跟Claude掰腕子，智譜MiniMax雙模齊發

在智譜率先宣布開源GLM-5后不到半天的時間里，MiniMax立馬跟進上線M2.5編程模型。

就在發布模型的當日，智譜股價開盤大漲，一度漲超25%，周內累計漲幅超過 77%，市值突破1700億港元。

MiniMax同日漲幅一度超過20%，總市值超過1800億港元。兩家公司的股價表現遠超大盤。

這種漲幅在港股AI板塊并不常見。

要知道，智譜在1月8日IPO時，發行價為116.2港元，當時的市值是518億港元。短短一個月時間，市值翻了三倍多。

此外，智譜和MiniMax選擇這個時間點發布，是有其現實考量。

2月12日正是企業和開發者春節前最后的工作窗口。

此時發布模型，既能趕在假期前完成技術社區的首輪傳播，又能讓開發者在春節長假期間有充足時間試用和討論。

此前我曾認為，春節窗口期可能是裹著AI外皮的紅包大戰，歸根結底，比的是紅包的數量和額度。但現在看來，我的推斷是錯的。

AI產業在春節期間，進入了一個“萬模齊發”的盛況。

從1月底開始，阿里的Qwen3-Max-Thinking、月之暗面的Kimi 2.5、階躍星辰的Step 3.5 Flash已接連發布。

隨后在2月8日，阿里千問團隊又向Hugging Face提交了Qwen 3.5的支持代碼，確認新模型即將到來。

字節跳動則計劃在2月14日推出豆包 2.0，并且新的豆包包含了Seedream 5.0和SeedDance 2.0的完整矩陣。

至于DeepSeek的V4版本，其是否會在春節期間發布仍存疑，但即便不發布新版本，市場也已經足夠熱鬧。

真正的戰場，在于模型能力本身，紅包退居其次。

花旗銀行曾在1月26日明確指出，2026年標志著AI助手從技術驗證邁向全民級應用的拐點，春節成為檢驗用戶習慣養成的關鍵窗口。

誰能在這個長假，用模型留住用戶，誰就能在接下來的一年里占據主動，就像2025年的DeepSeek一樣。

01

智譜和MiniMax兩大模型究竟怎樣？

GLM-5的核心定位，是面向復雜系統工程與長程agent任務。

如果說過去的AI編程工具只是幫你寫代碼，那GLM-5想做的，是幫你完成整個系統工程。

智譜將這一模式叫做“agent engineering”，并且表示，這是“vibe coding”的下一階段。

不過這個說法并非空穴來風，前OpenAI聯合創始人兼AI主管安德烈·卡爾帕西（Andrej Karpathy）在“vibe coding”實踐一周年時就曾表示過，開發者的角色正在從“寫代碼”轉向“編排AI agent”。

GLM-5某種程度上是對這一趨勢的回應。

幾周前，開源社區曾流傳一個名為“Pony Alpha”的神秘模型。它能進行長程交互、拆解復雜任務、在多輪對話中保持穩定上下文，一度引發廣泛猜測。

如今答案揭曉，Pony Alpha正是GLM-5的匿名測試版本。

GLM-5在技術規格上實現了顯著躍升。參數量從GLM-4.7的355B（激活 32B）擴展至744B（激活40B），預訓練數據從23T token增加到28.5T token。

更大的參數規模意味著更強的知識儲備和推理能力，但更關鍵的地方在于GLM-5的兩項創新。

第一項是名為“Slime”的異步強化學習框架。

這套系統支持模型從長程交互中持續學習，在處理需要數十步操作的工程任務時保持策略一致性。

傳統的AI編程工具往往在短對話中表現出色，但一旦任務鏈條拉長，模型就容易犯錯，前后邏輯出現斷裂。

Slime框架的設計初衷，就是讓模型在長周期任務中保持“記憶”和“目標感”。

第二項是集成了DeepSeek的稀疏注意力機制（DSA）。

這套機制能讓模型在保持長文本處理能力的同時，大幅降低部署成本。

DSA的機制其實很好理解，我舉個例子，當你讓AI分析一個包含數萬行代碼的項目時，它不需要對每一行代碼都投入同等的計算資源，而是能夠識別出哪些是關鍵邏輯、哪些是重復模板。

因此整個模型的運行效率就會提升，整體運行成本也會降低。

根據智譜給出的測試分數，GLM-5在SWE-bench-Verified和Terminal Bench 2.0中分別獲得77.8和56.2，是目前開源模型的最高分數。

