8月11日消息，据《晚点 LatePost》独家报道，智谱 MaaS 开放平台注册用户即 API 用户近 700 万，相比 7 月初增长约 200 万，其中包括 2.3 万家企业客户，对标 Codex 的开发者产品 ZCode 上线 1 个月用户突破百万。
700 万是注册用户口径。Coding Plan 是挂在智谱 MaaS 平台上的订阅套餐，订阅者需要在 bigmodel.cn 注册账号，按此口径应包含在 700 万里；《晚点 LatePost》未披露其中的细分构成。
今年以来智谱 ARR 增长 15 倍，在 Kimi 和阿里新模型发布后，增速没有受到影响。有投资人透露年底预期 ARR 来到 20 亿美元，智谱官方已经否认，接近公司的人表示实际数字应该更高。若按 20 亿美元口径计算，注册用户当月平均在智谱开放平台花费约 160 元，这一均值以全部注册用户为分母。 增长来自编程需求与模型引力
编程场景需求的快速攀升和前沿模型的引力，是 ARR 迅猛增长的两条主线。智谱 2026 年 2 月初 GLM-5 模型发布前，ARR 约为 1 亿美元左右，据《晚点 LatePost》了解，GLM-5 发布后智谱 ARR 在短期内即实现翻倍。根据 Artificial Analysis 的评测，GLM-5 发布时位居全球第四，仅次于 Claude 当时最先进的两款模型以及 OpenAI 的 GPT-5.2。 通过先进模型发布牵引收入抬升的剧本在中美两国都已跑通。Anthropic 年化收入在 2025 年底为 90 亿美元，半年后已增长到 500 亿美元，根据 SemiAnalysis 的测算，7 月已超过 600 亿美元；除了编程场景需求跑通之外，Anthropic 连续推出超过 OpenAI 的领先模型被认为起到重要作用。智谱是第一个在中国复制这个剧本的公司，类似的经历随后发生在月之暗面和阿里身上：7 月 16 日 Kimi 发布 K3，次日 API 就因过载中断近六个小时，Kimi 甚至停止了新用户注册；8 月 3 日阿里发布 2.4 万亿参数的 Qwen3.8-Max，港股当天涨 7%，市值重回 2.4 万亿港元。
算力是这套剧本里被低估的约束。7 月 21 日市场传出智谱已建成规模 1 GW 的国产 AI 算力基础设施，据《晚点 LatePost》了解，有超过 5 万块国产算力芯片已经启用，以缓解日益增长的推理需求。7 月 31 日，智谱长期限售的 Coding Plan 在大幅涨价后已开放购买。
算力受限，靠推理效率补短板
在物理硬件无法快速扩展的情况下，工程师们转而聚焦用算法提升已有模型的推理效率，特别是针对长程任务的处理，这是编程需求的痛点。过去智谱被认为在 Infra 上缺乏经验，随着 GLM-5 带来先发优势，智谱在过去半年开始弥补这块短板，7 月完成对中科加禾的收购。
技术博客显示，一个 Agent 干活时平均要往模型里塞 7 万多 token 的上下文，远超日常聊天内容，而通过分拆 KV 缓存，智谱和中科加禾的研究成果可以将单个推理服务吞吐随长程任务增长最高提升 132%。在另一项名为 ZCube 的大模型推理网络架构方案中，智谱宣称可以提升整个生产集群吞吐量高达 15%，同时降低 AI 基建中交换机与光模块需求多达三分之一。
5 月下旬，智谱推出高速版 API，每秒生成 token 数达到 400，相比常规 API 服务速度提升约 8 倍，官方称其刷新当前全球大模型厂商 API 的速度上限。这项研究成果来自与 TileRT 团队的合作，后者与 TileLang 来自同一团队，即那份广为流传的梁文锋讲话里被认为有潜力瓦解英伟达 CUDA 护城河的编程语言。6 月 9 日，TileRT 团队又公布了与小米合作的成果，把 MiMo-V2.5-Pro 这个拥有 1 万亿参数的模型的速度推到 1000 token/s。
模型层面的改动也围绕推理成本展开。GLM-5.2 技术报告公开的 IndexShare 通过复用稀疏注意力层的索引器，把百万 token 场景下单位 token 的计算量降低 2.9 倍；后训练阶段重新采用 PPO 并配套名为 SAO 的异步方法，让每条任务跑完立刻进入学习，行业方法通常在约一百六十步就崩溃的地方，它稳定训练了一千步。所有这些优化最终落到一张归一化图：如果把 GLM-5.1 处理 3.2 万 token 上下文时的吞吐看作基准，20 万上下文长度时 GLM-5.2 的吞吐能力为 4.7 倍，GLM-5.1 则为 2.77 倍。
