12月周一，Decagon首席执行官Jesse Zhang发表了一篇引发争议的新理论，标题为“企业界对开源AI的看法全错了”。该文章探讨了当今AI经济中最有趣的矛盾之一：他表示，更成熟的AI部署正在转向更轻量的模型，甚至在他自己的公司也是如此。但用于昂贵的前沿模型的总体支出几乎未变。
这是一种思考前沿模型与开源模型之间关系的新方式。在张的叙述中，它们并非竞争对手，开源模型的成功也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：昂贵的前沿模型用于验证用例，随着这些用例逐渐成熟，再将其传递给更便宜的开源替代方案。
随着更多成熟的应用场景转向轻量级模型，新的应用场景不断涌现——而前沿模型的整体支出几乎没有下降。
Zhang并未提供太多数据来支持这一观点，但数据并不难找。Vercel的AI网关仪表板显示，仅在上周，DeepSeek就在令牌处理量上跃居首位，现在处理着通过该公司基础设施的令牌总量中略超过三分之一。Z.ai——热门GLM-5.2模型背后的实验室——在同一时期跃升至令人尊敬的第四位。
但如果向下滚动查看整体令牌支出，你会发现 Anthropic 仍占该平台整体 AI 支出的半数以上。鉴于近期变化主要源于 Anthropic 自身价格的上涨，其份额在过去一个月略有下降，但幅度并不显著。
OpenRouter讲述了类似的故事，占据了更大（但稍微不那么企业化）的市场份额。DeepSeek V4 Flash是整体使用量的主要赢家，每周处理5.3万亿个令牌。最受欢迎的前沿模型Opus 4.8仅处理略超过2万亿个令牌。OpenRouter未按总支出对模型进行排名，但它记录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，相比之下仅为6美分），这意味着Opus可能仍然占据了支出的大部分。
这些数字甚至没有捕捉到最新的参与者Nvidia的Nemotron，它凭借Nvidia的强大联系和模型自身的极端适应性，有望跃居领先地位。
这些数据并未完全证明张关于 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未因开源模型的崛起而遭受太大冲击——至少目前尚未如此。一种解释是，AI 可处理任务的市场增长极为迅速，使得顶级模型仅通过主导早期部署就能维持其地位。正如张所言：“前沿实验室将继续主导探索，而开源将越来越多地主导生产。”另一种可能的解释是，即使客户转向开源，许多用例依然极其复杂，无法完全被更便宜的替代方案所取代。
无论如何，这种双轨制的模型经济可能成为 AI 经济中一个相对稳定的特征。
就在去年9月，我还在讨论基础实验室最终可能会向星巴克出售咖啡豆的可能性——也就是说，作为商品输入，而应用层则享受收益。这一预测的部分内容已成为现实：垂直领域的AI应用转而采用更轻量的模型，此外，“GPT包装器”初创企业的经济状况也基本保持稳定。
但我们同时也看到，按令牌计算，前沿提供商仍然牢牢占据了市场上最理想的部分——即高溢价的令牌价格。而且这一局面似乎短期内不会改变。