Z.AI Co. (2513.HK): Aprimoramento das Capacidades do GLM-5.3 Reforça a Tese de Escalabilidade Pós-Treinamento, mas Avaliação e Pressão Competitiva Mantêm a Recomendação Neutra

Visão geral

Este relatório concentra-se no progresso tecnológico e de comercialização da Z.AI Co. após o lançamento do GLM-5.3. O Goldman Sachs acredita que este lançamento valida a importância da escalabilidade pós-treinamento para melhorar as capacidades dos grandes modelos chineses e fortalece o posicionamento competitivo da empresa em modelos de codificação, execução de tarefas por agentes e no ecossistema de código aberto. Apesar da oportunidade fundamental de longo prazo, o relatório mantém uma recomendação Neutra devido à avaliação, à concorrência e à incerteza sobre os resultados.

Estrutura de análise

O relatório avalia o progresso tecnológico por meio de testes de benchmark de modelos e observações das funções dos produtos, compara a escala de parâmetros, a precificação e as avaliações dos principais fornecedores chineses de grandes modelos e deriva o preço-alvo usando uma estrutura de DCF, ao mesmo tempo em que avalia o risco-retorno em cenários otimista, base e pessimista.

Notas metodológicas

• AvaliaçãoAvaliação por Fluxo de Caixa Descontado

  DCF

  Avaliado usando um custo médio ponderado de capital de 12% e uma taxa de crescimento perpétuo de 2%, incorporando premissas para participação de mercado e margem EBIT ajustada de longo prazo.

• Treinamento de ModelosEscalabilidade Pós-Treinamento

  Aprimoramento das capacidades do modelo por meio de ambientes de tarefas mais longos, ciclos de treinamento e atualizações de aprendizado por reforço

  O relatório atribui a melhoria de capacidade do GLM-5.3 à escalabilidade pós-treinamento, e não à expansão de sua contagem de 744 bilhões de parâmetros.

• Análise CompetitivaComparação Desempenho-Preço

  Comparação da capacidade do modelo, custo por tarefa, preços de API e múltiplos de avaliação de ARR

  Utilizado para avaliar as vantagens tecnológicas da Z.AI, o potencial de comercialização e a razoabilidade de sua avaliação em relação à DeepSeek e à MiniMax.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• Z.AI Co. (2513.HK)

  Empresa Coberta

  Pontos fortes

  O GLM-5.3 melhorou notavelmente em codificação, tarefas de longo horizonte e cibersegurança; a escala de usuários e os dados de tarefas do ZCode apoiam um ciclo virtuoso de dados pós-treinamento; o modelo oferece uma relação desempenho-preço competitiva.

  Pontos fracos

  A visibilidade de lucros no curto prazo é limitada, enquanto os altos gastos em P&D e a pressão de queima de caixa permanecem significativos; as diferenças de desempenho entre modelos podem diminuir.

  Comparação

  A empresa tem uma capitalização de mercado de aproximadamente US$75bn, equivalente a cerca de 30x a previsão do Goldman Sachs de US$2.5bn de ARR no fim de 2026; a DeepSeek foi recentemente avaliada em aproximadamente US$50bn, enquanto a MiniMax tem uma capitalização de mercado de aproximadamente US$14bn e é negociada a cerca de 14x ARR.

  Riscos

  Concorrência global em modelos fundamentais, comercialização abaixo do esperado, restrições de capacidade de inferência, capacidade de autofinanciamento e intensificação da competição tecnológica entre China e Estados Unidos.

• DeepSeek

  Concorrente-Chave

  Pontos fortes

  Possui modelos com grande escala de parâmetros e influência no setor; seu recente aumento nos preços de API do V4 reflete um ambiente de precificação em melhora.

  Pontos fracos

  O relatório afirma que o GLM-5.3 supera o DeepSeek V4 Pro em múltiplos benchmarks.

