开源模型赢了 Token 流量，Anthropic 赚走了大部分钱

📌 一句话摘要

文章结合企业案例与平台数据指出，开源模型在 Token 流量上占优，但 Anthropic 等前沿模型在收入上依旧领先，形成“前沿模型用于场景验证，开源模型用于成熟部署”的双层经济结构。

📝 详细摘要

文章引用 Decagon CEO Jesse Zhang 的观点和 TechCrunch 数据，分析开源模型与前沿模型的竞争格局。Jesse 认为，企业使用开源模型并非单纯为了成本，而是因为需要“小模型+深度微调”来满足生产环境的延迟和质量要求，而前沿模型不提供这种定制能力。他提出一个生命周期理论：企业先用前沿模型验证新应用场景，成熟后再迁移到开源模型，导致市场整体上前沿模型支出并未减少。Vercel 和 OpenRouter 的数据显示，DeepSeek 的 Token 流量已超越 Opus，但 Anthropic 的模型凭借高单价仍占据大部分支出份额。文章还探讨了市场快速增长的另一种解释，并预测这种双层经济可能成为 AI 产业的稳定结构。

💡 主要观点

- 企业选择开源模型的根本原因是可定制性，而非成本。 生产环境需要小模型+深度微调以达到质量和延迟要求，前沿模型不提供这种定制能力，因此企业被迫选择开源模型进行改造，成本节省只是附加收益。

AI 应用存在“前沿验证—开源部署”的生命周期。 新场景先用最聪明的通用模型验证可行性，成熟后迁移到体量小、速度快、经微调的开源模型上。这使得前沿模型在早期阶段持续获得收入，而开源模型占据后期大量生产调用。

开源模型 Token 流量占优，但前沿模型凭借更高单价仍控制大部分支出。 Vercel 和 OpenRouter 数据显示，DeepSeek 等开源模型 Token 使用量巨大，但 Anthropic 的 Opus 模型单价是 DeepSeek 的 23 倍，因此尽管使用量少，支出份额仍超过一半。

市场增长足够快，前沿模型实验室未因开源崛起而受冲击。 尽管成熟场景不断迁移到开源模型，但新应用场景层出不穷，前沿模型通过占据早期验证阶段维持收入，整体市场增长抵消了份额转移的影响。

💬 文章金句

- 开源模型支出占比下降，并不是因为开源模型正在失败，而是因为整个企业 AI 市场仍处于成熟曲线的最早期。

• 前沿模型实验室将继续主导应用发现，开源模型则会越来越多地主导生产部署。

📊 文章信息

AI 初评：83

来源：AI前线

作者：AI前线

分类：人工智能

语言：中文

阅读时间：11 分钟

字数：2508

标签： LLM, 开源模型, AI商业化, 模型部署, 成本对比

阅读完整文章