大模型发布节奏如何影响上市公司股价：传导机制、量化框架与 2025–2026 实战复盘
导读：2026 年 7 月 17 日，一家还没上市的公司发布了一个模型，两家已上市公司的市值在两个交易日内蒸发近 4000 亿港元。这不是孤例——过去 20 个月里，"模型发布"已经从技术圈的新闻，变成了 AI 板块最重要的定价变量之一。本文回答三个问题：发布是怎么传导到股价的、能不能被量化、以及怎么用。全文基于 2025 年 1 月至 2026 年 9 月的公开可核查事件，方法论与参考资料附于文末。
一、核心结论
先给结论，后面逐条展开论证。
| # | 结论 | 关键证据 |
|---|---|---|
| 1 | 模型发布不是基本面事件，而是"领先持续性假设"的重新定价事件 | Kimi K3 很难影响智谱的当期收入，却让智谱单日跌 28.49% |
| 2 | 同一场发布，对"提供方"与"被冲击方"的符号往往相反 | K3 发布日：智谱 −28.49%、MiniMax −15.63%，而英伟达同期也在跌 |
| 3 | 决定弹性的不是绝对能力，而是"能力落差 × 预期落差"的乘积 | GLM-5.3 能力比 5.2 更强，股价反而从 1317 跌到 819 港元 |
| 4 | 发布密度越高，单次发布的市值弹性越低——"发布通胀"已经出现 | 2026 年 7 月起榜单刷新节奏从按月压缩到按周，模型股同步进入回调 |
| 5 | 发布时点从不孤立，它总与解禁、配售、指数纳入、财报窗口叠加 | 智谱 7 月 8 日解禁日"不跌反涨 13.35%"，7 月 10 日却因配售稀释跌 20% |
一句话概括：模型发布改变的不是现金流，而是市场对"这家公司的领先还能维持多久"的判断，进而改变估值倍数与久期。 想预测股价反应，盯"模型多强"没用，要盯"比预期强多少、领先能保持几周、以及这次发布撞上了什么资本结构事件"。
二、机制篇：发布影响股价的四条传导链
模型发布到股价之间，并不是一条直线，而是四条时间尺度完全不同的链路。理解这四条链，是后面一切量化的前提。
链一｜预期链（T−60 ~ T−1）：抢跑与透支
关键点在于：大部分"发布行情"发生在发布之前，而不是之后。
模型发布时间表在正式亮相前，往往已经被爆料、社区传闻和上一代产品的节奏"定价"了一部分。买入的是预期，卖出的是事实——这正是经典的"利好出尽"结构。
反面案例是延期。2026 年 7 月，彭博报道 Google 旗舰 Gemini 3.5 Pro 的发布进度已落后数月，Alphabet 当日下跌约 4%，市值蒸发约 2000 亿美元。延期本身就是一次负面发布事件，因为它直接摧毁预期链上的时间锚点。反过来看，2026 年 9 月 11 日 OpenAI 因 GPT-6 Astra"需求空前"而暂停 200 美元 Pro 20X 档新增订阅，这类供给约束信号同样会被当成需求验证来定价。
链二｜事件链（T+0 ~ T+2）：叙事冲击与镜像效应
发布当日与次日，市场交易的其实是三件事：
- 相对位置的跃迁（从第几名到第几名）；
- 领先窗口的重新估计（还能领先多久）；
- 对其他玩家叙事的连带破坏（谁的"稀缺性溢价"破了）。
第三条制造了最剧烈的波动，也就是镜像效应：一个新模型的发布，是发布者的资产、却是所有同赛道公司的负债。
最直接的样本是 2026 年 7 月 17 日。月之暗面凌晨发布 2.8 万亿参数的 Kimi K3，当日综合智能指数拿到 57 分（仅次于 Claude Fable 5 与 GPT-5.6 Sol），Code Arena 前端代码盲测 1679 分登顶。结果：
- 智谱收跌 28.49%，报 1107 港元，市值降至约 5154 亿港元；
- MiniMax 收跌 15.63%；
- 下一个交易日（7 月 20 日）智谱再跌 19.56% 至 890.50 港元、市值 4146 亿港元，两日累计跌幅 42.47%，MiniMax 两日累计跌 24.57%、盘中触及上市新低。
