为何开放源代码AI的崛起尚未伤害Anthropic

为什么开放源代码 AI 的崛起还没有伤害到 Anthropic……至少目前还没有

周一，Decagon 的首席执行官 Jesse Zhang 发表了一个颇具煽动性的新理论，标题为“每个人都错了——关于企业中的开放源代码 AI”。这篇文章探讨了当今 AI 经济中最有趣的矛盾之一：他说，即使是自家公司，随着 AI 部署逐渐成熟，也在转向更轻量的模型。但花在昂贵的最先进模型上的总体支出几乎没有变化。

这是一种思考前沿模型与开放源代码模型关系的新方式。按照 Zhang 的说法，它们并非竞争对手，开源模型的成功并非以牺牲前沿实验室为代价。相反，它们是同一生命周期的两个阶段：昂贵的前沿模型被用来验证用例，然后随着这些用例的成熟，它们会转交给更便宜的开源替代方案。

随着更多成熟用例转向更轻量的模型，新用例不断涌现——而花在前沿模型上的总体支出几乎没有下降。

Zhang 没有提供太多数据来支撑这一观点，但这些数据并不难找。Vercel 的 AI 网关仪表板显示，仅在过去一周，DeepSeek 的 token 量就飙升至首位，现在处理了通过该公司基础设施的略超过三分之一的 token。同一时期，Z.ai——流行模型 GLM-5.2 背后的实验室——跃升至可观的第四位。

但如果你往下翻到总体 token 花费，你会看到 Anthropic 仍然占该平台 AI 总支出的超过一半。考虑到近期变化主要来自 Anthropic 自身价格上涨，其份额在过去一个月略有下降，但下降幅度不大。

OpenRouter 也呈现出类似的情况，它捕捉了市场更大（但略少企业级）的部分。DeepSeek V4 Flash 在总体使用量上是主要赢家，每周处理 5.3 万亿 token。最受欢迎的前沿模型 Opus 4.8 处理了略超过 2 万亿 token。OpenRouter 没有按总支出对模型进行排名，但它记录了 Opus 4.8 的平均 token 成本大约比 V4 Flash 高出 23 倍（每百万 token 1.37 美元，而 V4 Flash 仅为 6 美分），这意味着 Opus 很可能仍然占据了支出的大头。

这些数字甚至还没有包含最新成员——Nvidia 的 Nemotron，凭借 Nvidia 强大的关系和该模型的极端适应性，它有望跃居领先地位。

这些数字并未完全证明 Zhang 关于 AI 生命周期的观点，但它们确实表明，像 Anthropic 这样的前沿实验室并没有因为开源模型的崛起而遭受太多损失——至少目前还没有。一种解释是，AI 可处理任务的市场增长如此之快，以至于顶尖模型仅通过主导早期部署就能维持其地位。正如 Zhang 所说：“前沿实验室将继续掌控发现阶段。开源将越来越多地掌控生产阶段。”另一种解释可能是，即使客户转向开源，许多用例仍然非常困难，以至于无法完全被更便宜的替代方案取代。

无论哪种方式，这种双层模型经济可能会成为 AI 经济中一个相对稳定的特征。

就在去年九月，我还写过这样一个可能性：基础实验室最终会像向星巴克卖咖啡豆一样——即，充当商品输入，而应用层则收获利益。这个预测有一部分已经成真：垂直 AI 应用转向了更轻量的模型，并且“GPT 封装器”初创公司的经济状况基本保持稳定。

但我们同时也看到，逐 token 来看，前沿提供商能够牢牢占据市场中最令人垂涎的部分——溢价 token 价格。而且这一点似乎短期内不太可能改变。