长期以来，人工智能行业的竞争焦点高度集中：核心比拼始终是——谁掌握了更聪明的模型。

模型参数规模、推理性能、Benchmark榜单排名——这些几乎构筑了每一家AI公司发布会的核心叙事。从OpenAI、Anthropic到国内的智谱、MiniMax、月之暗面，它们讲述自身价值的方式高度统一：模型越强大，公司价值就越高。这正是第一代大模型公司共通的底层逻辑。

然而如今，这套叙事正逐渐显现缝隙。

以MiniMax M3的发布为例，最引人注目的内容不再是模型能力本身，而是一组全新的Benchmark名称：BrowserComp、SWE Bench、Terminal Bench、OSWorld、MCP Atlas。

这些Benchmark有一个共同特征：它们讨论的焦点，不再是模型“知道什么”。

而是模型“能够完成什么”。

许多人习惯性地将这一变化归结为Agent。但若将时间线拉长，M3真正值得关注的并非Agent这一标签，而是MiniMax对自身价值主张的重新定义。它开始尝试回答一个过去行业鲜少深入思考的问题：一家AI公司真正出售的，究竟是什么？

01

第一代AI公司：出售的是智能（Intelligence）

过去几年，竞争逻辑非常直观：模型能力即产品，Benchmark即价值。MMLU、GSM8K、HumanEval、LiveCodeBench……这些Benchmark的意义远不止技术评估，它们更像是一套市场共同认可的价值语言。这与成熟产业的模式如出一辙——CPU看SPEC，GPU看MLPerf，数据库看TPC。市场需要统一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，无论是参数规模还是榜单排名，都成为市场认知一家AI公司最直接的路径。在这一阶段，模型本身即为商品。

但MiniMax M3带来了一个容易被忽略的转变：它用大量篇幅介绍了另一类能力。

SWE Bench、BrowserComp、Terminal Bench、OSWorld、MCP……这些Benchmark有一个共性：它们几乎都不关心模型是否会回答问题。它们关心的是——模型能否修复一个真实Bug？能否独立完成一次网页操作？能否调用开发环境？能否连接企业系统？能否完成一项完整的工作？

Benchmark的评测对象正在发生迁移。过去评估的是智能（Intelligence），今天评估的是任务完成（Task Completion）。模型第一次开始接受“岗位考核”，而不再是“知识考试”。这不仅是评测体系的转变，更像是MiniMax向市场释放的信号：模型能力依然关键，但真正决定商业价值的，将是工作能力。

02

为何MiniMax开始强调工作？

过去，大模型最主要的客户是开发者。开发者购买的是能力，他们关注模型是否更聪明、能否解决更复杂的问题。但企业客户完全不同。企业采购AI，很少关心你在排行榜上排第几。

真正的问题非常直接：它能帮助业务完成多少工作？减少多少人力？嵌入多少流程？提升多少效率？

于是，产品的表达方式也随之改变。Browser不再只是浏览器能力，而是进入办公流程；Coding不再只是代码生成，而是进入研发流程；Terminal不再只是Linux，而是进入开发环境；MCP也不再只是协议，而是进入企业已有的软件系统。将这些能力串联起来看，MiniMax想展示的并非一个模型，而是一套工作流能力。

03

从Token到工作流（Workflow）

如今仍有很多人将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，一个新兴趋势正在浮现：越来越多企业购买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。将这一变化放到整个行业来看，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强调开发工作流，OpenAI的Operator和Computer Use聚焦任务执行，Google则不断强化Gemini在Workspace和浏览器中的协同能力。行业正围绕一个新的竞争单位展开争夺：Workflow与生产力（Productivity）。

04

为何这种变化值得资本关注？

资本市场真正关心的，从来不是单纯的技术领先，而是技术如何转化为持续收入。模型能力可以构建技术壁垒，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公司开始将产品叙事从“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。

将视角再抬高一点，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，转变为企业的“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中。谁能进入更多工作流，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，演变为基础设施。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：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，也不是更高的榜单名次，而是更多真实可执行的工作。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，而是它能够帮助企业重新组织多少生产力。