Até ao final de Agosto de 2026, as empresas de LLM cotadas em Hong Kong, Zhipu AI e MiniMax, apresentaram os seus primeiros relatórios intercalares desde a abertura de capital. Ambas divulgaram resultados com crescimento da receita em dobro, e, quase em simultâneo, alteraram o foco da receita, passando de modelos orientados a C-end ou a projetos para um modelo de negócio impulsionado por chamadas de API no B-end. Contudo, do outro lado do impulso da receita, as perdas ajustadas continuaram a alargar-se. No primeiro semestre do ano, a perda líquida ajustada da MiniMax aumentou cerca de 111% em termos homólogos, para 293 milhões de dólares. A perda líquida ajustada da Zhipu AI expandiu-se cerca de 12%, para 1,964 mil milhões de RMB.
O mercado de capitais reagiu com cautela. A 2 de Setembro, hora de Pequim, segundo dados de mercado da Gate Stock, a MiniMax Group Inc (HKG: 0100) encerrou a 342,60 HK$, ligeiramente acima, +1,72%. Entretanto, a Zhipu AI (HKG: 2513) encerrou a 1.117,00 HK$, -5,26%. As duas empresas apresentavam uma capitalização bolsista de aproximadamente 119,65 mil milhões de HK$ e 520,1 mil milhões de HK$, respetivamente, e ambas sofreram uma retração clara face às máximas dos últimos 52 semanas.
MiniMax Group Inc (HKG: 0100) preço da ação, fonte: Gate Stock cotação
Zhipu AI (HKG: 2513) preço da ação, fonte: Gate Stock cotação
Depois de a lógica de monetização de tokens ter sido inicialmente validada, a atenção passou para o futuro: à medida que a alteração da estrutura da receita se aproxima do fim, quando é que os efeitos de escala conseguirão absorver o enorme nível de investimento em computação e I&D? E, na corrida à comercialização, qual empresa está a seguir um caminho mais sólido e de maior duração? Este artigo compara a MiniMax e a Zhipu AI em quatro dimensões: estrutura da receita, qualidade dos resultados, eficiência em I&D e posicionamento no mercado.
APIs do B-end: a mesma escolha, mas pontos de partida diferentes
A mudança estrutural mais notável nas duas empresas no primeiro semestre foi a de que o foco da receita se deslocou em paralelo para APIs baseadas na cloud vendidas com base no uso. Ainda assim, os pontos de partida para esta transição foram muito diferentes.
A Zhipu AI concluiu uma transformação quase total no primeiro semestre. A receita do seu negócio de plataforma aberta e APIs disparou de 29,10 milhões de RMB no período do ano anterior para 825 milhões de RMB, +2.735,7% em termos homólogos. A sua quota na receita total subiu de 15,2% para 86,5%. Entretanto, o seu negócio de implementação local — que anteriormente era a base central — caiu para 162 milhões de RMB, representando apenas 13,5%. Isto significa que uma empresa que tinha concentrado a sua receita num modelo orientado a projetos para clientes do governo e de empresas conseguiu, em apenas seis meses, transitar o seu modelo comercial de "vender modelos" para "vender chamadas".
A MiniMax também se inclinou mais rapidamente para o B-end, mas por um caminho diferente. A receita da plataforma aberta e dos serviços para empresas aumentou 703,1% em termos homólogos, para 73,9 milhões de dólares, e a sua quota na receita total subiu de 30,3% para 63,4%, tornando-se, pela primeira vez, a sua maior fonte de receita. Note-se que a transição da MiniMax foi construída com base na base de utilizadores acumulada a partir de produtos de IA nativos do C-end (como Hailuo AI). Embora a receita dos seus produtos de IA nativos tenha aumentado 100,9% em termos homólogos, para 42,64 milhões de dólares, a sua quota caiu de 69,7% para 36,6%. A mudança da base do C-end para APIs do B-end é a característica central da alteração da estrutura de crescimento da MiniMax.
Em termos de dados operacionais, o crescimento explosivo do consumo de tokens valida a elasticidade da procura a curto prazo do modelo de API. Até ao fim de Agosto, o volume de chamadas de tokens da plataforma MaaS da Zhipu tinha crescido mais de 40 vezes face ao início do ano. O volume médio diário de chamadas dos seus 10 principais clientes aumentou 98 vezes. O consumo de tokens da MiniMax em Julho atingiu 20 vezes o de Janeiro, e o seu ARR (receita recorrente anual) ultrapassou os 800 milhões de dólares em Agosto. Na conference call de resultados, a Zhipu divulgou que o seu ARR, anualizado com base na receita mensal de Agosto, tinha atingido 1,6 mil milhões de dólares. Embora o ARR não seja igual à receita confirmada e a metodologia de cálculo seja diferente, ambas as empresas utilizaram estes números para evidenciar o ritmo atual de crescimento dos seus serviços cloud.
Melhoria da margem bruta e o "nó" das perdas
O rápido crescimento da receita reflete-se do lado da margem bruta, mas ainda fica muito aquém de compensar os elevados custos de I&D e computação.