这也是目前模型公司共同的优化方向。Kimi 的 K3 在模型架构上更激进，把四分之三的注意力层改成了线性注意力，相比智谱的方法是一种有损的改动，好处是缓存体积大幅减少，吞吐能力同步提高。一位投资人对《晚点 LatePost》表示，Infra 层优化将是未来一两年 AI 投资的重要主题：模型能力趋同之后，谁能把同样的卡跑出更多 token，谁的账就更好看。
API 毛利率改善，卖 token 成为一门好生意
一道简单的计算题可以说明规模化部署效率提升的空间：即使是高速版 API 的 400 token/s，按照 8 卡 H200 服务器的内存带宽计算，也只用到硬件理论能力上限的四成。一位行业人士对《晚点 LatePost》估算，大模型 Infra 每轮优化仍有 15% 到 30% 的效率提升。
这让卖 token 更像一个好生意：成本端推理效率有持续优化空间，收入端用户需求持续增长，编程的规模越来越大、项目越来越复杂，消耗的 token 越来越多。不同机构给出了各厂商 API 毛利率的估算：SemiAnalysis 估计 Anthropic 超过 80%，The Information 的独家报道指出 DeepSeek 大约在 70% 到 80% 之间，据《晚点 LatePost》了解，智谱在理想状况下、于自有算力设施上运转时可达 50% 到 60%。这些计算均不涉及 API 服务的前期投入，而在大模型领域，前期投入恰恰是大头。 定价正在反映供需变化。智谱 7 月 31 日放开了 Coding Plan 的购买限制，除引入积分制计算规则外，价格上涨最引人注目：推出时的入门价格每月 20 元，现在 Lite 版已来到 118 元一个月。Coding Plan 本来是早期吸引用户的策略，当时没有人预料到 token 需求会井喷；现在智谱需要优先保供 API，只能对个人用户提价。即便如此，按照输入、缓存命中、输出大约 7:2:1 的价格计算，GLM-5.2 的混合价格约为 8.8 元/百万 token，显著低于美国同性能的模型。
7 月智谱宣布新一轮港股配售，发生在基石投资人港股解禁的第二天，智谱股价不降反升。据一位接近智谱的人士说，整个配售认购一下午就完成，最后募资超过 300 亿港元；根据智谱的公告，55% 用于研发，既包括算力采买，也包括人才队伍扩充。
开源上锁与独立模型厂商的窗口期
API 静态毛利率得以维持的前提，是模型厂商提供的智能有区别，模型领先才有定价权。许多人认为开源会直接影响先进模型的定价权，因此不少厂商正在给开源上锁：智谱在 GLM-5.2 上仍沿用最宽松的 MIT 协议，而不止一家厂商正在酝酿或推行把开源授权变成商业合同，条款包括开源版本是残血的、满血版只在官方 API 提供，年收入超过 2000 万美元的企业需单独申请授权，为模型提供托管服务的第三方定价不得低于官方 API，部分方案还要求分成，比例最高可超过 30%。
独立模型厂商的窗口期来自编程。Coding 浪潮把按 token 计费的需求真正引爆，算账的方式彻底改变：根据智谱 2025 年的年报，定价提高一倍，调用量反而涨了八倍，与海外前沿模型的价差也在逐渐缩小。Kimi 比智谱更激进，K3 模型 API 输出价为每百万 token 15 美元，与 Claude Sonnet 5 的标准定价一模一样。窗口期的另一面是大厂的缺位：在长达半年的时间里 BAT 拿不出一个第一梯队的 coding 模型，字节已宣布不做蒸馏，等于亲手放弃了短期内快速追赶前沿模型的机会。但窗口期不会一直敞开，字节在视频模型上已经拿出 SOTA 成果，如今对 Coding 的投入已肉眼可见地坚定。
商业模式本身也在变化。越来越多的公司搭建内部路由，按照任务复杂程度把不同价位、不同性能的模型组合起来使用；Palantir 们则在教育企业客户只用 API 而不要使用模型厂商提供的更多工具，理由是数据和工作流是企业最珍贵的资产，模型只是随时可以插拔更换的零件。这是 toB 生意的逻辑：一切为效率让位。
窗口还开着，算力依旧紧缺。智谱和 DeepSeek 预计都将在 8 月发布新模型，下一次发布已经排上了日程。
AI 速览