需要强调的是：K3 与智谱的市场并不完全重叠——智谱 2025 年营收 7.24 亿元中约 73.7% 来自政企本地化部署，而 K3 这类 2.8 万亿参数模型对本地部署的算力要求更高（官方建议 64 张以上加速卡的超节点）。所以 K3 很难在短期收入上直接伤害智谱。它击穿的是支撑"领先模型市值"的持续领先假设——高盛对此的解读是：市场在重新评估中国 AI 模型公司长期竞争格局与领导地位的可持续性。
链三｜验证链（T+5 ~ T+60）：用量、收入与榜单的兑现
发布之后，市场会寻找三类"兑现证据"：
| 证据类型 | 观察指标 | 参考阈值 |
|---|---|---|
| 需求证据 | 是否因算力不足而限流、暂停新订阅、开放额度重置 | K3 发布后月之暗面 7 月 19 日暂停 C 端新订阅 |
| 收入证据 | ARR / API 定价 / 付费转化 | 月之暗面 ARR：3 月破 1 亿美元 → 5 月破 2 亿 → 6 月近 3 亿美元 |
| 生态证据 | 开发者采用率、榜单留存时长、企业签约 | Ramp 4 月数据显示 Anthropic 企业采用率 34.4% 首超 OpenAI 的 32.3% |
"需求真实"的最强信号，是供给约束而不是收入数字。当公司主动限量而非降价促销，说明价格弹性已被验证。
链四｜资本链（T+20 ~ T+180）：发布节奏 × 资本结构
这一条链最容易被忽视，也最致命。对模型公司而言，发行在外股份本身就是生产要素——因为估值决定了同等融资额需要出让多少股权。
| 事件 | 日期 | 股价反应 | 性质 |
|---|---|---|---|
| 智谱 2568 万股基石解禁（约占总股本 5.76%） | 2026-07-08 | +13.35% | 利空未兑现 |
| 智谱配售 1978 万股 @1588 港元，募资约 314 亿港元 | 2026-07-09（公告） | 盘中一度 +21% | 融资能力被验证为利好 |
| 智谱因配售稀释 + 解禁卖压下跌 | 2026-07-10 | 约 −20% | 资本结构冲击 |
| MiniMax 解禁 1.53 亿股（占总股本 48.9%），流通盘从不足 6% 骤增至约 50% | 2026-07-09 | −17.98%，市值从约 4100 亿港元降至约 933 亿港元 | 供需结构的硬冲击 |
| 智谱因竞争叙事冲击下跌 | 2026-07-17 | −28.49% | 竞争格局的结构性重定价 |
这张表最好地说明了本篇最核心的分野：
资本结构冲击（稀释、解禁）会随筹码消化而修复；竞争格局冲击只能靠下一代模型回应。
前者考验股东的耐心，后者考验公司的研发速度。在一个领先窗口以月甚至以周计算的行业里，后者会不断重来。
三、量化篇：把"发布节奏"变成可计算的变量
上面是定性机制。这一节给出可操作的四个指标、一套事件研究流程和一个回归框架。
3.1 四个基础变量
① 发布密度指数 RDI（Release Density Index）
用衰减加权把"发布次数"变成连续变量：
RDI(t) = Σᵢ wᵢ · exp(−λ · (t − tᵢ))
λ = ln2 / 30 （半衰期 30 天）
权重建议：旗舰全量发布 1.0；旗舰预览/灰度 0.6；开源权重开放 1.2（生态冲击更强）；中型版本 0.5；微调/小版本 0.2；竞品发布计为负权重（−0.8）。
② 代际落差 GenGap
GenGap = (Score_new − Score_prev) / Score_prev
Score 建议用第三方可复核口径（如 Artificial Analysis 综合智能指数）叠加目标场景分（Code Arena、SWE-Bench Pro、Program Bench）。
实测样例：智谱 GLM-5.2 于 2026 年 6 月 17 日开源，Artificial Analysis 得分 51，国产居首；一个月后 Kimi K3 拿到 57。对智谱而言，这个 GenGap 是负的（−11.8% 的相对落差），对月之暗面则是正的。
③ 预期偏离 Surprise
