周一，Decagon的CEO Jesse Zhang发表了一篇引人深思的新理论，题为“企业中的开源AI，大家都错了”。他指出一个当今AI经济中最有趣的矛盾：即使在他自己的公司，更成熟的AI应用正在转向更轻量的模型，但整体对昂贵的最先进模型的支出几乎没有减少。
这为理解前沿模型与开源模型的关系提供了新的视角。在Zhang看来，它们并非竞争对手，开源模型的成功并没有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，随着用例成熟，这些用例会转移到更便宜的开源替代方案上。
随着更多成熟用例转向轻量模型，新的用例不断涌现，前沿模型的整体支出几乎没有下降。
虽然Zhang没有提供大量数据支持，但相关数据并不难找。Vercel的AI网关仪表盘显示，仅在过去一周，DeepSeek的令牌处理量跃居榜首，占据公司基础设施令牌流量的三分之一以上。开发流行GLM-5.2模型的Z.ai实验室也跃升至第四位。
但如果查看整体令牌支出，Anthropic仍占据平台上超过一半的AI支出。尽管近期Anthropic自身价格上涨导致其市场份额略有下降，但幅度并不显著。
OpenRouter的数据显示了类似趋势，覆盖了更大但企业属性稍弱的市场。DeepSeek V4 Flash是整体使用量的最大赢家，每周处理5.3万亿令牌。最受欢迎的前沿模型Opus 4.8处理量仅为2万亿令牌左右。OpenRouter未按总支出排名，但数据显示Opus 4.8的平均令牌成本约为V4 Flash的23倍（每百万令牌1.37美元对比0.06美元），这意味着Opus仍然占据了大部分支出份额。
这些数据还未涵盖最新加入者Nvidia的Nemotron，该模型凭借Nvidia强大的资源和极高的适应性，有望迅速跃居领先地位。
虽然这些数据不能完全证明Zhang关于AI生命周期的观点，但它们表明像Anthropic这样的前沿实验室尚未因开源AI的兴起而遭受重大冲击。一个可能的原因是，AI可解决的任务市场增长迅速，顶级模型通过主导早期部署保持领先。正如Zhang所说，“前沿实验室将继续主导发现阶段，开源模型将越来越多地承担生产阶段。”另一种解释是，尽管客户转向开源，许多用例复杂度高，无法完全被廉价替代品取代。
无论如何，这种双层模型经济可能成为AI经济的一个相对稳定特征。
直到去年九月，我还在写基础模型实验室可能沦为“卖咖啡豆给星巴克”的局面——即作为商品输入，而应用层获益。部分预测已成真：垂直AI转向轻量模型，“GPT包装器”创业公司的经济状况基本稳定。
但我们也看到，按令牌计价，前沿供应商依然保持着市场中最有价值的部分——高端令牌价格。这种格局短期内似乎不会改变。
