4月8日，智譜進行了今年第三次漲價。

在2月代碼訂閱套餐價格上調30%，3月旗艦API價格上調20%后。昨日，模型聚合平臺OpenRouter數據顯示，GLM系列API價格再度上調10%，配合同日發布的旗艦開源模型GLM-5.1，調價后其編程場景緩存命中Token單價，已接近Anthropic旗下Claude Sonnet 4.6的水平。截至收盤，智譜股價漲幅11.49%，報868港元，市值3872億港元。

與此同時，API年化收入（ARR）在過去12個月內暴漲60倍至17億元人民幣，Token調用量在價格累計上調83%的背景下逆勢增長400%。CEO張鵬對外的表述只有一句話：瓶頸在算力，不在客戶。

在整個中國大模型行業仍以價格戰換市場的語境下，這一反向操作的底層邏輯，被智譜以罕見的坦率寫入了首份財報，并壓縮成一個方程式：AGI商業價值 = 智能上限 × Token消耗規模。

對智譜而言，它是一套完整的戰略操作系統，規定了研發投入的優先級、定價策略的方向，以及公司在市場份額與利潤率之間如何取舍。全球范圍內，OpenAI在安全報告里講敘事，Anthropic以“負責任擴展”塑造品牌，谷歌把AI經濟學深埋在集團財報之中。從這個意義上說，智譜是全球極少數敢于將自身全部商業邏輯公開量化的AI公司。

“智能上限”，是智譜認為自己能夠掌控的變量。4月8日發布的GLM-5.1在最接近真實軟件開發場景的SWE-bench Pro基準上首次超越Claude Opus 4.6。更引人注目的是其“長程任務”能力：GLM-5.1能在單次任務中持續自主工作長達8小時，自主規劃、執行、測試，碰壁時切換策略，出錯后自行修復，最終交付工程級成果。

“Token消耗規模”，是智譜認為將隨智能上限提升而放大的因變量。以OpenClaw為代表的Agentic工具鏈在2026年初的爆發，驗證了這一邏輯的短期彈性，單次復雜任務涉及數百次工具調用和數千輪內部推理，Token消耗量是普通對話的數十至數百倍，總調用量由此呈指數而非線性增長。

在紙面上，這套邏輯完美自洽。但商業世界里，方程式的優雅從未等同于勝算。智譜需要回答的命題是：在一個轉換成本趨近于零的API市場里，僅憑模型的能力代差，究竟能不能建立起真正的定價權？尤其是當技術的領先窗口不可避免地被壓縮時，這家公司又將如何支撐它龐大的成長預期？

大模型沒有“死忠粉”

理解智譜定價權主張的正確起點，不是看它的模型有多強，而是先理解它所身處的市場，從結構上就不支持傳統意義的定價權。

Oracle在數據庫領域維持數十年高溢價，依賴的是數百萬行業務邏輯深度嵌入客戶系統后產生的遷移恐懼，以及切換供應商意味著多年工程周期和數億美元整合風險。這類定價權的本質，是隨使用年限遞增、幾乎不可逆的轉換成本積累。

API經濟從結構上摧毀了這道護城河。更換一個大模型API供應商，技術層面通常只需修改接口端點、調整若干參數，工程師可以在一個下午完成遷移測試和驗證。這意味著，在大模型API市場，理論上有且只有一種持久的定價權來源，即模型能力代差本身。這是智譜方程式的底層假設，也是它在邏輯上最暴露的地方。從價格戰最高降幅90%到API價格累計上調83%，智譜在單一財年內完成了一次令市場困惑的定價逆轉。歷史上有一個可資參照的案例，2001年互聯網泡沫破滅后，Salesforce是少數堅持訂閱定價、拒絕跟隨競爭對手降價的SaaS公司之一。最終，其客戶留存率和凈收入留存率（NRR）反而高于妥協者。

其核心思考便在于價格錨定了用戶對產品價值的心理預期，輕易降價等于主動摧毀這一錨點，令客戶在每次續約談判中永久占據心理優勢。智譜的反向提價，在執行邏輯上與之高度相似。

但這一類比有一個關鍵邊界，Salesforce的定價能力，最終由CRM數據的深度黏性所支撐：銷售歷史、客戶關系、商機記錄隨時間積累在平臺內部，遷移成本隨使用年限增長而增加，而非減少。API市場的結構恰好相反，技術標準化程度越高，遷移成本越趨近于零。

