过去一年，AI行业有个怪现象：模型参数越来越大，但投资人的关注点却在悄悄转移。当一家公司对外宣传“参数规模”时，台下问得最多的不再是“你家模型多少B参数”，而是“你的Agent日均调用量是多少”。这种微妙的变化，折射出一个正在形成的新逻辑——智能体生态正在从根本上重塑大模型的估值体系。

传统估值逻辑建立在技术能力之上。benchmark分数、榜单排名、论文引用量，这些指标构成了过去两年大模型公司的核心估值锚点。一家公司的技术水平越高，估值就越高，这套逻辑听起来合理，但在Agent时代开始失效。原因是，技术能力不再是终点，而是变成了生产要素。

智能体生态带来的第一个改变是：从“模型能力”转向“任务完成率”。当大模型被嵌入到一个个Agent中，用户不再关心模型本身有多强，而是关心这个Agent能不能把事情办成。办成了，价值就沉淀下来；没办成，模型再强也是空的。这意味着，评估一家大模型公司的价值，不能只看它跑分多少，还要看它的模型在真实任务场景中的表现。

第二个改变来自Token消耗量的指数级膨胀。Agent之间的交互产生了大量中间态Token，这些消耗不体现在最终用户请求中，却真实消耗着算力。OpenRouter的榜单数据已经揭示了这个趋势：中国模型的Token消耗占比超过60%，Kimi K2.5单月调用量接近3万亿Token，阶跃星辰的免费版本更是达到了4.6万亿。这种消耗结构意味着，单纯的API调用量已经不足以衡量模型价值，必须把Agent生态的网络效应纳入估值模型。

更深层的改变在于商业模式的迁移。过去的MaaS卖的是“模型本身”，现在的MaaS卖的是“Agent能力”。同样是调用一次API，一个是让模型生成一段文字，另一个是让模型调度十几个Agent完成一个复杂任务。后者的价值密度显然更高。对应到估值逻辑上，这意味着高毛利的Agent调用收入，应该获得比低毛利的纯API调用更高的市盈率倍数。

从目前已经登陆港股的几家公司来看，市场已经开始为这种新逻辑定价。智谱凭借GLM系列的技术护城河和B端私有化部署拿下了稳定收入，MiniMax靠多模态订阅和AI社交建立了用户生态，这两家上市后市值迅速突破3000亿港元，背后是Agent生态带来的商业化想象空间被重新定价。而那些仍在用传统指标讲故事的公司，正在感受到越来越大的估值压力。

当然，这套新估值体系还不成熟。Agent调用的稳定性、跨Agent协作的质量保障、长周期任务的可靠性，这些维度目前还没有形成公认的标准。市场在摸索，标准在形成。可以确定的是，未来的大模型估值不会只看你有多少参数，而是看你能支撑多少智能体在真实场景中跑起来、跑得好。