MiniMax M3：一家AI公司，为什么开始重新定义自己的价值？

长期以来，AI行业的竞争焦点都非常集中：谁手里握着更聪明的模型。

模型参数、推理能力、Benchmark 排名——这些几乎构成了每一家 AI 公司发布会的全部叙事。无论是 OpenAI、Anthropic，还是国内的智谱、MiniMax、月之暗面，讲述自己的方式都高度一致：模型越聪明，公司价值越高。这就是第一代大模型公司的共同逻辑。

但现在，这套叙事开始出现裂痕。

一个典型的例子是 MiniMax M3 的发布。最醒目的内容不再是模型能力本身，而是一系列全新的 Benchmark 名字：BrowserComp、SWE Bench、Terminal Bench、OSWorld、MCP Atlas。

这些名字有一个共同特点：它们讨论的，不再是模型“知道什么”。

而是，模型“能够完成什么”。

很多人习惯性地把这理解为 Agent。但如果把时间线拉长一点，会发现 M3 真正值得关注的地方，并非 Agent 这个标签本身，而是 MiniMax 对自身价值的重新定义。它开始尝试回答一个过去行业很少认真思考的问题：

01

第一代 AI 公司，出售的是 Intelligence

过去几年，竞争逻辑非常简单：模型能力就是产品，Benchmark 就是价值。MMLU、GSM8K、HumanEval、LiveCodeBench……这些 Benchmark 的意义从来不止于技术测试，它们更像是一套市场共同认可的价值语言。这跟成熟产业的逻辑如出一辙——CPU 有 SPEC，GPU 有 MLPerf，数据库有 TPC。市场需要一种统一标准，来理解产品价值、评估采购决策，也帮助资本形成共识。

所以，无论是参数规模还是排行榜位置，都成了市场理解一家 AI 公司最直接的方式。在这一阶段，模型本身就是商品。

但 MiniMax M3 带来一个容易被忽略的变化：它花了大量篇幅介绍另一类能力。

SWE Bench、BrowserComp、Terminal Bench、OSWorld、MCP……这些 Benchmark 有一个共同特点：它们几乎都不关心模型会不会回答问题。它们关心的是——模型能不能修复一个真实的 Bug？能不能独立完成一次网页操作？能不能调用开发环境？能不能连接企业系统？能不能完成一项完整的工作？

Benchmark 的评价对象正在发生变化。过去评价的是 Intelligence，今天评价的是 Task Completion。模型第一次开始接受“岗位考核”，而不是“知识考试”。这不仅仅是评测体系的变化，更像是 MiniMax 对市场释放的一种信号：

02

为什么 MiniMax 开始强调工作？

过去，大模型最重要的客户是开发者。开发者购买的是能力，他们关心模型是不是更聪明，能不能解决更复杂的问题。但企业完全不一样。企业采购 AI，很少关心你在排行榜上排第几。

真正的问题其实很直接：它能够帮助业务完成多少工作？减少多少人工？进入多少流程？提升多少效率？

于是，产品的表达方式也跟着变了。Browser，不再只是浏览器能力，而是进入办公流程；Coding，不只是代码生成，而是进入研发流程；Terminal，不只是 Linux，而是进入开发环境；MCP，也不只是协议，而是进入企业已有的软件系统。把这些能力放在一起看，就会发现 MiniMax 想展示的，不是一个模型，而是一套工作流能力。

03

从 Token，到 Workflow

现在仍然有很多人把 AI 公司理解为 API 公司，收入来自 Token。调用次数越多，收入越高，这是第一代 AI 商业模式的标准图景。但今天，一个新趋势正在浮现：越来越多的企业购买 AI，并不是为了获得更多回答，而是为了完成更多工作。

修一个 Bug、整理一次会议、处理一张工单、分析一份合同、完成一次网页操作——价值的计算单位开始发生变化。过去，一次调用对应一个 Answer；今天，一次调用越来越对应一项 Task。

MiniMax M3 的产品设计，也越来越围绕这一逻辑展开。

模型成为底座，Workflow 成为产品。如果把这个变化放到整个行业里看，会发现 M3 代表了一种新的产品叙事——越来越多的 AI 公司开始证明自己的“工作能力”。这并非 MiniMax 独有：Claude Code 强调的是开发工作流，OpenAI 的 Operator 和 Computer Use 关注的是任务执行，Google 则不断强化 Gemini 在 Workspace 和浏览器中的协同能力。行业正在围绕一个新的竞争单位展开争夺：Workflow 和 Productivity。

04

为什么这种变化值得资本关注？

资本市场真正关心的，从来不是技术领先本身，而是技术如何转化为持续收入。模型能力能够建立技术壁垒，但 Workflow 更容易建立商业壁垒。因为工作流一旦进入企业，就意味着数据沉淀、流程绑定、员工习惯、系统集成。所有这些都指向更高的续费率、更强的客户黏性以及更稳定的商业模式。

因此，越来越多 AI 公司开始把产品叙事从“模型能力”转向“工作能力”。这不是放弃模型，而是在模型之外，寻找更长期的价值来源。

把视角再拉高一点，M3 最值得关注的地方，不在于某一项具体的 Benchmark，而是 MiniMax 对未来竞争对象的重新定义：从另一家模型公司，到企业的工作入口——浏览器、IDE、Office、ERP、CRM。企业的数据不会沉淀在一次聊天中，它最终沉淀在每天发生的工作流里。谁能够进入更多工作流，谁就拥有更强的商业基础。从这个意义上看，MiniMax 未来面对的，不只是 OpenAI 或 Anthropic，更是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是围绕 Intelligence 展开，那么今天，MiniMax M3 展示的是另一种逻辑。

模型依然重要。但模型正在从产品，变成基础设施。真正站到台前的，是模型如何进入企业、连接软件、完成工作。对 MiniMax 来说，这或许比一次 Benchmark 排名更加重要。因为它意味着，公司开始尝试回答一个新的问题：

M3 给出的答案，不是更多的参数，也不是更高的排行榜名次，而是更多真实的工作。这或许也是 AI 行业进入下一阶段最重要的信号。