Surprise = Score_actual − Score_expected
Score_expected 可以用上一代外推 + 爆料共识 + 竞品爬坡速度拟合。这是四条链里弹性最高的变量，因为市场定价的是二阶导而不是绝对水平。
反面样本：智谱 GLM-5.3（2026 年 8 月中旬发布）把 CyberGym 白盒代码审查得分从 5.2 的 77.2% 提到 84.5%，成为当时最强开源安全模型，编程能力接近 Claude Fable 5。能力明确变强，但股价从 8 月 13 日的 1317 港元一路走低到 8 月 25 日的 1059 港元（较历史高点回撤超 64%），9 月 10 日进一步下探至 819 港元（−10.34%）。
这就是"预期偏离"与"绝对能力"的差别：GenGap 为正，但如果 Surprise 为负（市场已经默认你会更强，甚至期待你重新定义榜单），股价依然会跌。当"更强"成为基准情形，它就不再是催化剂。
④ 领先半衰期 LHL（Lead Half-Life）
定义：从登顶某榜单到被他人超越的天数。
| 时段 | 领先半衰期（约） |
|---|---|
| 2023–2024 | 6–9 个月 |
| 2025 | 3–6 个月 |
| 2026 年中 | 约 1 个月（GLM-5.2 6/17 登顶 → Kimi K3 7/17 反超） |
| 2026 年 7 月下旬 | 按周甚至按日（K3 发布 72 小时内，Qwen3.8 官宣预览版、DeepSeek V4 正式版进入灰度、MiniMax M3 Pro 排队待发、xAI 2 万亿参数 Grok 4.6 完成初始训练） |
硅谷投资人的口径也支持这个压缩：开源与最先进模型的差距，已从 6–9 个月缩短至 2–3 个月。
LHL 是估值的"久期"。领先窗口越短，未来超额利润的折现期越短，估值倍数必然下移。这解释了为什么 2026 年 7 月之后，即便模型仍在进步，模型股的估值中枢却在系统性下移。
3.2 事件研究法（Event Study）：七步操作流程
| 步骤 | 操作 | 实务要点 |
|---|---|---|
| 1 | 定义事件 T0 | 区分技术发布日与市场可得日。北京时间凌晨发布，对 A/H 股 T0 = 当日，对美股 T0 = 当日或次日开盘 |
| 2 | 选定窗口 | 估计窗 T−120 ~ T−11；核心窗 T0 ~ T+1；观察窗 T+10、T+20 |
| 3 | 估计正常收益 | 市场模型 R_it = αᵢ + βᵢ·R_mt + ε_it，R_m 取对应市场指数（纳指100 / 恒生科技 / 科创50） |
| 4 | 计算异常收益 | AR_it = R_it − (α̂ᵢ + β̂ᵢ·R_mt) |
| 5 | 累计 | CAR(t₁,t₂) = Σ AR_it |
| 6 | 设对照组（本篇关键） | 至少四组：发布方、同赛道竞品（预期符号相反）、算力链、应用链 |
| 7 | 分层归因 | 按 GenGap 正负、Surprise 正负、LHL 长短、是否处于解禁/配售窗口分组做横截面比较 |
对照组设计是这套方法能不能用对的分水岭。如果你只算发布方的 CAR，你永远发现不了镜像效应——而镜像效应往往是同一事件里最大的一块异常收益。
3.3 横截面回归式
把上面的变量拼起来，得到一个可以直接估计的方程：
CARᵢ(T0, T+1) = β₀ + β₁·OwnSurpriseᵢ + β₂·RivalSurpriseᵢ
+ β₃·(1 / LHLᵢ) + β₄·LockupShareᵢ
+ β₅·RDI₃₀d + β₆·ln(MVᵢ) + εᵢ
预期符号与经济含义：
| 系数 | 变量 | 预期符号 | 解读 |
|---|---|---|---|
| β₁ | 自身预期偏离 | > 0 | 超预期越多，正异常收益越大 |
| β₂ | 竞品预期偏离 | < 0 | 镜像效应：对手超预期是自己的负冲击 |
| β₃ | 领先半衰期倒数 | < 0 | 领先越短，估值久期越短，倍数压缩越大 |
