为什么开源人工智能的兴起还没有损害Anthropic……

周一，DecagonCEO张杰西 (Jesse Zhang) 发表了一个具有挑衅性的新理论，标题为“每个人都错了企业中的开源人工智能”。这篇文章解决了当今人工智能经济中最有趣的矛盾之一：他说，更成熟的人工智能部署正在转向更轻的模型，即使在他自己的公司也是如此。但在昂贵的最先进型号上的总体支出几乎没有变化。

这是思考前沿模型和开源模型之间关系的新方法。在张看来，他们不是竞争对手，开源模型的成功也不会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，使用昂贵的前沿模型来证明用例，随着成熟，这些用例可以传递给更便宜的开源替代方案。

随着更成熟的用例转向更轻的模型，新的用例不断出现，而前沿模型的总体支出几乎没有下降。

张没有提供太多数据来支持这一点，但数据并不难找到。Vercel的AI网关仪表板显示，就在过去一周，DeepSeek已跃居代币交易量领先地位，目前处理通过该公司基础设施的代币的三分之一以上。 Z.ai——主流的GLM-5.2模型背后的实验室——在同一时期跃升至第四位。

但如果你向下滚动到总体代币支出，你会发现Anthropic仍然占平台上人工智能总体支出的一半以上。鉴于最近的变化大部分来自Anthropic自身价格上涨，该份额在过去一个月略有下降，但幅度不大。

OpenRouter讲述了一个类似的故事，占领了更大的（但企业级的）市场份额。 DeepSeek V4 Flash是整体使用量的主要赢家，每周处理5.3万亿个代币。最主流的前沿模型Opus 4.8处理的数据量刚刚超过2万亿。 OpenRouter doesn’t rank models by total spend, but it registers the average token cost for Opus 4.8 as roughly 23x higher than V4 Flash ($1.37 per million tokens, compared to just 6 cents), which would mean Opus was still probably capturing the lion’s share of spending.

这些数字甚至没有包括最新推出的Nvidia的Nemotron，凭借Nvidia强大的联系和模型本身的极端适应性，它有望跃居前列。

这些数字并没有完全证明张关于人工智能生命周期的观点，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兴起而遭受太多损失——至少目前还没有。一种解释是，人工智能可寻址任务市场增长如此之快，顶级模型只需在早期部署中占据主导地位就能够保持自己的地位。正如张所说，“前沿实验室将继续拥有发现。开源将越来越多地拥有生产。”另一种解释可能是，即使客户转向开源，许多用例也非常困难，以至于无法完全被更便宜的替代品取代。

不管怎样，这种两层模型经济可能会成为人工智能经济的一个相对稳定的特征。

就在去年九月，我正在写一篇关于基础实验室最终向星巴克追加销售咖啡豆的可能性的文章，也就是说，作为商品投入，而应用程序层获得收益。这一预测的某些部分实现了：一方面，垂直人工智能游戏转向了更轻的模型，而“GPT包装器”初创公司的经济状况基本保持稳定。

但我们也看到，前沿提供商已经能够保持市场上最理想的部分——优质的代币价格。而且这种情况似乎不会很快改变。