2026.09.22 | AC | LLM | China Labs New Models & ARR

摘要

• 模型大厂新模型能力提升和对ARR提振。
• 国内头部视频模型能力对比，竞争格局等。

专家观点：

H3模型与Seedance 2.5模型相比有何差异？具体价格优势体现在哪里？

从绝对模型能力来看，Seedance 2.5相对更强。H3的优势主要体现在以下几个方面：首先，在价格上具备竞争力。其次，对文本的理解能力更优。再次，in-context IR（信息检索）的导演模式做得更为细致。最关键的是商业化层面，H3是开源的，为厂商提供了进一步压缩成本的可能性。在输入参考方面，尽管Seedance

1. 5支持多达50个输入参考，但实际应用中15个已足够，而当前许多视频模型（如可灵）尚不支持输入参考，这一功能对视频模态至关重要。此外，H3在音频处理上表现更佳，实现了原生立体声的单pass处理。

未来半年内，公司有哪些模型的发布计划？

未来半年的发布计划主要包括三款模型。首先是M3.1。其次是M3 Pro。最后是H3.1。

从长期来看，公司的模型能力是否有机会超越Kimi、DeepSeek或智谱等竞争对手，并进入第一梯队？

短期内（例如未来两个月），由于竞争对手的用户量较大，其文本模型在代码能力上的增长斜率可能更高。但随着M3 Pro的推出，这一差距有望缩小。公司完全有可能进入第一梯队。公司的核心优势并非模型架构的原创性研发，而是更多地复用经过验证的成熟架构（如GKV），强项在于工程化、技术粘合以及组织能力。通过这条路径，即使不是技术先驱，也能够打造出性能强大的模型。

M3 Pro的发布预计会对年底的ARR产生多大提振？考虑到M3 Pro有望成为第一梯队模型，为何其带来的增量预期相对谨慎？

M3 Pro是一款备受期待的模型，其对收入的提振作用预计将在2026年10月之后显现。若M3 Pro发布后市场反响良好，ARR有望超出原目标2至3亿美元。预期相对谨慎的原因在于，需要将市场竞争因素纳入考量。尽管内部测试显示M3 Pro相较于M3有显著提升，但在其推出时，竞争对手（如智谱）也可能发布其5.5或6.0版本的新模型。因此，M3 Pro的推出并不意味着能单方面地抢占市场份额，其最终表现会受到整体竞争格局的影响。

从未来三年的维度看，如何评估国内大模型厂商的竞争力排序？

从未来三年的角度看，Kimi被视为最值得尊重的竞争对手，位列第一。他们最早看清了后训练阶段叠加参数的技术路径，并且在预训练方面基础扎实。公司自身与智谱处于第二梯队。智谱虽为科班出身，拥有清华的资源和国家支持，在代码能力上领先，但其技术路径对 蒸馏的依赖较多，自身研发能力可能不及Kimi。DeepSeek如果放在去年（2025年）排名会更靠前，但目前面临核心人才流失和组织架构跟不上发展速度的问题，且其产品路线较为局限于性价比，在真正前沿的代码能力构建上进展有限。总体来看，这四家公 司是目前市场上的头部参与者。

如果将腾讯、阿里（千问）、字节等大型科技公司纳入考量，国内大模型公司的综合排名是怎样的？

即使将大型科技公司纳入评估，创业公司中的前四名（Kimi、智谱AI、MiniMax、DeepSeek）的地位依然稳固。大型科技公司由于存在诸多组织架构上的制约，虽然其模型在基准测试中表现尚可，但实际调用时的性能和用量并不理想。以阿里的千问和 腾讯的混元为例，混元在海外的用量很多是基于补贴，而国内的实际使用情况并不突出，这表明其尚未能有效实现国际化并获得商业回报，这一状况已持续超过两年。大型科技公司很难像创业公司一样组建并独立运作一个小型、灵活的团队来推进此类项目，而这恰恰是成功 的关键，谷歌的案例也印证了这一点。

