以往，人工智能领域的竞争焦点集中在“谁拥有最先进的模型”。模型参数、推理能力和基准测试排名几乎构成了所有 AI 公司发布会的核心内容。无论是 OpenAI、Anthropic，还是智谱、MiniMax、月之暗面，它们在介绍自身时都遵循着相似的模式。在第一代大型模型公司中，“模型越智能，公司价值越高”是普遍存在的叙事。

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 和 MCP Atlas 等一系列新概念。这些新概念的共同之处在于，它们关注的不再是模型“知道什么”，而是模型“能够做什么”。

许多人将这一变化解读为“Agent”的出现。但若将时间线拉长，会发现 M3 更值得关注的并非 Agent 本身，而是 MiniMax 对自身价值定位的重新审视。公司开始尝试解答一个过去行业鲜少认真面对的问题：“一家 AI 公司真正销售的，究竟是什么？”

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：模型的性能即产品，基准测试即价值。MMLU、GSM8K、HumanEval、LiveCodeBench 等测试不仅是技术评测，更成为业界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，成熟的产业需要统一的标准来评估产品价值、指导采购决策，并帮助资本形成共识。因此，模型参数规模和排行榜名次成为理解一家 AI 公司最直接的途径。在这一阶段，模型本身就是商品。

MiniMax M3 的发布中，一个容易被忽视的细节是，MiniMax 大量篇幅介绍了另一类能力。SWE Bench、BrowserComp、Terminal Bench、OSWorld 和 MCP 等基准测试，其共同点在于它们很少关注模型是否能回答问题，而是更侧重于模型能否修复实际 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工作。

换句话说，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“知识考试”。这不仅是评测体系的转变，更是 MiniMax 向市场传递的一个信号：模型能力依旧重要，但真正决定商业价值的将是其“工作能力”。

MiniMax 为何开始强调“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智能，能否解决更复杂的问题。但企业客户不同，企业在采购 AI 时，很少关注模型在排行榜上的具体位置。企业真正关心的是 AI 能帮助其完成多少工作、节省多少人力、融入多少流程、提升多少效率。

因此，产品表达方式也随之改变。Browser 不再仅仅是浏览器能力，而是融入办公流程；Coding 不再只是代码生成，而是进入研发流程；Terminal 不再是简单的 Linux 命令，而是接入开发环境；MCP 也不再是简单的协议，而是能够对接企业现有的软件系统。将这些能力整合来看，MiniMax 希望展示的已不再是单一模型，而是一套“工作流能力”。

从 Token 到 Workflow

许多人仍将 AI 公司视为 API 提供商，收入主要来自 Token 计费，调用次数越多，收入越高。这是第一代 AI 的商业模式。但如今，一种新的趋势正在显现：越来越多的企业购买 AI，并非为了获得更多回答，而是为了完成更多工作。修复一个 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，这些任务的价值单位正在发生转变。过去，一次调用对应一个“回答”，现在，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。模型成为底层基础，而“工作流”（Workflow）则成为产品。将 M3 置于整个行业背景下观察，会发现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“工作能力”。

这种变化并非 MiniMax 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。整个行业正围绕一个新的竞争维度展开：工作流和生产力。

为何这种变化值得资本关注？

资本市场真正关注的始终是技术如何转化为持续的收入，而非技术领先本身。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用，就意味着数据沉淀、流程绑定、员工习惯的养成以及系统集成。这些都将带来更高的续费率、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，而是在寻求模型之外更长期的价值来源。从更宏观的视角来看，M3 最值得关注的并非某个具体的基准测试，而是 MiniMax 对未来竞争对手的重新定义：从另一个模型公司，转变为企业的工作入口、浏览器、IDE、Office、ERP、CRM 等。

企业的数据不会沉淀在一次简短的对话中，而是最终沉淀在日常的工作流程里。谁能更好地融入更多工作流，谁就拥有更坚实的商业基础。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 公司价值重构的开端

如果说过去的大模型竞争围绕“智能”展开，那么今天，MiniMax M3 展示的是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。真正走到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时，一家 AI 公司还能依靠什么建立长期价值？M3 给出的答案，不是更多的参数或排行榜，而是更多真实的工作场景。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，将不仅仅是模型有多么智能，而是它能够帮助企业重组多少生产力。