开源AI崛起为何尚未冲击Anthropic——至少目前如此
开源AI崛起，但前沿模型支出为何依然坚挺？
Decagon CEO Jesse Zhang 近日提出一个颇具启发性的理论：企业AI部署中，成熟用例正逐渐转向更轻量的开源模型，然而前沿模型的总体支出却几乎未受影响。这看似矛盾的现象背后，隐藏着AI经济中一种新的生命周期规律。
Zhang 在文章中描述道，前沿模型和开源模型并非直接竞争对手，而是同一生命周期的两个阶段——昂贵的尖端模型用于验证新用例，一旦用例成熟，便迁移至更便宜的开源替代方案。由于新用例不断涌现，前沿模型的总支出并未显著下降。
尽管 Zhang 未提供详细数据，但第三方平台的数据佐证了这一趋势。Vercel 的AI网关仪表盘显示，过去一周内，DeepSeek 的token处理量已跃居首位，占平台总token量的三分之一以上；智谱AI（GLM-5.2模型）也攀升至第四位。然而在实际支出方面，Anthropic 仍占据平台AI总支出的一半以上。尽管近期因Anthropic涨价导致份额略有下滑，但整体格局未变。
OpenRouter 的数据进一步印证了这一模式。DeepSeek V4 Flash 在周token处理量上以 5.3万亿 领先，而最受欢迎的前沿模型 Opus 4.8 约为 2万亿。但 Opus 4.8 的每百万token成本（约1.37美元）是 V4 Flash（约0.06美元）的 23倍，这意味着 Opus 仍占据总支出的绝大部分。
值得注意的是，这些数据尚未包含英伟达新发布的 Nemotron 模型。凭借英伟达的生态优势和模型本身的强适应性，Nemotron 有望迅速跻身前列。
Zhang 的理论或许无法完全解释所有现象，但它揭示了AI行业一个关键动态：开源模型与前沿模型正在形成共生而非替代关系。对企业和开发者而言，这意味着在探索新场景时仍可依赖前沿模型的强大能力，而规模化部署时则可转向成本更优的开源方案。这种“先验证、后迁移”的模式，可能正是未来AI落地的核心路径。