具体到各家大型科技公司：

字节跳动的团队能力较强，但其模型采用闭源策略，这在很大程度上限制了其发展。闭源导致其无法借助开源社区的力量进行技术交流、优化和分发。对于海外用户而言，如果选择闭源模型，他们通常会直接使用OpenAI的产品，而非字节跳动的模型，这使得字节跳动的模型在海外市场的实际使用量几乎可以忽略不计。这被认为是一项风险较高的策略。不过，在视频生成等Diffusion Model领域，闭源模式或许能够实现商业闭环，但在文本模型方面，其在调用量和社区互动上尚未形成显著影响力。

综合来看，在大型科技公司中，阿里的千问排名第一，字节跳动其次，而腾讯虽然推出了新模型，但应用场景仍相对局限，且补贴占比较高。

在智谱AI和MiniMax之间，如何评估两者的相对优劣？

从纯粹的模型技术能力角度看，智谱AI和MiniMax目前可能暂时领先。然而，在商业化能力、市场触觉以及产品化路径（例如海外API收入、License模式）方面，MiniMax团队则更具优势，并且是这些商业模式的先行者。Kimi、智谱AI和M iniMax在看到MiniMax成功实践后才开始跟进，但至今在商业化团队的构建和整体产品布局上仍有差距。综合考量整体布局、多模态能力和商业化能力，MiniMax团队的表现更为强劲。因此，可以将它们与MiniMax归为同一梯队，但在不同维度上 各有侧重。

智谱AI通过其模型在编程场景积累了大量用户和数据，这是否构成了难以弥补的“数据飞轮”优势？

数据飞轮效应确实存在。目前国内绝大多数编程场景的代码库都已提供给智谱AI的模型进行处理，这使其获得了真实且高质量的训练数据，这是MiniMax在训练阶段无法获取的。这些数据包含了模型在执行真实编程任务时的各种情况，尤其是任务失败时的反馈数据 ，例如用户通过点赞/点踩、追问或进行调试等方式提供的隐性或显性反馈。这些反馈对于模型迭代至关重要。已经形成了一个系统，即模型使用得越多，其编程能力就越强，未来处理类似任务的完成度和理解度也会越高。

这一数据优势MiniMax暂时无法弥补。但随着MiniMax模型总调用量的提升，当数据量达到一定阈值后，差距是可以追赶上的，可能需要一到两代模型的迭代周期。与GPT-5.2版本发布时相比，MiniMax目前已经取得了一些追赶的进展。

智谱AI在编程领域的数据优势是否是永久性的，是否会因为数据持续领先而导致其模型效果始终优于竞争对手，从而形成不可逆转的差距？

这种优势并非不可弥补。关键前提在于MiniMax自身模型基础能力的提升。一旦MiniMax的模型基础能力能够追平或赶上对方，并且MiniMax的调用量也随之增长到相当的水平，那么数据上的差距就是可以弥补的。如果模型基础能力始终无法跟上，那么 这种差距才可能变得不可弥补。

在模型训练中，当数据量达到一定门槛后，例如达到智谱AI当前的水平，新增数据带来的边际效益是否会递减？

不会递减。编程任务的复杂度和丰富度在持续增加，可以想象的智能任务场景层出不穷，每次任务都可能涉及新的排列组合。因此，数据并非越多越好，而是持续有新的、高质量的数据输入，模型性能就能持续提升，不存在边际效益递减的情况。这与自动驾驶领域中数据优 势可能存在边际递减的说法有所不同。

如何评价爱诗这家公司，其在To C领域的竞争对手有哪些，例如与微度、豆包等相比表现如何？

爱诗团队在To C领域的能力较强，尤其在实时视频生成方面。其在To C领域的主要竞争对手是微度，目前微度的实力相对较弱。豆包和腾讯的产品不属于其直接竞争对手，因为后两者定位是更全面的通用型模型，而爱诗则专注于视频生成这一垂直赛道。

