过去，人工智能领域的竞争焦点在于“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是所有AI公司发布会的全部内容。无论是OpenAI、Anthropic，还是智谱、MiniMax、月之暗面，它们的宣传方式都高度相似：模型越智能，公司价值越高，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等一系列新的评估项目。

这些项目有一个共同点：它们不再关注模型“知道什么”，而是模型“能做什么”。许多人将这种变化解读为“Agent”概念的兴起。但若放长远来看，M3真正值得关注之处并非Agent，而是MiniMax对其自身价值的重新定义。它开始尝试回答一个行业此前较少认真探讨的问题：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”

过去几年，竞争逻辑非常直接：模型能力即产品，基准测试即价值。MMLU、GSM8K、HumanEval、LiveCodeBench等测试，不仅是技术评测，更是市场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、辅助采购决策，并帮助资本形成共识。因此，参数规模和排行榜位置成为市场理解AI公司的直接途径。在此阶段，模型本身就是商品。

MiniMax M3发布中一个容易被忽视的亮点是，MiniMax花了大量篇幅介绍另一类能力。SWE Bench、BrowserComp、Terminal Bench、OSWorld、MCP等测试的共同特点是，它们几乎不关心模型是否能回答问题，而是关注模型能否修复真实世界的Bug、能否独立完成网页操作、能否调用开发环境、能否接入企业系统，以及能否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”，现在评价的是“任务完成度”。模型首次接受“岗位考核”，而非“知识考试”。这不仅是评测体系的革新，更是MiniMax向市场传递的信号：模型能力依然重要，但真正决定商业价值的将是其“工作能力”。

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，他们关注模型是否更智能，能否解决更复杂的问题。但企业客户不同，企业采购AI时，很少关心模型在排行榜上处于何种位置。企业真正关心的是：AI能帮助业务完成多少工作？能节省多少人力？能融入多少流程？能提升多少效率？

因此，产品表达也随之改变。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不再只是Linux命令，而是进入开发环境；MCP不再只是协议，而是接入企业现有的软件系统。将这些能力整合来看，MiniMax希望展示的并非一个模型，而是一套“工作流能力”。

03

从Token到Workflow

许多人仍将AI公司视为API提供商，收入依赖于Token消耗。调用次数越多，收入越高，这是第一代AI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，价值单位正在发生转变。过去，一次调用对应一个回答；如今，一次调用越来越对应一项任务。MiniMax M3的产品设计也日益围绕这一逻辑展开。

模型成为底层基础，而“工作流”（Workflow）成为产品。若将M3置于行业大背景下审视，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“工作能力”。这种转变并非MiniMax独有。Claude Code强调开发工作流；OpenAI的Operator、Computer Use关注任务执行；Google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单元——Workflow和Productivity——展开角力。

04

为何这种变化值得资本关注？

资本市场关心的始终是技术如何转化为持续的收入，而非技术领先本身。模型能力可以建立技术壁垒，但“工作流”更容易建立商业壁垒。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。这些因素共同作用，将带来更高的续费率、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，而是在寻找模型之外更长期的价值来源。

从更宏观的视角看，M3最值得关注之处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：从其他模型公司，转变为企业的工作入口、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，最终会沉淀在日常的工作流里。谁能进入更多的工作流，谁就拥有更强的商业基础。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展示的是另一种竞争逻辑。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Benchmark排名更为关键。因为它意味着，公司开始尝试回答一个新的问题：当模型能力逐渐趋同时，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，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。未来，决定一家AI公司价值的，不只是模型有多聪明，而是它能帮助企业重组多少生产力。