| β₄ | 解禁/配售比例 | < 0 | 供给冲击叠加放大器 |
| β₅ | 30 日发布密度 | < 0 | 发布通胀：密度越高，单位弹性的边际值越低 |
| β₆ | 市值对数 | 待验证 | 小市值弹性更大，但抗冲击能力更弱 |
第 5 项 β₅ 是 2026 年最值得单独跟踪的系数。 它有一个很直观的经济学类比：这是"边际发布效用递减"。当榜单刷新从按月变成按周，每一次发布能占用的市场注意力被摊薄，同等 GenGap 能换来的异常收益必然下降。
3.4 一张可以直接抄的监测表
| 日期 | 厂商 | 模型 | 参数/架构 | 榜单分 | GenGap | Surprise | LHL（事后） | 关联上市标的 | T0 涨跌 | 5 日 CAR | 20 日 CAR |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 2026-06-17 | 智谱 | GLM-5.2（开源） | 7400 亿+ | 51 | + | + | 30 天 | 2513.HK | — | +100%（5 日翻倍） | 冲高后剧烈回撤 |
| 2026-07-17 | 月之暗面 | Kimi K3 | 2.8 万亿 MoE | 57 | ++ | ++ | 数日 | 2513.HK / 0100.HK | −28.5% / −15.6% | 深调 | 深调 |
| 2026-08-13 | 智谱 | GLM-5.3 | — | ↑ | + | − | — | 2513.HK | 下行 | −20% 量级 | 继续走低 |
| 2026-09-03 | OpenAI | GPT-6 Astra | 10 万+ GPU 训练 | 前沿 | + | + | — | NVDA / 应用链 | 硬件承压、应用走强 | 分化 | 待观察 |
四、复盘篇：七个样本的正反面
样本 A｜DeepSeek R1 → 英伟达单日 −16.97%（2025-01-27）：需求毁灭型冲击
这是"发布影响股价"的教科书案例，也是单日损失的历史极值。
- 英伟达收跌 16.97%，报 118.42 美元，单日市值蒸发约 5890 亿美元，创下美国上市公司单日市值损失纪录；
- 博通跌约 17%、台积电跌超 13%、AMD 跌约 6%，费城半导体指数跌超 9%，为 2020 年 3 月以来最差；
- 纳指同步暴跌。
冲击对象不是模型公司（当时中国模型公司还未上市），而是算力链。 逻辑很清晰：如果低成本路线能追平前沿，GPU 需求的"无限增长假设"就需要重写。这是**"需求毁灭型"冲击**——发布摧毁的不是竞品的领先叙事，而是上游的确定性。
后续验证很有意思：市场随后进入了更长时间的算力需求上行周期（杰文斯悖论）。这提示了一条重要的时间结构：需求侧冲击是骤发而短期的，成本侧受益是缓慢而长期的。
样本 B｜Gemini 3 → Alphabet 创历史新高（2025-11-19）：自有资产重估型
反方向的样本。Gemini 3 获得高度好评后：
- Alphabet 创下两个月来最大单日涨幅，盘中一度涨近 7%，股价创历史新高；
- 同期市值升至约 3.6 万亿美元，一度逼近甚至短暂超越微软，成为市场热议的"市值第三"话题；
- 2026 年 2 月 13 日 Gemini 3 Deep Think 推理模式发布后，股价盘中再涨 1.7%。
关键差别：Alphabet 是"模型能力 → 自有流量入口与云业务"的闭环受益者。 模型变强直接改善它自己的搜索、云和订阅单位经济，模型不是它的独立损益中心，而是它存量资产的乘数。这类公司在发布事件中的 CAR 符号，与纯模型公司常常相反。
样本 C｜GLM-5.2 → 智谱五天翻倍、市值破万亿（2026-06-17 ~ 06-22）：叙事兑现型
智谱是本轮最能体现"发布 → 市值 → 融资"递归关系的标的：
| 日期 | 事件 | 股价/市值 |
|---|---|---|
| 2026-01-08 | 港股上市，发行价 116.2 港元 | 开盘 120 港元（+3%），收盘 131.5 港元（+13.17%），市值约 579 亿港元 |
