Z.AI Co. (2513.HK): La actualización de postentrenamiento de GLM-5.3 fortalece las capacidades, pero se mantiene Neutral ante las restricciones de competencia y valoración

Visión general

Este informe evalúa las implicaciones del lanzamiento de GLM-5.3 de Z.AI Co. para las capacidades del modelo, la comercialización del producto y la valoración. Goldman Sachs considera que esta versión logra un salto de rendimiento con una escala sin cambios de 744.000 millones de parámetros mediante entornos de tareas más largos, mayor duración del entrenamiento y actualizaciones del marco de aprendizaje por refuerzo, lo que demuestra avances en la escalabilidad del postentrenamiento para los grandes modelos chinos.

Perspectivas principales

GLM-5.3 ha mejorado en benchmarks de codificación de código abierto, tareas de agentes de largo horizonte y capacidades de ciberseguridad, acercándose a los niveles de la frontera global con menores costes por tarea. Goldman Sachs considera que ZCode no solo cumple funciones de distribución y monetización, sino que también genera trayectorias de codificación reales y de largo horizonte a partir de las interacciones de los usuarios que pueden fortalecer el volante de datos de postentrenamiento del modelo. A nivel sectorial, la mejora de las capacidades de los modelos y los ajustes de precios de API/suscripciones indican una fijación de precios cada vez más racional. Aunque Zhipu ofrece ventajas de rendimiento-precio del modelo, un volante de datos y potencial de comercialización a largo plazo, la reducción de la diferenciación competitiva, la inversión en I+D y el consumo de efectivo limitan la relación riesgo-rentabilidad a corto plazo, respaldando una calificación Neutral.

Marco de análisis

El informe combina observaciones de benchmarks de modelos y funcionalidad de productos, comparaciones de precios del sector, comparaciones de múltiplos de valoración de ARR de pares y valoración DCF. El DCF utiliza un WACC del 12% y una tasa de crecimiento terminal del 2%, derivando el precio objetivo de supuestos de cuota de mercado y margen a largo plazo, y también presenta escenarios alcista, base y bajista.

Notas metodológicas

• ValoraciónValoración DCF

  Determinación de un precio objetivo basado en flujos de caja futuros descontados

  El precio objetivo de HK$1.610 utiliza un WACC del 12% y una tasa de crecimiento terminal del 2%; los supuestos clave incluyen una cuota de mercado del 21% para 2030 y un margen EBIT ajustado del 26% para 2035.

• Análisis operativoVolante de datos

  Los datos de uso del producto retroalimentan el entrenamiento del modelo

  El uso de ZCode puede generar trayectorias de codificación reales y de largo horizonte que se espera retroalimenten el postentrenamiento posterior del modelo, creando un circuito cerrado entre producto, datos y capacidades del modelo.

• Valoración relativaComparación P/ARR

  Medición de la valoración comparando la capitalización de mercado con los ingresos recurrentes anuales

  El informe compara el aproximadamente 30x ARR esperado al cierre de 2026 de Zhipu con el aproximadamente 14x ARR esperado de MiniMax, y considera que la prima de valoración de Zhipu está respaldada en parte por las capacidades del modelo y la fase de desarrollo.

Correspondencia y comparación de activos

Correspondencia estructurada entre la tesis y activos concretos (fortalezas, debilidades, pares y riesgos).

• Z.AI Co. (2513.HK)

  Cobertura de investigación

  Fortalezas

  La escalabilidad del postentrenamiento de GLM-5.3 mejora las capacidades de codificación, agentes y ciberseguridad; el volante de datos de ZCode fortalece la iteración del modelo; las ventajas de rendimiento-precio del modelo y el potencial de comercialización a largo plazo brindan respaldo.

  Debilidades

  La visibilidad de beneficios a corto plazo es limitada, con elevado gasto en I+D y presión por consumo de efectivo; el modelo de código abierto puede hacer que el ARR divulgado subestime la demanda real, a la vez que retrasa la materialización de ingresos.

