以往，人工智能行业的核心竞争力聚焦于“谁拥有最先进的模型”。模型参数、推理能力以及在各种基准测试（Benchmark）中的排名，几乎构成了所有 AI 公司发布会的全部内容。无论是 OpenAI、Anthropic、智谱、MiniMax 还是月之暗面，它们在宣传自身时都遵循着相似的模式。对于第一代大型模型公司而言，“模型越智能，公司价值越高”是其共同的价值主张。

然而，这一叙事模式正在发生转变。以 MiniMax M3 的发布为例，其最引人注目的亮点已不再仅仅是模型本身的性能，而是 BrowserComp、SWE Bench、Terminal Bench、OSWorld 和 MCP Atlas 等一系列新的能力展示。这些新能力的一个共同之处在于，它们不再关注模型“知道什么”，而是转向了模型“能够完成什么”。

尽管许多人将这种转变解读为“Agent”技术的进步，但若将时间线拉长来看，M3 更值得关注的价值在于 MiniMax 对自身商业定位的重新审视。该公司开始尝试解答一个行业过去鲜少深入探讨的问题：一家人工智能公司究竟在销售什么？

第一代 AI 公司：出售“智能”

在过去几年，AI 行业的竞争逻辑相当直接：模型的性能即产品，Benchmark 成绩即价值。MMLU、GSM8K、HumanEval、LiveCodeBench 等基准测试不仅是技术评估工具，更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评估产品价值、指导采购决策并形成资本共识。因此，模型的参数规模和排行榜位置成为市场理解 AI 公司最直观的方式。在这个阶段，模型本身就是商品。

MiniMax M3 的一个容易被忽视的亮点是，MiniMax 在发布会上投入了大量篇幅介绍另一类能力。SWE Bench、BrowserComp、Terminal Bench、OSWorld 和 MCP 等 Benchmark 的共同特点是，它们很少关注模型是否能回答问题，而是聚焦于模型能否修复实际的软件错误（Bug）、独立完成网页操作、调用开发环境、连接企业系统，以及完成一项完整的任务。换句话说，Benchmark 的评价对象发生了变化：从过去的“智能”（Intelligence）转向了今天的“任务完成能力”（Task Completion）。模型首次面临的是“岗位考核”，而非“知识考试”。这不仅仅是评测体系的演变，更是 MiniMax 向市场传递的一个信号：模型能力依然重要，但真正驱动商业价值的将是其执行工作的能力。

MiniMax 转向“工作能力”的动因

过去，大型模型的首要客户是开发者，他们购买的是模型的能力，关心的是模型的智能程度和解决复杂问题的潜力。然而，企业客户在采购 AI 时，通常不太在意模型在排行榜上的排名。他们更关心的是 AI 能帮助业务完成多少工作、节省多少人力、整合进多少流程、提升多少效率。因此，产品表达方式也随之改变。Browser 能力不再仅仅是浏览器功能，而是融入办公流程；Coding 能力不再是简单的代码生成，而是应用于研发流程；Terminal 能力不再局限于 Linux 命令，而是进入开发环境；MCP 能力则超越了单纯的协议，而是整合进企业现有的软件系统。将这些能力整合起来看，MiniMax 试图展示的并非单个模型，而是一套工作流能力。

从 Token 到 Workflow：价值单位的转变

许多人仍将 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，收入越高，这是第一代 AI 的商业模式。然而，一个新趋势正在显现：越来越多的企业购买 AI 的目的，并非为了获得更多答案，而是为了完成更多实际工作。修复一个 Bug、整理一次会议记录、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的转变。过去，一次调用对应一个“答案”（Answer），而现在，一次调用越来越对应一项“任务”（Task）。MiniMax M3 的产品设计也越来越围绕这一逻辑展开。模型正成为底层基础设施，而工作流（Workflow）则成为核心产品。

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“工作能力”方面的优势。这种变化并非 MiniMax 所独有。Claude Code 强调开发工作流；OpenAI 的 Operator 和 Computer Use 关注任务执行；Google 则不断强化 Gemini 在 Workspace 和浏览器中的协同能力。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）。

资本关注的焦点：从技术到商业壁垒

资本市场关心的核心始终是技术如何转化为持续的收入流，而非技术领先本身。模型能力可以建立技术壁垒，但工作流能力更容易构建商业壁垒。一旦工作流被企业采纳，它就意味着数据的沉淀、流程的绑定、员工习惯的养成以及系统的集成。这些因素共同作用，能够带来更高的续费率、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 公司正将产品叙事从模型能力转向工作能力。这并非放弃对模型的投入，而是在模型之外，寻求更长期的价值来源。

从更宏观的视角来看，M3 最值得关注的并非某一项 Benchmark 成绩，而是 MiniMax 对未来竞争对手的重新定义：它不再仅仅是与其他模型公司竞争，而是将目标瞄准了企业工作入口、浏览器、IDE、Office、ERP、CRM 等平台。企业数据不会沉淀在一次简单的对话中，而是最终体现在日常的工作流里。谁能更深入地融入企业的工作流，谁就拥有更坚实的商业基础。从这个意义上说，MiniMax 未来的竞争对手，不仅包括 OpenAI 和 Anthropic，还涵盖了所有定义企业工作方式的软件平台。

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 MiniMax M3 则展示了一种不同的竞争逻辑。模型依然重要，但它正从产品本身转变为基础设施。真正被推到台前的是模型如何进入企业、连接软件并完成工作。对 MiniMax 而言，这可能比一次 Benchmark 排名更具战略意义。这标志着公司开始尝试回答一个关键问题：当模型能力趋于同质化时，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上的位置，而是更多实际工作的完成。这或许是 AI 行业迈入下一阶段的重要信号。未来，决定一家 AI 公司价值的，将不仅仅是模型的智能程度，更是其帮助企业重塑生产力的能力。