| 2026-02-12 | 宣布 GLM 系列涨价（Coding Plan 涨幅 30% 起） | 收涨 28.68% 至 402 港元，市值 1792.3 亿港元（盘中一度涨超 41%） |
| 2026-02-23 | 涨价后算力紧张等消息发酵 | −22.76%，与 MiniMax 同步，二者合计蒸发近千亿港元 |
| 2026-06-17 | GLM-5.2 上线并开源（7400 亿+ 参数，Coding 追平 Opus 级） | 五个交易日股价约翻倍 |
| 2026-06-22 | 情绪高点 | 盘中最高 2980 港元（+42%），收盘 2410 港元（+15.09%），总市值约 1.07 万亿港元；较上市涨超 2000% |
| 2026-06-23 | 高位剧烈波动 | 盘中一度跌超 17% |
注意这条链上最反直觉的事实："涨价"是利好。 智谱 2 月提价、3 月 API 价格较上年末累计上调约 83%、4 月 GLM-5.1 再提价 10%——股价都给了正反馈。原因是它验证的不是定价能力，而是**"技术领先可以转化为定价权"**这个核心叙事。在叙事定价阶段，市场奖励的不是便宜，是稀缺。
样本 D｜Kimi K3 → 智谱两日 −42.47%（2026-07-17 ~ 07-20）：领先证伪型
本文开篇的案例。补充三点市场外溢：
- 美股：K3 发布后首个交易日英伟达市值单日蒸发约 1111 亿美元、跌 5.3%；费城半导体指数一周跌 12.5% 进入技术性熊市；72 小时内美股 AI 板块蒸发约 4700 亿美元，全球科技股 3 日蒸发超 3 万亿元人民币，摩根大通称之为"DeepSeek 2.0"；
- EDA 链：新思科技跌 7.85%、铼腾电子跌 9.47%（K3 展示的 48 小时独立完成芯片设计能力，直接挑战 EDA 高溢价叙事）；
- 应用链反向受益：Databricks 估值飙升至 1880 亿美元，其 CEO 直言"采用中国开源模型是 AI 成本控制的关键一环"。
这是全篇最重要的一次"价值链再分配"演示：同一场发布，算力链、EDA 链、模型层是负向，应用层是正向。
样本 E｜GLM-5.3 → 更强却更跌（2026-08）：发布通胀型
8 月中旬 GLM-5.3 发布，CyberGym 白盒代码审查 84.5%（较 5.2 的 77.2% 明显提升），略高于 GPT-5.6 Sol，成为最强开源安全模型，编程能力接近 Claude Fable 5。
但股价没有奖励：
- 8 月 13 日收盘 1317 港元（市值约 6132 亿港元）；
- 8 月 25 日收盘 1059 港元，较历史高点回撤超 64%，市值约 4931 亿港元，从峰值蒸发超 5000 亿港元；
- 9 月 10 日收盘 819 港元（−10.34%，盘中最低 807 港元），MiniMax 同日 −8.98% 至 292 港元，两家合计较巅峰蒸发近万亿港元市值。
这是"发布通胀"最干净的证据：GenGap 为正、Surprise 为负、β₅（发布密度系数）显著为负。 当一年内发布第 6、第 7 个版本时，市场对"又强了一点"的支付意愿急剧衰减——因为发布的边际信息量已经低于竞争窗口折损的边际速度。
同期宏观背景也在加压：2026 年 6 月中旬以来，英伟达市值收缩超 15%（蒸发约 9000 亿美元），微软跌约 31%、甲骨文下挫约 40%、Meta 约 −12%、亚马逊约 −11%、谷歌约 −6%，纳斯达克 100 回撤近 6%；韩国 KOSPI 从 6 月底近 9400 点跌至 6800 点上方，三星重挫约 31%、SK 海力士约 38%。
样本 F｜GPT-6 Astra → "硬件跌停、应用涨停"（2026-09-03/09-04）：价值链再分配型
2026 年 9 月 3 日 OpenAI 发布 GPT-6 Astra，使用超过 10 万块 GPU 在得州训练，官方口径为"迄今最智能、最对齐的模型"，并新增网络安全防护机制；OpenAI 总裁称其或标志着人类迈入 AGI 时代；黄仁勋公开表示 AGI 已经到来。同期英伟达以约 129.3 亿美元收购 Hugging Face。