随着视频生成技术的发展，当生成内容达到肉眼“真假难辨”的程度后，各家厂商之间的核心差距将体现在哪些方面？

尽管在演示中视频生成可以达到“真假难辨”的仿真度，但在实际应用中，当面临更复杂的变量，如变速处理、更长的生成时长或复杂的指令时，其效果会受到影响。因此，即便仿真度很高，各厂商在处理复杂、长时程、多变量的生成任务方面的能力差异，将构成未来的核 心差距。

近期智谱和Minimax等大模型公司的股价表现疲软，可能的原因是什么？同时，爱诗在其所处的视频生成赛道中，未来的生存空间和竞争格局如何？

近期相关公司股价表现疲软，从行业竞争体感来看，主要原因可能与市场竞争加剧有关。首先，未上市的Kimi在模型能力上实现了显著超越，改变了原有的竞争格局。其次，大厂如deepseek采取的降价策略，以及其他大厂在产品分发和应用落地方面的优势，都 加剧了市场竞争。

对于爱诗而言，其技术团队能力较强且专注于视频生成赛道。在图生视频（I2B，Image-to-Video）领域，其产品（如Pika V5.6）目前处于第二梯队。技术上强于爱诗的公司包括谷歌、字节跳动以及MiniMax自身（A3模型）。此外，千问和微度也是其直接竞争对手，市场竞争非常激烈。爱诗目前的竞争优势更多体现在C端的模板化能力，使用户觉得产品易用。然而，公司缺乏坚固的护城河，导致用户留存率较低，ARR也未见显著增长。

全球领先的视频模型（如Sora）的估值预期在年底可能达到四五十亿美元，而代码生成领域的市场规模可达千亿美元级别。从当前情况看，视频生成领域的下一个爆发点在何处，以及何时可能出现百亿甚至千亿美元级别的市场变化？

尽管现有视频模型（如2.0版本）已经取得了令人瞩目的效果，但其估值仅为50亿美元。这表明市场仍在探索其大规模商业化的路径。视频生成领域的下一个爆发点，以及何时能达到百亿或千亿美元的市场规模，目前尚不明确。

目前AI在传统电影行业的渗透率和未来应用前景如何？行业内的主要公司对此持何种态度？

当前AI在传统电影行业的渗透率不足1%。尽管模型能力已能满足需求，但像迪士尼、Pixar、Warner Brothers这类大型传统电影公司在应用上表现出一定的“洁癖”，尚未全面采纳。然而，这些公司的潜在用量是巨大的。从消费者和创作者（如导演）的角度来看，最终的感官效果是核心评价标准，而非制作手段或成本。市场竞争机制将是推动AI应用的关键，因为能够以更低成本实现同等或更优观影效果的制作方将获得竞争优势，迫使行业内其他参与者跟进，否则将被市场淘汰。因此，AI技术在电影制作领域的应用，尤其是在CG等虚拟效果制作方面，是必然趋势。

对于“爱诗”这家公司，其当前的护城河、潜在竞争对手以及投资价值应如何评估？考虑到其在C端视频领域的积累，未来转向to B市场是否具备先发优势？

个人保持观望态度。首先，其入局视频模型领域相对较晚，尽管有C端视频制作的经验，但在to B的API服务方面涉足较少。在当前的视频模型赛道中，竞争格局已经非常激烈，前面有微度、科林、千问、字节跳动以及MiniMax等多家公司。具体来看，“爱诗”与第一梯队的科林之间还存在两到三家公司的技术差距，且其承诺的第一梯队模型在过去两年内也未能推出。其次，从C端业务来看，其核心资产是平台的用户粘性，但月活跃用户数长期徘徊在1,000多万的水平，增长已基本停滞。技术团队方面，虽然具备能力，但核心人才规模有限，并非一个完整的团队建制，在顶尖人才招募上也面临困难。相较之下，MiniMax自身在面临相似的C端变现困境和产品交付能力不足时，选择通过部分开源（A3模型）的方式，借助软件公司的力量弥补短板，并依靠文本模型的业务来支撑视频业务的发展。“爱诗”并未采取类似策略，因此其突围难度较大。