因此，在大模型的世界里，技術護城河的保質期，往往比初創公司制定一輪戰略規劃的時間還要短。這意味著，智譜此刻握在手里的定價權，更像是一張體驗券，很難形成結構性護城河。

以GLM-5.1為例，其在SWE-bench Pro上超越Claude Opus 4.6是一個標志性節點，它證明了中國開源模型的技術能力已進入全球第一梯隊，但歷史數據表明，這類領先窗口的時間在持續縮短。2023年3月GPT-4發布時，其與其他模型之間的能力鴻溝被普遍認為難以在短期內追平。但到2024年中，Llama 3、Mistral等開源模型已在多數主流基準上逼近其水平。這一壓縮周期不足18個月。以中國開源生態的迭代密度，壓縮速度只會更快。DeepSeek、Qwen的迭代節奏，以及今天的GLM-5.1本身，都是這一趨勢的組成部分。這意味著，任何單一廠商基于基準測試領先所建立的定價權，其有效窗口期可能以季度而非年度來計量。

而企業客戶在購買API服務時，優先級序列是什么？從智譜目前的收入結構可以得到一個反直覺的答案。2025全年，智譜本地化部署（即企業私有化部署）收入達5.34億元，占總營收73.7%，仍是絕對的收入主力。

大量客戶黏性建立在私有化部署產生的集成成本和運維依賴之上，而非純粹的API能力代差邏輯。尤其是其本地化部署業務長期積累的政企客戶關系，而這恰恰是傳統意義上的轉換成本邏輯，而非公式中所假設的“智能上限”邏輯。

事實上，智譜的這場冒險存在著一個堅實的支點：任務復雜度的躍升，可能從根本上改變API市場的定價經濟學，從而使“能力代差”從可替代變為不可替代。

GLM-5.1所代表的“長程任務”能力，在單次任務中持續自主工作8小時，與此前以分鐘級交互為主的聊天模型之間，是質的差異，而非量的差異。在長程任務場景中，模型的上下文一致性、自我糾錯能力和局部最優逃逸能力之間的差距，會被時間軸放大，一個在短對話中僅有微小差異的模型，在8小時連續執行中可能產生結果上的斷崖分化。

這意味著，隨著Agentic應用場景的規�；�，“足夠好”與“最強”之間的功能差距，可能從不可感知變為不可接受，此時，能力代差將首次產生真正意義上的轉換成本。

但這一邏輯成立的前提，是Agentic場景必須足夠快速、足夠深入地成為主流商業化戰場，而這也是智譜方程式的核心賭注。

方程式本身并不能證明這個前提成立，它只是在該前提下，提供了一套內部一致的戰略推論。

誰賺到了Token最大的流量紅利？

方程式的第二項，從來不是某家廠商單獨的戰場。在這場戰爭中，智譜的位置，比它的基準測試排名所呈現的，要復雜得多。

2026年初，中國大模型行業的Token調用量出現了一次斷層式躍升。OpenRouter數據顯示，三月初，中國大模型周調用量達到4.69萬億Token，連續兩周超越美國，全球排名前五均為國產模型。驅動這一躍升的，是以OpenClaw為代表的Agentic編程工具鏈的大規模普及。Agent應用與傳統聊天的本質區別在于Token消耗邏輯，一次復雜任務涉及數百次工具調用和數千輪推理步驟，單任務消耗量是普通對話的數十至數百倍�？傉{用量因此由用戶規模的線性增長，切換為任務復雜度驅動的指數膨脹。對模型廠商而言，這既是收入爆發的引擎，也是算力成本急劇攀升的來源。

這一需求突變，重寫了整個行業的供需方程。僅在2026年3月的一周內，騰訊云、阿里云、百度智能云三大頭部廠商相繼發布調價公告。騰訊云混元系列部分模型漲幅甚至高達463%，多款此前免費公測的模型同步轉入商用計費。

騰訊管理層在財報電話會上提供了一個精準的機制描述：基礎設施產能早已被預訂一空，超大規模服務商長期以低利潤率運營，當需求回升時整個行業別無選擇，只能提價。結構性的供需失衡，給了所有玩家漲價的空間，也給了智譜一個掩護，讓其主動漲價的決策，在行業整體背景下顯得更為順理成章。

但其財報隨之引出了另一個行業難點，智譜的綜合毛利率從2024年的56.3%壓縮至2025年的41%。沒有自建基礎設施帶來的規模效應，輕資產模式下的算力成本隨Token調用量的增長線性上升。漲價，不只是定價自信的表達，也是維持商業邏輯自洽的必要動作。