市场反应出现了罕见的方向分化：9 月 4 日服务器硬件端承压、应用端走强。 逻辑是市场开始追问——当 AI 能独立完成明确任务时，训练算力军备竞赛的边际收益是否在递减？ 价值从"堆算力的确定性"向"用模型的变现能力"迁移。
补充一个后续信号：9 月 11 日 OpenAI 因 GPT-6 Astra 需求空前，暂停 200 美元档 Pro 20X 新增订阅，同时开放 Agents API 公测、推出金融服务版 ChatGPT。从"发布"到"分发渠道与用量约束"，才是完整的事件链。
样本 G｜逆向案例：Gemini 3.5 Pro 三度延期 → Alphabet 跌 4%（2026-07）
延期是负向发布事件。彭博报道 Google 旗舰 Gemini 3.5 Pro 发布进度落后数月后，Alphabet 股价跌约 4%，市值蒸发约 2000 亿美元。在时间锚点本身就是定价要素的行业里，"没发出来"和"发得不好"造成的冲击量级相近。
五、规律篇：七条可检验的经验规律
| # | 规律 | 表达 | 典型样本 |
|---|---|---|---|
| 1 | 镜像效应 | 同一发布对提供方为正、对被冲击方为负 | K3：月之暗面（正面预期）vs 智谱/MiniMax（−28.5%/−15.6%） |
| 2 | 落差决定弹性 | 弹性 ∝ |GenGap| × |Surprise| × 赛道叙事集中度 | GLM-5.2 从 51 分起步→兑现大；GLM-5.3 属预期内→不兑现 |
| 3 | 窗口即久期 | LHL 缩短 → 估值倍数下移 | 领先期 6–9 个月 → 2–3 个月 → 按周 |
| 4 | 发布通胀 | 发布密度 ↑ → 单位发布市值弹性 ↓ | 2026 年 7 月后榜单按周刷新，模型股整体回调 |
| 5 | 资本结构放大器 | 解禁/配售窗口内的发布，冲击被放大或抵消 | 智谱 7/8 解禁 +13.35%；7/9 配售 +21%；7/10 −20%；7/17 −28.5% |
| 6 | 双源性冲击，修复路径不同 | 资本结构冲击可修复，竞争格局冲击只能靠下一代回应 | 7/10 的 −20% 已修复；7/17 的 −28.5% 至今未修复 |
| 7 | 时间结构不对称 | 需求侧冲击骤发而短期，成本侧受益缓慢而长期 | DeepSeek R1 之夜 → 英伟达 −5890 亿美元 → 后续算力需求上行 |
规律 3 和规律 4 合起来，构成了当前模型股最大的估值压力来源。 它们共同解释了为什么"技术还在进步、股价却在回调"——进步的速度没有赶上领先窗口缩短的速度，发布数量的增加没有换来等量的注意力份额。
六、策略篇：怎么用这套框架
6.1 四类资产的差异化暴露
| 环节 | 代表标的 | 对"能力突破型"发布 | 对"成本下降型"发布 | 说明 |
|---|---|---|---|---|
| 算力/芯片 | 英伟达、博通、AMD、台积电 | + | − | 效率提升被读作需求见顶 |
| 存储/HBM | 三星、SK 海力士、美光 | + | ± | 推理需求放量可对冲 |
| EDA | 新思、Cadence | − | − | AI 自主设计能力直接冲击高溢价 |
| 模型层 | 智谱、MiniMax（上市）；OpenAI、Anthropic（拟上市） | 自身 + / 竞品 − | − | 溢价压缩；稀缺性假设受损 |
| 云/超大规模 | 微软、亚马逊、谷歌 | + | + | 双向受益，成本下降扩大调用 |
| 应用/Agent | Databricks 等 | + | ++ | 成本下降的直接受益者 |
一句话策略：在"能力突破型"发布中做多发布方的邻近资产、做空竞品的稀缺性溢价；在"成本下降型"发布中做多应用层、警惕算力层。
6.2 事件窗口的仓位节奏
| 窗口 | 动作 | 依据 |
|---|---|---|