  Comparação

  A precificação combinada no período de pico do DeepSeek V4 Pro 0813 é de aproximadamente US$0.69 por milhão de tokens, próxima dos US$0.88 do GLM-5.2.

  Riscos

  A concorrência no setor e as mudanças de precificação podem afetar as vantagens relativas e a avaliação da Z.AI.

Dados principais

• RecomendaçãoNeutroMantida inalterada.
• Preço-Alvo de 12 MesesHK$1,610Com base na avaliação por DCF.
• Preço AtualHK$1,270Preço apresentado na tabela do relatório.
• Potencial de Alta Implícito26.8%Calculado a partir do preço atual e do preço-alvo de 12 meses.
• Escala de Parâmetros do GLM-5.3744 bilhões de parâmetrosInalterada em relação ao GLM-5.2; a melhoria de desempenho decorre principalmente da escalabilidade pós-treinamento.
• Usuários Ativos do ZCodeMais de 1 milhãoO relatório considera isso uma base importante para distribuição, monetização e o ciclo virtuoso de dados de treinamento.
• Preço do Plano Coding LiteRMB 118/mêsA empresa afirma que, com base nas franquias semanais de tokens, isso representa um desconto de aproximadamente 50% em relação aos custos equivalentes de API.
• Participação de Mercado no Cenário-Base21% em 2030Premissa de avaliação por DCF.
• Margem EBIT Ajustada de Longo Prazo26% em 2035Premissa de avaliação por DCF.
• Avaliação Implícita nos Cenários Otimista/PessimistaHK$3,266 / HK$835Com base nos diferentes cenários de premissas-chave apresentados no relatório.

Impacto e implicações

O GLM-5.3 indica que as variáveis-chave na competição de grandes modelos na China estão migrando da simples ampliação da contagem de parâmetros para eficiência pós-treinamento, ambientes de tarefas, custos de inferência e dados de uso no mundo real. Se o ZCode continuar a expandir sua base de usuários e cobertura de tarefas, a empresa poderá construir um ciclo virtuoso de dados mais forte e desbloquear demanda por modelos e crescimento de ARR à medida que a capacidade de inferência futura melhorar. Contudo, a redução das diferenças de desempenho entre modelos e o alto investimento em P&D significam que a liderança tecnológica ainda precisa se traduzir em receita e lucros verificáveis.

Riscos

• Intensificação da concorrência no setor global de modelos fundamentais, com redução das diferenças de capacidade entre pares.
• Altas despesas de P&D resultando em visibilidade insuficiente de resultados no curto prazo.
• Incerteza em relação à queima de caixa e à capacidade de autofinanciamento.
• Escalada da competição tecnológica entre China e Estados Unidos, criando riscos geopolíticos e de cadeia de suprimentos.
• A comercialização de modelos, a receita de compartilhamento não relacionada à inferência ou a melhoria dos lucros podem ficar abaixo das expectativas.
• A inteligência dos modelos, as capacidades de comercialização e o caminho para a rentabilidade também podem superar as expectativas, representando risco de alta em relação a esta visão Neutra.

Pontos a observar

• O lançamento e o desempenho efetivo do GLM-5.5 e de modelos de 2 trilhões a 5 trilhões de parâmetros de outros fornecedores chineses.
• A adoção por desenvolvedores, o desempenho em benchmarks de codificação e os custos de inferência após o lançamento dos pesos de código aberto do GLM-5.3.
• O crescimento de usuários do ZCode e o uso de recursos de gestão de tarefas entre dispositivos e colaboração multiagente.
• O impacto da funcionalidade de tarefas fora do horário de pico sobre a utilização da capacidade de inferência, os custos dos usuários e o acúmulo de dados de tarefas.
• Se os preços de assinaturas e APIs de modelos, bem como a concorrência de preços no setor, continuam a avançar em direção à racionalização.
• O progresso no crescimento de ARR, na expansão da capacidade de chips de inferência, nos gastos em P&D, na queima de caixa e na melhoria dos lucros.