MiniMax的模型能力据称与国内领先的C-DaMoN不相上下，但为何C-DaMoN在国内能实现几十亿美金的估值，而MiniMax在海外今年的营收目标仅为2亿美金？这其中的差距主要源于哪些因素？

C-DaMoN之所以能达到50亿美金的估值，其收入主要来源于电商营销和专业的市场营销内容创作。MiniMax模型能力虽然强劲，但在海外市场的营收规模受限，核心原因在于分发渠道受限。作为一家中国公司，MiniMax在海外的分发量级与谷歌这类具 备全球分发网络的公司相比存在显著差距。如果MiniMax的模型能力能够嫁接在谷歌这样的分发体系上，收入规模将会高得多。

与字节跳动的可灵相比，公司在视频模型市场的收入规模存在差距，其背后的主要原因是什么？预计何时能达到与其相当的水平？

公司与可灵在视频模型市场的差距主要源于几个方面。首先，在渠道层面，国内短视频市场巨大，而字节跳动拥有强大的渠道和生态工具，如CapCut（剪映）等，这是MiniMax目前所不具备的。其次，视频模型市场具有“赢家通吃”的特性，主流的闭源模型会吸引绝大部分用户，而可灵作为领先的To B厂商，已经积累了显著的先发优势。再次，从团队规模和资源来看，服务视频模型的客户通常需要一个10到20人的团队进行对接，而MiniMax在视频模态领域的总人力有限，难以与大厂匹敌。可灵经过长期发展，已积累了深厚的交互团队和客户服务经验。基于这些因素，MiniMax选择开源路线，旨在另辟蹊径，逐步抢占市场。

实时生成视频技术未来的市场潜力如何？目前行业内的主要参与者和技术进展到了哪个阶段？

实时生成视频技术被认为拥有巨大的市场潜力，尤其是在广告等需要千人千面和强互动性的领域，这构成了该技术的核心叙事。然而，当前技术能力是实现这一愿景的最大瓶颈。在主要的四家公司（C站、MiniMax、爱诗和微度）中，只有两家在积极探索实时交互生 成技术。其中，爱诗的策略最为激进，其目标明确指向这个广阔的市场。不过，目前该技术仍主要停留在演示阶段，产品质量尚未完全过关。

实时生成视频技术的关键技术拐点预计何时出现？其标志是什么？

实时生成视频技术的关键拐点在于能否发布一个在质量上显著优于现有模型的新模型。以爱诗为例，其在2026年7月发布的V度S S1模型，主要应用于数字人语音、动作和表情的实时交互，而非单纯的对口型。真正的拐点性模型，例如其后续可能发布的5.6或6.0版本，需要能够生成高质量的实时视频，使其与预录制视频的质量差距缩小到10%以内。目前主流模型仍是基于预录制技术，一旦实时生成技术在稳定性上取得突破，市场将迎来重大转折。预计下一个可能带来突破的模型将在2026年年底推出。需要注意的是，即使有公司率先突破，字节跳动等大厂也完全有能力迅速跟进，他们目前的策略是先稳固预录制视频生成的基础能力。

基于对技术拐点的判断，是否可以预期2027年视频模型的增长斜率会非常高？

是的，可以这样理解。一旦实时生成视频技术在2026年底或之后取得重大突破，预计将推动视频模型在2027年实现非常高的增长斜率。

关于智谱宣称其已建成国产算力卡10万张规模的集群，这一信息的真实性如何？这是否会使其在推理成本上获得大幅领先优势？

10万张的说法可能略有夸大，但拥有七八万张是可信的。这主要得益于其承接了较多国家级或To G的客户，拥有相应的需求和资源，并且获得了H公司的有力支持。不过，这并不会使其在推理成本上获得大幅领先优势。虽然智谱在国产卡上实现了较好的推理优化，使其能够达到未优化前NVIDIA高端卡的某个百分比效率，但这并不意味着MiniMax的NVIDIA卡不能进行优化。大家都在部署国产卡，其核心优势在于提升了弹性和兼容性，能够在H公司或政企环境中不依赖NVIDIA卡运行起来，这本身是一个进步，但并非颠覆性的成本突破点。