| T−10 ~ T−3 | 减仓或对冲，避免裸多 | 预期链抢跑已发生，"利好出尽"概率上升 |
| T−2 ~ T−1 | 关注延期风险与爆料修正 | Gemini 3.5 Pro 延期一次蒸发 2000 亿美元 |
| T0 ~ T+1 | 观察镜像方向，重点看竞品的 CAR 而非发布方 | 单位时间内竞品弹性通常更大 |
| T+5 | 检查需求侧证据（限流、暂停新订阅、额度重置） | 用量是最快的真伪判据 |
| T+20 ~ T+60 | 检验收入兑现（ARR、API 定价、企业采用率） | 叙事折现需要现金流承接 |
| 全程 | 叠加解禁/配售日历 | 智谱与 MiniMax 的 7 月样本已经说明其量级 |
6.3 三条"不要做"
- 不要把模型发布当买入信号。 发布的正面弹性更多体现在预期链（T−60~T−1），而不是事件日（T0~T+1）。
- 不要线性外推榜单分数。 GLM-5.3 更强者更跌，说明定价的是 Surprise 而非 Score。
- 不要用单一公司视角做事件研究。 不做竞品对照组，就看不到镜像效应；而镜像效应常常是同一事件里最大的一块异常收益。
6.4 前瞻清单
按"发布节奏"这条线索，2026 年第四季度需要重点跟踪的是：
- 头部 IPO 的定价锚：Anthropic 已于 6 月 1 日向 SEC 秘密提交 S-1、OpenAI 6 月 8 日递交申请，市场预期最快 2026 年 10 月出现挂牌窗口。一级市场估值（Anthropic 投后约 9650 亿美元，老股转让隐含估值一度被提及 1.15 万亿–1.2 万亿美元）与二级市场模型股的估值差，会形成直接比价压力或支撑。
- 月之暗面递表节奏：已向投资人通报赴港上市计划，预计最快 6 个月内完成，估值从 2025 年底约 43 亿美元升至最新一轮投前约 315 亿美元。
- 国产"三驾马车"的互相追赶：Kimi K3 + DeepSeek V4 + GLM 系列的最新版本将决定国产模型层的定价权重分配。
- 价格与用量的背离：2026 年上半年国内主要厂商 6 次下调 API 价格、3 次宣布永久性降价；按市场真实用量加权，百万 Token 平均支出已由 5 月中旬峰值 2.8 美元回落约 18% 至 2.31 美元。若用量增速不能重新超过价格降幅，模型层估值的天花板会继续下移。
七、局限与风险
- 样本量小、结构性断点多。 中国模型公司上市仅 2026 年 1 月才开始，可用的清洁样本不足 10 个月，横截面回归的自由度很低，结论宜作为框架而非精确参数。
- 榜单分数的口径不统一。 Artificial Analysis 综合智能指数、Code Arena、SWE-Bench Pro、Program Bench 测的是不同能力，跨榜拼接会引入偏差。GenGap 最好在同一榜单内计算。
- 事件窗口重叠严重。 2026 年 7 月同时存在发布事件、解禁事件、配售事件和指数纳入事件，CAR 中很难干净地分离出单一事件的贡献。这是本篇所有案例中最大的方法论弱点，需要读者在实操中显式承认。
- 时区与信息可得性差异。 北京时间凌晨发布的事件，对 A/H 股与美股的 T0 定义不同，直接用同一日历日会造成系统性错配。
- 叙事定价本身具有反身性。 市值影响融资、融资影响算力、算力影响下一代模型——估值是原因也是结果。任何静态回归都只能捕捉这个反馈环的一个切面。
- 反向风险：能力提升未必带来收入。 2026 年的核心焦虑正在于此——AI 的主力落地场景仍高度集中于编程，若不能在编程之外形成可规模化的变现场景，那么发布节奏加快只会加速"更便宜、更强、但更不赚钱"的循环。
八、结语
回到最初的问题：发布节奏怎么影响股价？
答案不是"发布 → 涨/跌"，而是一条三段式的传导：发布改变了市场对领先持续性的判断 → 领先持续性决定了估值久期 → 估值久期决定了同等融资需要出让多少股权。在模型公司这里，市值不只是成绩单，它是继算法、算力、数据、人才之后的第五种生产要素。
