智谱MaaSARR达16亿美元：1个月增60% 单位Token推理成本降80%

雷递网 雷建平 9月1日

智谱（股票代码：“2513”）日前发布2026年上半年的财报。财报显示，智谱2026年上半年营收为9.54亿元（约1.42亿美元），较上年同期的1.91亿增长399.7%。

智谱2026年上半年来自开放平台及API的收入为8.25亿（约1.23亿美元），较上年同期的2910万元增长2,735.7%，成集团主要收入来源。

按调用计费的开放平台与API服务收入占比由2025年末的26.3%提升至86.5%。

智谱2026年上半年来自企业级通用智能体的收入为5556万元，较上年同期的1374万元增长304.4%；来自企业级通用大模型的收入为6704万元，上年同期为1.48亿元。

智谱2026年上半年毛利为2.52亿，较上年同期的9542万元增长163.7%；智谱2026年上半年经调整净亏损为19.64亿。

本次业绩最核心的变化，是智谱在模型能力与推理效率上的持续投入，开始集中转化为MaaS的平台规模和收入增长：更高的智能上界，使模型能够进入更复杂、更高价值的任务；更低的推理成本，则让这些能力能够被更高频、更大规模地使用。

截至2026年8月31日，智谱MaaS平台年化收入规模（ARR）按月度计算达到16亿美元、周度计算20亿美元，企业及开发者用户超过740万，Token调用量较年初增长超过40倍，付费日活用户增长603%，前十大客户日均调用量增长98%，API平均售价提升约101%。

单位token推理成本较年初下降80%

截至2026年8月，智谱MaaS平台用户数超过740万，较年初增长144%；付费日活用户数较年初增长603%。以收入计的前十大用户，日均调用量较年初增长98倍。

All-in-Infra：智谱2026年上半年在训练与推理两侧同时投入，并将国产芯片纳入主力推理算力，已实现10万级国产芯片的规模化低成本推理，单位token推理成本较年初下降80%。

在全球算力供给持续紧张的条件下，这条路径决定了公司的成本曲线掌握在自己手里。

能力上界：智谱GLM系列在约11个月内完成4.6、4.7、5、5.1、5.2、5.3六代迭代，智能指数由32提升至60，单任务成本稳定在0.2美元档，跨越了三个范式阶段；GLM-5.3-Flash以0.045美元的单任务成本，进入智能—成本前沿。

量价齐升：截至2026年8月末，MaaS平台Token调用量较年初增长超过40倍，其中CodingPlan调用量增长超23倍；同期API平均售价提高约101%，CodingPlan订阅价格亦有上调。报告期内，开放平台及API业务毛利率提升至24.6%，较上年同期提升25个百分点。

智谱智能上界持续抬升，推理效率加速改善，MaaS调用与收入历史性放量。截至2026年8月31日，智谱MaaSARR已达16亿美元，1个月增长60%。

持续提高能力上界，模型开始独立完成完整工作

智谱2026年上半年研发投入为21.3亿元，较上年同期的15.95亿元增长33.6%。该增长主要由于集团持续加大模型训练的研发投入，以支撑GLM系列模型智能上界的持续突破。

过去11个月，智谱连续迭代GLM-4.6、GLM-4.7、GLM-5、GLM-5.1、GLM-5.2及GLM-5.3六代旗舰模型，智能指数由32提升至60。模型能力由早期的氛围编程，逐步扩展至代码文件生成、工具调用、自主执行及工程级项目交付。

智谱称，从GLM-5系列开始，在Coding方向验证了大模型独立完成完整工作的能力。模型不再只是为开发者提供代码建议，而是能够理解工程目标、拆解任务、调用工具、持续调试并交付可运行结果。基于Coding形成的长程规划与执行能力，也开始向网络安全、数据分析和复杂自动化等专业场景迁移。

模型演进遵循“Chat—Coding—Co-work—AutonomousAI”的能力阶梯。能力每跨越一个台阶，模型能够处理的任务价值和对应市场空间随之放大：从搜索、软件开发，进一步进入知识工作和长期自治任务。模型每完成一次能力跃迁，客户购买的内容就更接近最终结果。