  Comparación

  El informe compara la capitalización de mercado aproximada de US$75.000 millones de Zhipu y su aproximadamente 30x ARR esperado al cierre de 2026 con la valoración más reciente aproximada de US$50.000 millones de DeepSeek y la capitalización de mercado aproximada de US$14.000 millones de MiniMax y su aproximadamente 14x ARR esperado.

  Riesgos

  Competencia global en modelos fundacionales, reducción de las brechas de rendimiento con pares, comercialización más débil de lo esperado, presión de financiación y consumo de efectivo, y riesgos geopolíticos relacionados con la competencia tecnológica entre China y Estados Unidos.

Datos clave

• Calificación de inversiónNeutralCalificación mantenida.
• Precio objetivo a 12 mesesHK$1.610Basado en valoración DCF.
• Parámetros de valoraciónWACC 12%; tasa de crecimiento terminal 2%Coherente con la metodología de cobertura de Goldman Sachs.
• Escala de parámetros de GLM-5.3744.000 millones de parámetrosSin cambios respecto a GLM-5.2; la mejora del rendimiento se atribuye a la escalabilidad del postentrenamiento.
• Usuarios activos de ZCodeMás de 1 millónEl informe lo describe como un producto de herramientas de codificación optimizado para GLM.
• Precio de GLM Coding Plan LiteRMB118/mesSuscripción basada en créditos; según la asignación semanal de tokens indicada por la empresa, es aproximadamente un 50% más barato que los costes de API equivalentes.
• Valoración implícita en escenarios alcista/bajistaHK$3.266 / HK$835Análisis de escenarios basado en supuestos clave.

Impacto e implicaciones

Se espera que la mejora de las capacidades del modelo, una mayor eficiencia de costes por tarea y el volante de datos del producto respalden la posición competitiva de Zhipu en casos de uso de codificación y empresariales, y puedan mejorar la capacidad de monetización a largo plazo. Si persisten las subidas de precios del sector, beneficiarían la calidad de los ingresos y la trayectoria de rentabilidad de los proveedores de modelos; sin embargo, la reducción de las brechas de rendimiento entre modelos implica que las primas de valoración aún requieren validación mediante una ejecución sostenida del producto, conversión de la demanda y mejora de márgenes.

Riesgos

• Intensificación de la competencia en la industria global de modelos fundacionales, con una mayor reducción de las brechas de rendimiento entre modelos.
• La elevada inversión en I+D podría retrasar la visibilidad de beneficios y aumentar el consumo de efectivo y la presión de autofinanciación.
• Los avances en capacidades de modelos, conversión de comercialización e ingresos no derivados de inferencia podrían no alcanzar las expectativas.
• La escalada de la competencia tecnológica entre China y Estados Unidos genera incertidumbre geopolítica y en la cadena de suministro.
• Los escenarios positivos incluyen una inteligencia del modelo mejor de lo esperado, una senda más rápida hacia la rentabilidad, ingresos adicionales por reparto de ingresos no derivados de inferencia y capacidades de comercialización mejores de lo esperado.

Aspectos que vigilar

• Lanzamientos y rendimiento de GLM-5.5 y de modelos de 2 a 5 billones de parámetros de otros proveedores chinos de modelos.
• Adopción por desarrolladores tras el lanzamiento de los pesos del modelo GLM-5.3, rendimiento en benchmarks de codificación y costes por tarea.
• Usuarios activos de ZCode, utilización de tareas en horas valle y beneficios de postentrenamiento generados por la retroalimentación de datos del producto.
• El impacto de las suscripciones de GLM Coding Plan, los precios de API y los ajustes de precios del sector sobre los ingresos y el margen bruto.
• Si el aumento de capacidad de ASIC y chips de inferencia impulsa la conversión de la demanda de código abierto en ARR.
• Cuota de mercado, márgenes a largo plazo, consumo de efectivo y la transición del código abierto a modelos de pesos abiertos con condiciones comerciales asociadas.