著重介紹一下后者，Terminal Bench 2.0是測試模型在命令行環境中的操作能力，比如能否正確執行文件操作、調用工具、處理錯誤。

56.2的分數表明，GLM-5已經具備了相當程度的“動手能力”。

在agent能力上，GLM-5在 BrowseComp、MCP-Atlas 和τ2-Bench 等多個評測基準中取得開源 OTA表現。

特別值得關注的是Vending Bench 2測試。

這是最近比較火的基準。它的要求是模型在模擬環境中經營一家自動售貨機公司，周期為一年。

它要自己決定進貨、定價、庫存結構、現金流管理，在資源有限的情況下持續優化利潤。

GLM-5在這個測試中，最終賬戶余額達到4432美元，也就是說其具備一定的長期規劃和資源管理能力，至少比我強。

MiniMax的最新模型M2.5目前在模型界面已經可以選擇調用。

這是一個為agent場景原生設計的模型，MiniMax官方稱其對標的是 Claude Opus 4.6。

不過與智譜不同，MiniMax官方并未公布其論文或Hugging Face權重。

M2.5模型激活參數量為10B，在顯存占用和推理能效比上具有明顯優勢。

相比GLM-5的40B激活參數，M2.5走的是“小而美”的路線，用更少的參數實現更高的效率。

該模型支持PC、App、跨端應用的全棧編程開發，尤其適配Excel、深度研究（deep research）、PPT 等生產力場景。

從社區反饋來看，MiniMax M2.5在成本效益上保持了該企業一貫風格，便宜、實惠。

有開發者在外網論壇上分享，M2.5在處理日常編程任務時，速度比 Claude Sonnet 4.5快2倍，API成本卻只有后者的8%。

02

它們有何不同？

兩個模型都將編程能力作為核心競爭力，但技術路徑有所不同。

GLM-5通過更大的參數規模和更強的預訓練數據來實現能力提升，在處理大型代碼倉庫和復雜系統工程方面展現優勢。

它就像一個經驗豐富的架構師，見過足夠多的代碼模式、理解足夠深的系統邏輯，因此能夠在復雜場景中給出更全面的解決方案。

而MiniMax M2.5則通過更高效的架構設計，在推理速度和成本控制上更具優勢。

雖然經驗積累不如架構師豐富，但在常見任務上反應更快、執行更高效。

依我推測，GLM-5應該更適合專業程序員處理復雜的、長時的、系統級任務，比如一鍵克隆Web UI、構建仿真桌面，這些需要深度理解和長程規劃的工程項目。

MiniMax M2.5則更適合全棧開發、跨端應用等生產力場景中表現更好，特別適合那些需要快速迭代、頻繁調用的日常開發任務。

03

股價上漲并非模型

但我認為這輪上漲并非單純的新模型發布效應。

智譜除了發布模型以外，還宣布了產品的漲價，GLM Coding Plan價格上調30%以上。

智譜在價格調整函中明確表示，此次漲價源于“GLM Coding Plan市場需求持續強勁增長，用戶規模與調用量快速提升”。

為保障高負載下的穩定性與服務質量，智譜還同步加大算力與模型優化投入。

這個邏輯耐人尋味。

在AI大模型行業，大多數公司都在通過降價來搶占市場份額，DeepSeek就是如此，以極低的價格沖擊市場，各家紛紛跟進降價。

但智譜選擇了相反的策略，提升產品能力，然后漲價。

但用戶真的愿意為更強的能力付費嗎？

GLM-4.7發布后，其MaaS平臺的年度經常性收入（ARR）從2000萬元增至超5億元，10個月獲得25倍增幅。

這說明，在AI編程這個細分市場，專業用戶確實愿意為真正能提升生產力的工具買單。

不過，和智譜股價上漲一樣，MiniMax股價上漲的原因，也不全是來自于新模型的發布。

2月10日，MiniMax獲得了摩根大通的首次覆蓋，獲得“超配”評級和 700 港元目標價，并在當日引發股價一度上漲10.7%。

摩根大通明確指出，MiniMax 2025年前三季度海外收入占比高達 73.1%，遠超國內AI同行。

因此摩根大通將MiniMax描述為 “天生全球化”的AI企業，認為其全球化布局是核心競爭力。

國際市場中，OpenAI、Anthropic、谷歌的定價方案都遠遠高于MiniMax，這就導致后者的核心競爭力更強。

不僅如此，歐美市場對AI工具的接受度和付費能力，普遍高于國內市場。

MiniMax的這一優勢，在當前的國際環境下顯得尤為寶貴。

可以預見的是，2026年的春節，注定會成為中國AI發展史上的一個重要節點。

智譜和MiniMax的同時搶跑，雖然只是這個宏大敘事中的一個小小章節。

但它至少說明了一件事，國產大模型公司已經不執著于比參數和融資規模了，而是真的在琢磨怎么把技術變成開發者愿意掏錢的工具。