這是所有中國獨立大模型公司共同面對的難題。據雷鋒網報道，去年一家頭部獨立大模型廠商曾拖欠華南某云廠商上億元的訓練費，直到后來商業化艱難跑通，才一塊一塊地把賬填平。直到今年，隨著Agent與多模態在真實生產場景中生根，獨立廠商們借由海外市場和B端落地，才稍稍從捉襟見肘的窒息感中緩過一口氣。

理解了這種底層的資源焦慮，才能看清智譜與同期赴港上市的MiniMax，為何會走出教科書式的戰略分岔。兩家公司的起點幾乎相同：單位經濟學可盈利，但業務層面資不抵債，競爭壓力主導著支出節奏。

MiniMax選擇開源分發與全球消費者觸達。在OpenRouter榜單上，MiniMax曾連續五周霸榜，月調用量高達6.9萬億Token，約為智譜2.7萬億Token的2.6倍。最新財報顯示，其研發增速與營收增速的差距首次收窄，平臺規模效應開始顯現。這是平臺邏輯的典型路徑：以低邊際成本換取市場覆蓋率，寄望于規模觸發網絡外部性。

智譜選擇精品邏輯，留守國內企業市場提價，將Token消耗鎖定在高復雜度、高可靠性的生產力場景，追求高ARPU而非最大調用量。企業級驗證在短期內有據可查，GLM-5發布后，中國十大互聯網公司中已有九家深度接入GLM，字節、阿里、騰訊均在列，智譜由此成為大廠智能化轉型的基礎設施角色之一。

商業史上，用極致規模換取網絡效應，或用極致能力賺取B端溢價，都曾鋪就過百億美金的坦途。但殘酷之處在于，在同一個爆發的清晨、同一班開往AGI的列車上，這兩種截然不同的戰略，注定無法同時成為最后的贏家。分水嶺已經顯現。

在OpenClaw調用量榜單上，GLM-5曾短暫登頂，但更多時間里霸榜的是Kimi、MiniMax、MiMo、Qwen。Kimi K2.5曾因性價比優勢被OpenClaw設為官方免費主力模型，快速積累調用量；MiniMax則憑借多模態與基座優化強勢反轉。真正需要智譜GLM-5.1那種“8小時工程級能力”的長程任務，只占極小比例。根本原因在于，Agent工具鏈的調用量分布，遵循類似于互聯網流量的冪律結構，絕大多數調用來自輕量級、高頻的日常自動化請求，工程級的長程任務只占極小比例。這恰好是智譜的弱勢場景，高定價在規模競爭中構成結構性阻力，而精品定位的用戶群體，其調用量天花板遠低于大眾化工具的日活規模。

AGI浪潮真正的盛宴，屬于那些愿意在價格競爭中讓利、以模型調用量換生態覆蓋率的廠商。智譜的精品邏輯，意味著它正在系統性地錯過這一輪由普適Agent驅動的增量紅利。這是市場的自然篩選，也是智譜主動寫在方程式里的必然。

寫在最后

智譜方程式本身所指向的核心命題，最終仍要回到技術競爭的物理規律。唐杰在AGI前沿峰會上的那句話，值得被完整引用：大模型到現在更多的是在拼速度、拼時間，也許我們代碼正確了，也許我們就會在這方面走的更遠一點，但也許失敗以后就半年，半年就沒了。

在大模型賽道，能力迭代的速度已經系統性地快于競爭優勢的固化速度。GLM-5.1今日在SWE-bench Pro上的成績，是一個真實的技術里程碑；六個月后，它將成為歷史注腳，而非持續的競爭護城河。這是一條所有參與者都必須正視的規律，與公司的背景和結構都無關。

智譜AI的第一份年度財報，以一個方程式開篇，以一系列開放性問題收尾。一家全年營收僅夠覆蓋三個月研發支出的公司，能否在技術窗口關閉之前，將能力溢價轉化為結構性護城河？能否在算力瓶頸解除之前，將供不應求的稀缺性轉化為長期客戶粘性？能否在下一輪行業價格戰到來之前，完成從“最強模型”到“不可替代系統”的躍遷？

它們的答案，將取決于方程式中的哪一項先出現變化：是“智能上限”的領先窗口在開源競爭中提前關閉，還是“Token消耗規模”在高階場景的增量，最終無法覆蓋精品定位的規模天花板。

*題圖及文中配圖來源于網絡。

       原文標題 : 逆勢漲價，智譜張鵬的底氣來自哪里？