一直以来，“成本更低”都是开源AI模型吸引企业的重要理由。但一项新研究却揭示了一个反常识的真相：在执行相同任务时，开源AI模型消耗的计算资源远高于闭源模型，其“低价优势”可能只是假象。
一、核心发现：开源模型的“token黑洞”
AI计算的核心单位是“token”（可理解为AI处理信息的“最小颗粒”），token消耗量直接决定计算成本。AI公司Nous Research对19个AI模型（覆盖基础知识问答、数学问题、逻辑谜题三大任务）的研究显示：
普遍差距：开源模型的token消耗量是OpenAI、Anthropic等闭源模型的1.5-4倍；
极端情况：面对“澳大利亚首都是哪里”这类简单知识题，部分开源模型的token用量甚至是闭源模型的10-12倍——明明一句话能答完，却要消耗数百个token“反复思考”；
成本反转：尽管开源模型单token价格更低，但“多耗token”的特性会直接抵消这一优势，最终导致单条查询成本更高。
二、关键原因：“推理效率”的巨大鸿沟
研究首次聚焦“token效率”（模型解决问题时，token消耗量与任务复杂度的匹配度），发现开源模型的低效主要源于两点：
推理过程冗余：尤其是“大型推理模型（LRMs）”，为了实现“逐步思考”，会用“思维链（Chain of Thought）”处理问题。但这种设计在简单任务上会过度消耗资源——比如回答基础常识题，也需要生成冗长的推理步骤；
优化方向差异：闭源模型厂商一直在迭代优化“减少token消耗”，以此降低用户的推理成本；而开源模型的新版本反而在增加token用量，优先追求“推理性能提升”，却忽视了成本控制。
三、谁才是“性价比之王”？模型实测排名
研究对不同厂商的模型效率做了横向对比，结果清晰：
闭源模型：OpenAI表现突出
数学任务最优：OpenAI的o4-mini和新推出的开源版gpt-oss系列，token效率远超同行，用量比其他商业模型少3倍；
简单任务最省：处理基础知识题时，OpenAI最新模型的成本最低，token消耗控制能力最强。
开源模型：英伟达成唯一亮点
最佳开源选择：英伟达的llama-3.3-nemotron-super-49b-v1是“全任务场景下token效率最高的开源模型”；
反面案例：Magistral等公司的新开源模型属于“极端 outliers”，token消耗量异常高，成本优势完全消失。
四、对企业的3个重要启示
别只看“单token价格”：评估AI模型时，不能只关注单token成本，必须计算“完成任务的总token消耗量”，否则可能陷入“低价陷阱”；
闭源模型的“隐性优势”：闭源模型虽然单token定价更高，但凭借高token效率，最终的推理成本反而可能更低；
任务类型影响选型：数学、逻辑题场景下，开源与闭源模型的token差距约2倍；但基础知识问答场景差距会骤增，此时优先选闭源模型更划算。
五、未来方向：AI竞争的核心将是“效率”
研究团队建议，未来AI模型开发需将“token效率”与“准确率”放在同等重要的位置——更精简的“思维链”不仅能降低成本，还能减少长文本推理时的“上下文退化”问题。
值得关注的是，OpenAI新推出的开源版gpt-oss模型，既保持了“思维链可查看”的开源特性，又实现了顶尖的token效率，或许能为开源模型的优化提供参考。
目前，该研究的完整数据集和评估代码已在GitHub开源，供行业验证和延伸研究。正如研究结论所言：未来AI的竞争，可能不再是“谁的模型更聪明”，而是“谁的模型更高效”——在token成本敏感的时代，浪费资源的模型终将被市场淘汰。