中國 AI 公司競爭重心正由對話機械人和流量入口，轉向程式開發、長程任務與 AGI（通用人工智能）。智譜創立發起人唐杰在「GLM 時刻」後要求團隊繼續衝擊模型能力上限，MiniMax 行政總裁閆俊杰則宣布在公司實現 AGI 前不再領薪。2 封內部信顯示，業界已把短期產品競爭延伸至技術、人才和資本耐力長線賽跑。
這項轉變背後，通用對話功能逐漸成為大模型基本配置，企業客戶更關注 AI 能否安全、穩定並以低成本完成真實工作。GLM-5.2 支援 100 萬 token 上下文，並將重點放在 Coding 與智能體任務，反映中國模型正嘗試以軟件工程能力、長程推理及工具調用能力，建立有別於聊天產品競爭優勢。本文聚焦 3 個問題：Coding 為何成為中國 AI 突破口、唐杰如何定義「GLM 時刻」，以及 MiniMax 無薪承諾為何不只是公關姿態。
Coding 成為最直接能力試金石
中國 AI 若要在下一階段實現局部領先，最可行方向不是重複建立另一個聊天介面，而是讓模型能夠完成複雜工作。Coding 正是最嚴格測試場景：模型必須讀懂大型程式庫、處理長上下文、規劃多個步驟、調用工具、找出錯誤並反覆修正。這些能力一旦成熟，便可由寫程式延伸至企業流程、自動化營運、科研輔助及多智能體協作。
智譜 6 月發布 GLM-5.2 後，將模型導向程式開發和 AI Agent 場景。公開資料顯示，GLM-5.2 把可用上下文由約 20 萬 token 提升至 100 萬 token，並提供不同思考強度設定，以配合複雜任務；公司亦把它納入 GLM Coding Plan 服務。對企業而言，這類能力價值比一般對話更容易量化：若 AI 能協助生成程式、測試功能、修補漏洞和維護舊系統，便可直接影響研發成本、交付速度和產品迭代週期。
不過評測分數不等於實際部署全面勝利。Coding Agent 仍可能產生錯誤程式、誤解業務規則或引入資訊保安風險，因此企業採用時仍須保留人工覆核、程式碼測試和資料權限管控。真正分水嶺不是 AI 能否寫出一段程式，而是它能否在可靠性、成本和安全之間，持續完成完整工程任務。
唐杰把 GLM 時刻定義為能力轉折
唐杰所說「GLM 時刻」，不應只理解為一次模型發布或市值上升，而是智譜對技術路線重新確認。據披露內部信內容，智譜在 2025 年初面對模型表現壓力與產業價格競爭時，選擇重新分配資源，將力量集中在 Coding 方向；這項取捨其後成為公司產品口碑與商業化表現重要支點。
這項判斷背後，是聊天能力容易快速同質化，但軟件工程要求模型同時具備理解、推理、規劃和執行能力。當 AI 可處理長程 Coding 任務，它已不只是生成文字，而是開始接近能自主分工和完成交付智能體系統。唐杰在題為《巨浪已來》內部信中，將未來焦點放在更高智能上限，包括更強基座模型、長程任務、Agent 能力和下一代訓練方法。
因此「GLM 時刻」有 2 層意義。短期來看，它證明中國模型可藉 Coding 場景爭取全球開發者和企業客戶；長期來看，它是通往 AGI 一段技術路徑。模型若不能在程式工程這類高複雜度環境中穩定工作，便難以勝任科研、金融、醫療或大型企業營運等更嚴格任務。智譜策略並非宣稱已實現 AGI，而是以 Coding 作為可驗證能力座標，持續推高模型上限。
MiniMax 以股權綁定 AGI 耐力賽
相比智譜聚焦技術轉折，MiniMax 內部信更突顯 AGI 競賽中組織和資本壓力。閆俊杰在全員信中表示，由即日起直到公司實現 AGI，將不再從公司領取任何薪酬；他同時承諾在未來 4 年，從個人持股中拿出相當於公司總股本 4% 股份激勵長期團隊，另撥出 1% 股份支援開源社群發展。
這項宣布發生在 MiniMax 面對明顯市場波動之際。公司上市後首次大規模限售股解禁涉及 1.53 億股，約佔總股本 48.9%，其後股價單日下跌 17.98%。在這個時間點提出「AGI 前不領薪」，不只是創辦人個人承諾，也是在向員工、投資者和合作夥伴傳達：公司不應因短期股價、解禁賣壓或融資壓力，放棄需要長年投入模型研發。
更值得注意的是，閆俊杰並未只以薪酬犧牲作為訊號，而是把人才激勵和開源支援納入同一安排。這反映中國 AI 新創公司面對現實：AGI 不是單一模型比賽，而是算力、資料、工程人才、產品生態與資本支援綜合競爭。創辦人把自身經濟利益與長期技術目標連結，目的是降低核心人才因短期波動流失風險，同時藉開源社群擴大技術影響力。
對企業意味著甚麼
唐杰與閆俊杰 2 封信，分別回答中國 AI 競賽 2 個核心問題：技術上應在何處突破；組織上如何承受突破前高投入與不確定性。智譜以 Coding 和長程任務追求能力上限，MiniMax 則以創辦人讓利、團隊股權與開源投入維持 AGI 賭注；兩者都不再把聊天產品視為唯一終局。
對企業用戶而言，評估 AI 標準也將改變。未來比起「哪個模型最會聊天」，更重要的是「哪個系統能在受控成本下完成工作，並符合資訊保安、私隱與合規要求」。中國 AI 能否真正彎道超車，取決於 Coding Agent 能否大規模進入真實工作流程，也取決於 AGI 投資能否穿越算力限制、商業化壓力及全球信任挑戰。當對話成為基本功能，下一輪競爭將是誰能讓 AI 從回答問題，走到可靠地解決問題。