A margem bruta global da Zhipu AI no primeiro semestre caiu de 50,0% no mesmo período do ano anterior para 26,4%. Esta mudança não reflete uma deterioração da eficiência operacional. Resulta da alteração da estrutura da receita: a margem bruta das implementações locais é significativamente superior à das APIs cloud. À medida que a quota da receita de APIs subiu de 15,2% para 86,5%, a margem bruta combinada acabou inevitavelmente sob pressão. A parte positiva é que a margem bruta do negócio de APIs passou para valores positivos, passando de -0,4% no mesmo período do ano anterior para 24,6%, o que indica que o modelo de unit economics dos serviços cloud está a melhorar. A margem bruta global da MiniMax também melhorou, de 12,1% para 17,9%, com o lucro bruto a crescer 464,8% em termos homólogos — voltando a apontar para uma melhoria.
No entanto, um lucro bruto melhorado ainda está longe de ser suficiente para compensar o nível acentuado de despesa com I&D. As despesas de I&D da Zhipu AI no primeiro semestre atingiram 2,131 mil milhões de RMB, +33,6% em termos homólogos — 2,2 vezes a sua receita do período — e mais de 8 vezes o seu lucro bruto total. As despesas de I&D da MiniMax foram de 297 milhões de dólares, +138,8%. As taxas de crescimento da receita de ambas as empresas ultrapassaram as taxas de crescimento das despesas com I&D, e as suas rácios de despesas de vendas também diminuíram. Ainda assim, as perdas ajustadas continuaram a alargar-se, sugerindo que a alavancagem de custos ainda não se traduziu numa melhoria real do lucro operacional.
Em termos ajustados, a dimensão das perdas no primeiro semestre das duas empresas estava, na verdade, bastante próxima. A perda líquida ajustada da Zhipu foi de 1,964 mil milhões de RMB (cerca de 293 milhões de dólares), enquanto a da MiniMax foi de 293 milhões de dólares. Com uma escala de receita semelhante (Zhipu, cerca de 142 milhões de dólares; MiniMax, cerca de 117 milhões de dólares), o peso da perda por unidade de receita foi, em termos gerais, comparável. A diferença-chave é que a Zhipu tem uma ligeira vantagem em unit economics graças à sua margem bruta combinada mais elevada.
Divergência no foco de I&D e no posicionamento no mercado
No meio da mesma vaga de transição para o B-end, as prioridades de I&D e as estratégias de mercado das duas empresas começaram a evidenciar diferenças claras. Estas poderão, no fim, determinar a sua eficiência de comercialização a longo prazo.
Em calls de resultados, a Zhipu afirmou que o seu foco em I&D se centra nas capacidades de código, em tarefas de longo alcance e na otimização sinérgica entre modelos e infraestrutura. O cientista-chefe Tang Jie disse de forma clara que o Scaling é o caminho-chave para uma inteligência mais elevada, mas que a simples expansão do tamanho dos parâmetros não é a essência. A empresa vai usar a tecnologia Loop Transformer para reforçar a profundidade efetiva da rede. Nos últimos 11 meses, a série GLM completou seis ciclos de iteração. O seu índice de inteligência subiu de 32 para 60. O custo por tarefa única do modelo de referência manteve-se estável em 0,2 dólares, enquanto a versão leve GLM-5.3-Flash desceu para 0,045. O núcleo desta estratégia é aumentar a inteligência dos modelos ao mesmo tempo que se reduzem os custos de inferência, construindo uma "cost moat" para uma expansão em grande escala do seu negócio de APIs.
Entretanto, a MiniMax prossegue uma estratégia em "duplo trilho" de "linguagem + visão". Enquanto continua a iterar os seus modelos de linguagem, mantém o investimento em modelos de geração de visão (como modelos de geração de vídeo). Além disso, a expansão internacional da MiniMax assume um papel mais proeminente. Os seus produtos de IA nativos têm maiores taxas de penetração em múltiplos mercados internacionais, conferindo à estrutura da sua receita vantagens naturais em termos de algum efeito de cobertura cambial e de diversificação global.
Do ponto de vista dos clientes-alvo, a transição de APIs da Zhipu pende mais para "migração para a cloud de clientes existentes orientados a projetos". A sua plataforma MaaS tem mais de 7,4 milhões de utilizadores. Contudo, os dados que mostram que o volume médio diário de chamadas dos 10 principais clientes cresce 98 vezes indicam que a receita está altamente concentrada nos principais clientes empresariais. O crescimento B-end da MiniMax resulta mais do ecossistema de programadores e de clientes empresariais pequenos a médios, com uma concentração de receita relativamente mais dispersa.
Conclusão: os prós e contras de dois caminhos de comercialização
Voltando à questão central deste artigo: qual tem melhores perspetivas de comercialização — a MiniMax ou a Zhipu AI?