当前，智谱业务重心处于Coding向Co-Work演进，在网络安全、法律、金融等方向进入Co-Work落地阶段。

支撑能力持续提升的，是Scaling与Harness的协同。智谱持续扩大基座规模、训练深度、有效计算深度和任务环境，2026年8月发布的GLM-5.3进一步验证了这一路径。该模型与GLM-5.2采用相同架构、总参数及激活参数，主要通过扩大长程任务环境和后训练规模，使端到端任务完成率提升超过50%。这表明Scaling并未停止，其对象正在从单纯增加参数，进一步扩展至训练深度、有效深度和真实任务环境。

智谱还提前布局ZCode作为官方Harness，承担上下文管理、工具调用、任务调度、环境交互和结果验证，通过真实任务中的执行、反馈与验证，推动模型与Harness协同迭代。

2026年8月发布的GLM-5.3-Flash代表了智谱对成本前沿的进一步探索。该模型采用新一代架构及30T级多模态预训练语料，在能力超过GLM-5.2的同时，将单任务成本降至0.045美元，调用价格降至GLM-5.2的约十分之一。

正式发布前，GLM-5.3-Flash以匿名模型Ox-Alpha在OpenCode与OpenRouter接受真实调用检验。在未披露模型身份的情况下，Ox-Alpha上线首日即登上OpenRouter榜首；上线6天Token调用量超过62万亿，并带动平台整体调用量提升超过20%。这表明，能力上界x成本前沿将直接形成开发者选择和大量调用需求。

智谱表示：“公司以GLM-5.3与GLM-5.3-Flash完成能力上界x成本前沿的双线突围，依托国产芯片规模化推理把成本曲线掌握在自己手里，驱动Maas平台迎来历史性放量，前沿智能正在进入更多开发者、企业和真实工作流，并最终转化为更大的MaaS调用量与收入规模。”

模型能力越强大，安全约束就必须越稳固

2026年上半年，智谱验证了模型可以持续进行任务拆解、工具调用、环境交互、错误修复和结果验证，独立完成数小时量级的工程任务。智谱称，下一步希望将任务周期从数小时延伸至数天，并由单一Agent进一步走向多Agent分工协作，让模型从辅助一个工作环节，升级为执行一段可验证、可审计的完整业务流程。

对MaaS而言，这意味着未来出售的不只是一次模型调用，而可能是一段工作时间、一项完整交付和更高价值的业务结果。

为了支撑更长任务，智谱判断Scaling并未停止，但Scaling的对象正在从单纯增加参数，扩展到基座规模、有效计算深度、训练深度和任务环境。GLM-5.3与GLM-5.2采用相同架构、总参数和激活参数，仅扩大长程任务环境及后训练规模，端到端任务完成率便提升超过50%，说明训练深度仍有较大空间；GLM-5.3-Flash则使用新一代架构和30T级多模态预训练语料，为下一代基座模型验证新的技术路径。

更长期的技术预期是“Fully Self Training”：模型逐步参与训练数据生产、任务环境搭建和基础设施优化，使上一代模型开始帮助训练下一代模型。目前已经出现早期形态——GLM生成的环境正被用于后续模型训练，由GLM-5.3驱动的基础设施智能体参与推理引擎、内核和服务栈优化，并将国产芯片上的端到端服务性能提升3倍。

这一流程目前仍保留大量人工环节，能力评估和风险判断也将继续由人及外部机构完成；但如果数据、环境和基础设施能够逐步形成自我改进回路，智谱模型迭代的速度以及能够进入的业务边界，都可能进一步提升。

智谱指出，其技术愿望是模型可以自动参与训练系统的建设，但也需要保证对其能力的评估与风险的判断最终由人来裁量，并引入外部机构独立评估。

智谱透露，2026年上半年，公司在网络安全方向上已经这样做了，即最敏感的能力受控开放，开源前由第三方专业团队独立评估，漏洞通过国家漏洞库完成责任披露。基准分数由我们自己报告，风险判断交给外部确认，这个分工不会因为能力提升而改变，只会随能力上移而加强。

雷递由媒体人雷建平创办，若转载请写明来源。