型本身即是商品。

MiniMax M3发布中一个容易被忽视的方面是，MiniMax投入了大量篇幅介绍另一类能力。SWE Bench、BrowserComp、Terminal Bench、OSWorld、MCP等测试项目，它们的共同特征是几乎不关心模型是否能给出答案。它们更关注的是：模型能否修复实际的软件缺陷，能否独立完成网页操作，能否调用开发环境，能否与企业现有系统集成，以及能否完成一项完整的任务。

换言之，基准测试的评价对象发生了变化。过去评价的是“智能”（Intelligence），现在评价的是“任务完成度”（Task Completion）。模型首次开始接受“岗位考核”，而非仅仅是“知识测验”。这不仅仅是评测体系的革新，更像是MiniMax向市场传递的一个信号：模型的强大能力依然重要，但真正决定商业价值的，将是其执行工作的能力。

02

为何MiniMax开始强调“工作”？

过去，大型模型的主要客户是开发者。开发者购买的是模型的能力，他们关心模型是否更聪明，是否能解决更复杂的问题。然而，企业客户的需求不同。企业在采购AI时，很少关注模型在排行榜上处于何种位置。企业真正关心的是：AI能帮助其完成多少工作？能节省多少人力成本？能渗透到多少业务流程中？能提升多少效率？

因此，产品表达方式也随之改变。浏览器功能不再仅仅是浏览网页的能力，而是能够融入办公流程；代码生成不再只是编写代码，而是能够进入研发流程；终端操作不再局限于Linux命令，而是能够应用于开发环境；MCP能力也不再是简单的协议支持，而是能够集成到企业已有的软件系统中。将这些能力整合来看，MiniMax希望展示的并非单个模型，而是一套工作流能力。

03

从Token到Workflow

许多人仍然将AI公司视为API服务提供商，收入主要来自Token消耗。调用次数越多，收入就越高，这是第一代AI商业模式的典型特征。但如今，一个新的趋势正在显现。越来越多的企业购买AI产品，并非为了获得更多的回答，而是为了完成更多的工作。修复一个Bug、整理一次会议纪要、处理一张工单、分析一份合同、完成一次网页操作，这些都意味着价值单位正在发生转变。过去，一次调用对应一个答案；如今，一次调用越来越对应一项任务。MiniMax M3的产品设计也越来越围绕这一逻辑展开。

模型正成为底层支撑，而工作流（Workflow）则成为产品。将M3置于整个行业背景下审视，它代表了一种新的产品叙事。越来越多的AI公司开始证明其在工作方面的能力。这种转变并非MiniMax独有。Claude Code强调的是开发工作流；OpenAI的Operator和Computer Use关注任务执行；Google则不断强化Gemini在Workspace和浏览器中的协作能力。整个行业正在围绕一个新的竞争维度展开：工作流和生产力（Workflow and Productivity）。

04

为何这种变化值得资本关注？

资本市场真正关注的并非技术领先本身，而是技术如何转化为可持续的收入。模型能力可以构建技术壁垒，但工作流更容易构建商业壁垒。一旦工作流被企业采纳，就意味着数据沉淀、流程绑定、员工习惯养成以及系统集成。这些都将带来更高的续订率、更强的客户粘性以及更稳定的商业模式。因此，越来越多的AI公司开始将产品叙事从模型能力转向工作能力。这并非放弃模型，而是在模型之外寻找更长期的价值来源。

从更宏观的视角来看，M3最值得关注的并非某一项基准测试。而是MiniMax对未来竞争对手的重新定义：从另一家模型公司，转变为企业工作入口、浏览器、IDE、Office、ERP、CRM等平台。企业的数据不会沉淀在一次对话中，而是最终沉淀在日常的工作流程里。能够进入更多工作流的公司，将拥有更强大的商业基础。从这个意义上讲，MiniMax未来面对的竞争对手，不仅包括OpenAI或Anthropic，更包括所有定义企业工作方式的软件平台。

尾声：一家AI公司价值重构的开始

如果说过去的大模型竞争围绕“智能”展开，那么今天，MiniMax M3展示了一种不同的竞争逻辑。模型依然重要，但它正从产品转变为基础设施。真正站在台前的是模型如何进入企业、连接软件、完成工作。对于MiniMax而言，这或许比一次基准测试排名更为重要。因为它意味着公司开始尝试回答一个新问题：当模型能力逐渐趋同，一家AI公司还能依靠什么来建立长期价值？M3给出的答案，不是更多的参数或排行榜数据，而是更多真实的“工作完成”。这或许也是AI行业进入下一阶段最重要的信号。未来，决定一家AI公司价值的，不仅仅是模型有多聪明，而是它能够帮助企业重组多少生产力。