No curto prazo, a escala de receitas e os indicadores de ARR da Zhipu AI estão ligeiramente acima dos da MiniMax. A sua margem bruta de APIs passou a ser positiva, e o seu modelo de unit economics aparenta ser relativamente mais forte. Em simultâneo, a estrutura de receitas da Zhipu é altamente concentrada (as APIs representam 86,5%), o que também implica que o crescimento incremental para além da base de clientes atual poderá depender mais da expansão global do mercado do que de uma migração estrutural de clientes. A MiniMax poderá ter uma margem bruta combinada mais baixa, mas a sua estrutura dual de C-end e B-end preserva mais espaço para flexibilidade. Se a disposição para pagar por aplicações de IA nativas no C-end se reanimar, a receita de produto poderá formar uma segunda curva de crescimento.
No longo prazo, do ponto de vista fundamental, os desafios enfrentados por ambas as empresas são os mesmos: o I&D em LLM e os investimentos em computação têm características de custo fixo significativas. Só quando os volumes de chamadas de tokens continuarem a subir até um limiar de escala suficiente para diluir os custos fixos é que a alavancagem operacional pode transitar de um "amplificador de perdas" para um "acelerador de lucros". A Zhipu foca-se em cenários de maior valor acrescentado, como capacidades de código e tarefas de longo alcance, para procurar maior densidade de valor por token. A MiniMax aposta na multimodalidade e na globalização para perseguir uma expansão exponencial do consumo total de tokens. Não se trata apenas de "certo ou errado". Antes, escolheram nichos ecológicos diferentes dentro das camadas de comercialização.
Para investidores na indústria cripto, estes caminhos oferecem uma referência útil. Em trajetórias orientadas pela tecnologia, um elevado crescimento da receita e perdas em expansão podem coexistir. O ponto-chave é avaliar se as perdas estão a servir a acumulação de capacidades nucleares e se os efeitos de escala podem ser realizados dentro de uma janela previsível. Os resultados intercalares de 2026 da Zhipu e da MiniMax mostram que os "primeiros princípios" da comercialização de LLM — tokens equivalem a receita — já foram validados. Mas o "último quilómetro" da rentabilidade ainda depende de saber se as vantagens técnicas podem ser convertidas em valor de cliente insubstituível e em "cost moats" de custos.
FAQ
1. Quais foram as receitas da MiniMax e da Zhipu AI no primeiro semestre de 2026, respetivamente?
A receita da MiniMax no primeiro semestre foi de cerca de 117 milhões de dólares, +283,1% em termos homólogos; a receita da Zhipu AI no primeiro semestre foi de cerca de 954 milhões de RMB, +399,7% em termos homólogos. Após converter e comparar a escala, ambos os valores estão próximos. A receita da Zhipu já excedeu o valor de 2025 para o ano inteiro, enquanto a receita da MiniMax é 1,5x a do valor de 2025 para o ano inteiro.
2. Ambas as empresas já alcançaram a rentabilidade?
Nenhuma das duas alcançou rentabilidade. A perda líquida estatutária da MiniMax no primeiro semestre foi de 358 milhões de dólares ( +11% em termos homólogos, com estreitamento), e a sua perda líquida ajustada foi de 293 milhões de dólares ( +111% em termos homólogos, com alargamento). A perda líquida estatutária da Zhipu foi de 2,072 mil milhões de RMB ( +12,1% em termos homólogos, com estreitamento), e a sua perda líquida ajustada foi de 1,964 mil milhões de RMB ( +12,1% em termos homólogos, com alargamento).
3. Porque é que as duas empresas estão a deslocar-se para o negócio de APIs?
Porque um modelo de API em cloud que cobra por chamadas de token é mais persistente e escalável do que uma abordagem pontual de "vender o modelo" ou uma implementação orientada a projetos. A quota da receita de APIs da Zhipu aumentou de 15,2% para 86,5%. A quota da receita de serviços empresariais da MiniMax subiu de 30,3% para 63,4%. Ambas as empresas usam isto para impulsionar um rápido crescimento da receita.
4. Qual é a diferença entre perda líquida ajustada e perda líquida estatutária?
A perda líquida estatutária é influenciada por itens não operacionais, como alterações no justo valor de instrumentos financeiros resultantes da conversão de ações preferenciais. A perda líquida ajustada, que exclui estes itens, reflete de forma mais precisa o verdadeiro lucro e perda das operações nucleares. As perdas estatutárias de ambas as empresas estreitaram em termos homólogos, mas as perdas ajustadas continuaram a alargar-se, indicando que as perdas ao nível da operação não melhoraram.
5. Quando se espera que chegue o ponto de inflexão da rentabilidade para empresas de LLM?
O ponto de inflexão da rentabilidade depende de saber se o volume de chamadas de tokens pode continuar a crescer até um limiar de escala que cubra os custos fixos de I&D e computação. Embora a margem bruta de APIs da Zhipu tenha passado para valores positivos (24,6%) e a margem bruta da MiniMax tenha melhorado para 17,9%, as despesas de I&D continuam a ser mais do dobro da receita. Até que os efeitos de escala se tornem mais evidentes, não existe um calendário claro para o ponto de inflexão da rentabilidade.