所以 2026 年出现了一个耐人寻味的悖论：模型越强、发布越密，模型公司的估值倍数反而越低。 这不是市场不认技术，恰恰是市场把技术看得太重——当"更强"变成常态，只有"超预期"才有定价权，而超预期需要以周为单位持续交付。
如果用一句话结束：
在这个行业里，没有一款模型强到可以让公司停止发布，也没有一次领先长到可以让估值停止折旧。
参考资料
事件与数据（按文中出现顺序）
- 新华网、证券时报、第一财经、华尔街见闻等：《英伟达单日跌 16.97%、市值蒸发约 5890 亿美元（2025-01-27）》
- 新浪财经、中央社、ETtoday、《MoneyDJ》：《Gemini 3 获好评，Alphabet 创两个月最大涨幅、盘中涨近 7%（2025-11-19）》
- 东方财富：《Alphabet 因 Gemini 3 Deep Think 更新盘中涨 1.7%（2026-02-13）》
- Yahoo 财经、PChome：《Gemini 3.5 Pro 三度延期，Alphabet 跌约 4%、市值蒸发约 2000 亿美元（2026-07）》
- 证券时报、界面新闻、21 财经、钛媒体、量子位：《智谱（2513.HK）上市与市值破万亿全过程》
- 财联社：《智谱市值首破万亿港元，GLM-5.2 跻身全球 AI 编程第一梯队（2026-06）》
- 钛媒体（AGI-Signal）：《月之暗面 K3，撕裂全球 AI 溢价叙事（2026-07-22）》
- 达摩财经、野马财经：《智谱股价两天跌去 40%，Kimi K3 成了"背锅侠"？（2026-07-21）》
- 全天候科技 / 澎湃新闻：《七月起，大模型进入"无限战争"（2026-07-22）》
- 量子位、新浪财经：《GLM-5.3 发布：Coding 更接近 Fable 5，CyberGym 84.5%（2026-08）》
- 新浪财经：《智谱市值蒸发超 5000 亿港元，AI 大模型估值逻辑变了？（2026-08-25）》
- 21 财经：《智谱、MiniMax 双双大跌，较巅峰市值合计蒸发万亿（2026-09-10）》
- 财联社、每日经济新闻、IT之家、界面新闻：《GPT-6 Astra 发布、英伟达 129.3 亿美元收购 Hugging Face（2026-09-03/04）》
- 新浪财经：《GPT-6 发布，硬件跌停、应用涨停：一次被过度解读的叙事切换？（2026-09-07）》
- IT之家、OpenAI：《GPT-6 Astra 需求空前，暂停 200 美元 Pro 20X 新增订阅（2026-09-11）》
- 钛媒体（字母榜）：《AI 开始挤泡沫（2026-09）》
- 观察者网：《MiniMax、智谱双双大跌，卖空数据创阶段新高（2026-08-18）》
- 证券时报、财新、华尔街见闻：《智谱与 MiniMax 解禁与配售事件（2026-06/07）》
方法与第三方口径 19. 中金公司：《如何监测 AI 泡沫？》（百万 Token 平均支出由 2.8 美元回落 18% 至 2.31 美元） 20. Silicon Data：全球 Token 支出指数（2026 年 5 月以来回落近 20%） 21. Ramp：《企业 AI 采用率数据》（2026 年 4 月，Anthropic 34.4% vs OpenAI 32.3%） 22. Artificial Analysis 综合智能指数、Code Arena、SWE-Bench Pro、Program Bench（模型能力第三方评测口径） 23. 站内精选：《DeepSeek-R1 开源：推理模型的"Sputnik 时刻"》《GPT-5 发布：统一系统路由下一代旗舰》《大模型能力提升路线图：从"堆参数"到训练全栈 + 外层程序》
免责声明：本文为公开信息的方法论梳理与历史复盘，不构成任何证券投资建议。文中所有股价、市值、涨跌幅与财务数据均来自公开报道，可能存在口径差异（如不良率、ARR、市销率的分母时点）；涉及"预计""判断"的内容为引用来源观点，非本文原创预测。事件窗口高度重叠，案例中的涨跌幅无法完全归因于单一事件，请读者谨慎使用。投资者应独立判断并自担风险。