开源 AI 目前尚未伤到 Anthropic
TechCrunch AI··作者 Russell Brandom
关键信息
文章援引 Vercel AI gateway 数据称，DeepSeek 在最近一周的 token 量中已跃居第一，处理了略高于三分之一的流量，而 Anthropic 仍占平台整体 AI 支出的半数以上。文章还指出，OpenRouter 上 DeepSeek V4 Flash 在使用量上领先，但 Opus 4.8 的单 token 价格要高得多，因此即便开源模型在数量上胜出，前沿模型仍可能在支出上占主导。
资讯摘要
TechCrunch 报道了 Decagon 首席执行官 Jesse Zhang 的一篇观点文章，标题为“Everyone is wrong about open source AI in the enterprise”。Zhang 认为，前沿实验室与开源模型之间并不是一场简单的零和竞争。按照他的说法，昂贵的前沿系统通常会先被用来发现并验证企业用例。等这些工作负载成熟之后，企业就可以把它们迁移到更轻、更便宜的开源模型上。也就是说，开源 AI 更像是采用周期的后段，而不是前沿模型的直接替代品。
文章指出，Zhang 并没有提供太多数据，但一些平台仪表盘的数据与他的判断部分吻合。在 Vercel 的 AI gateway 上，DeepSeek 近期迅速上升到 token 量第一，处理了略高于三分之一的 token 流量，Z.ai 也在同一时期进入了更靠前的位置。尽管如此，Anthropic 仍然占据该平台整体 AI 支出的一半以上。文章还提到，Anthropic 的份额在过去一个月里略有下降，但主要原因似乎是它自己提高了价格，而不是需求大幅下滑。
OpenRouter 展示了类似的格局，只是覆盖的市场更大，也更偏向通用使用场景。DeepSeek V4 Flash 在总 token 使用量上是主要赢家，而最受欢迎的前沿模型 Opus 4.8 每周处理略高于 2 万亿个 token。由于 OpenRouter 不按总支出来排名，文章用单 token 成本来推断收入结构：Opus 4.8 每百万 token 的价格约为 1.37 美元，而 V4 Flash 只有 6 美分，前者大约贵 23 倍，因此它很可能仍然拿走了大部分支出。文章还提到，Nvidia 的 Nemotron 也是一个值得关注的新进入者，凭借 Nvidia 的渠道和模型自身的适配性，可能很快冲到前列。
文章的结论是，至少到目前为止，Anthropic 这类前沿实验室并没有因为开源 AI 的崛起而受到明显伤害。一个可能的解释是，AI 可服务的任务市场增长得非常快，所以顶级模型即使面对开源竞争，也能通过主导早期部署维持支出份额。另一个解释是，很多企业任务本身过于复杂，无法完全被更便宜的替代方案取代。文章最后认为，AI 经济可能会形成一个相对稳定的双层结构：前沿实验室“负责发现”，而开源模型越来越多地“负责生产”。
资讯正文
周一，Decagon 首席执行官 Jesse Zhang 发表了一篇颇具挑衅性的新理论，标题是《Everyone is wrong about open source AI in the enterprise》。这篇文章触及了当今 AI 经济中最有意思的一个矛盾：他说，就连他自己的公司在内，更成熟的 AI 部署正在转向更轻量的模型。但昂贵的最先进模型的整体支出几乎没有变化。
这是一种理解前沿模型与开源模型关系的新方式。在 Zhang 的叙述中，它们并不是竞争对手，开源模型的成功也不是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：昂贵的前沿模型用于验证用例，而随着这些用例成熟，便可以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，新的用例又不断出现——而前沿模型的总体支出几乎没有下降。
Zhang 并没有提供太多数据来支持这一观点，但相关数据并不难找到。Vercel 的 AI gateway 仪表盘显示，就在过去一周里，DeepSeek 已经在 token 用量上冲到领先位置，目前处理着流经该公司基础设施的略高于三分之一的 token。与此同时，推出广受欢迎的 GLM-5.2 模型的 Z.ai 在同一时期跃升至一个相当体面的第四名。
但如果你往下看总体 token 支出，就会发现 Anthropic 仍然占据该平台整体 AI 支出的一半以上。鉴于最近相当一部分变化来自 Anthropic 自身不断上涨的价格，其占比在过去一个月里略有下降，但变化并不大。
这些数字甚至还没有算上最新加入者——Nvidia 的 Nemotron。凭借 Nvidia 强大的关系网络以及该模型本身极强的适应性，Nemotron 很可能迅速跃升到最前列。
这些数据并不能完全证明 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的崛起而遭受太大冲击——至少目前还没有。一种解释是，AI 可处理任务的市场增长得如此之快，以至于顶级模型仅凭在早期部署中的主导地位就能维持自身位置。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，即便客户转向开源，许多用例也过于困难，无法完全被更便宜的替代方案取代。
无论如何，这种两层结构的模型经济，可能会成为 AI 经济中一个相对稳定的特征。
就在去年9月，我还在写一种可能性：基础模型实验室最终会沦为向 Starbucks 出售咖啡豆的角色——也就是说，它们只提供商品化的底层输入，而应用层则收获收益。这个预测中的一部分已经成真：首先，垂直 AI 项目已经转向更轻量的模型，而“GPT 包装器”创业公司的经济状况总体上也保持稳定。
但我们也看到，就算按 token 逐个计算，前沿模型提供商仍然能够守住市场中最令人向往的那一部分——高端 token 价格。而且这看起来短期内都不太可能改变。
来源与参考
收录于 2026-07-08