开源热潮席卷硅谷

正文：

在过去的两年里，企业在谈及人工智能（AI）时，主要关注的问题常常是“哪个模型性能最强”。然而，随着AI应用的日益普及，另一个问题开始变得愈发重要：在完成同一任务时，是否真的有必要使用最昂贵的模型？

随着信息技术支出不断增加，美国企业逐渐开始审视AI的成本，并越来越倾向于选择价格更为实惠的“开源”AI模型。更确切地说，其中有相当一部分是采用“开放权重”（open-weight）模型。

根据研究平台AlphaSense的数据，今年8月和9月，美国企业在财报电话会议和投资者会议中提到“开放权重”或“开源”模型的频率，是去年同期的六倍。

从科技公司到金融、物流、工业以及电信行业，企业们开始根据任务的复杂程度，灵活组合不同的模型：高端模型负责处理复杂任务，而更为经济的开源模型则承担大部分日常工作。

最近，中国的两家AI初创公司智谱AI和月之暗面推出了与美国实验室产品相媲美的新模型。

在过去几年中，OpenAI和Anthropic不断推陈出新，提升前沿模型的能力，并建立了一套明确的商业逻辑：企业愿意为更强的模型支付更高的价格，因为更高的智能水平代表着更优质的代码、更复杂的推理能力以及更强的自动化水平。

然而，当AI应用逐渐从少量实验转向大规模生产时，企业开始重新考虑这笔账。

许多常规任务，如信息提取、文本分类、简单代码修改和客户服务回复，并不需要调用最昂贵的前沿模型。

路透社在今年6月报道，微软首席执行官萨蒂亚·纳德拉、Palo Alto Networks首席执行官尼基什·阿罗拉以及Coinbase首席执行官布莱恩·阿姆斯特朗等高管，均强调更小、更便宜的模型能够满足相当一部分企业的需求。

由于员工大量使用AI编码工具，某公司仅用了4个月就消耗掉了原本能够覆盖到2026年的AI预算，最终不得不对AI工具的使用设立上限。

更复杂的任务将进一步推高成本。随着请求涉及更多步骤、更长的上下文和更多的工具调用，即便单个Token的价格下降，企业的最终账单也可能迅速增加。

因此，“哪个模型最强”逐渐演变为“哪个模型最适合当前任务”。开源模型因此获得了新的机会。

《金融时报》援引Vercel的数据称，今年8月，该公司的AI Gateway处理的所有Token中，开源模型的占比达到56%，而去年12月仅为7%。路透社援引花旗银行的数据指出，OpenRouter上开源模型处理的Token比例也从今年1月的34%上升至6月的65%。

真正改变AI商业模式的，并不是某个开源模型战胜了闭源巨头，而是企业开始摒弃“一个模型解决所有问题”的思维。这一变化在软件行业尤为明显。

Match Group旗下的Tinder为了控制不断攀升的AI成本，已经开始将部分非技术性查询转交给开源模型。其首席技术官维奈·库鲁维拉透露，公司AI支出的年化规模从1月的100万美元猛增至7月的1000万美元。尽管顶级模型能处理约90%的任务，但随着开源模型的进步，许多工作已无需调用最昂贵的系统。

电信巨头AT&T走得更远。其首席数据与AI官安迪·马库斯透露，目前约40%的AI工作负载运行在开源模型上，计划在一年内提升至70%。面对每日450亿Token的处理量，AT&T还将利用自有数据微调开源模型，以便在特定任务上达到甚至超越闭源模型的效果。

因此，“模型拼盘”正在成为AI应用的一种常见架构：前沿模型负责复杂推理与规划，而成本较低的模型则处理大量执行工作。

不仅消费级应用如此，工具与开发类软件也正在经历同样的转变。

Cursor团队的测试同样验证了这一成本差异。在从零构建浏览器的过程中，若全程使用OpenAI的GPT-5.5，成本将超过1万美元；而采用自研的Composer模型结合Anthropic的Opus 4.8，成本则降至1339美元，前后相差约7.5倍。

这种模式还使得“模型中立”（Model Agnostic）成为AI应用的重要特性。企业可以根据任务的复杂性和成本，在OpenAI、Anthropic、谷歌和开源模型之间灵活选择，而不再受到单一供应商的限制。

Telnyx公司曾使用Anthropic顶级模型运行1000个机器人智能体，按原计费方式，日均成本可能高达10万美元。转向开源模型后，机器人智能体的数量增加至1400个，但单个智能体的日均成本却降至约100美元。

法律AI初创公司Harvey也采取了类似策略：日常任务由开源模型负责，只有在应对极高难度的工作时才调用顶级模型。

这一变化对OpenAI和Anthropic的商业基础构成了深刻的冲击。

过去，前沿模型公司通过不断提升模型的能力，推动企业增加AI支出。模型越强，溢价就越高，这种溢价再转化为下一代模型的算力投资。然而，开源模型正在打破这一闭环。

花旗银行的数据显示，部分开源模型的价格已低至每百万Token 18美分，而顶级闭源模型的平均价格约为4美元。即使开源模型在某些极限任务中存在性能差距，价格的悬殊也足以促使企业重新评估是否有必要在所有任务中使用顶级模型。

更重要的是，开源阵营在核心能力上的追赶速度超出了预期。

DeepSeek在未经过预热的情况下将其V4 Pro模型推向通用（GA），该模型在SWE-bench Verified上获得了80.6%的顶尖成绩，并在测试模型中创下了最高的Codeforces评级。而它的综合Token费率，仅为Claude Opus 4.7的1/46左右。

当一个成本仅为闭源顶流1/46的开源模型，不仅能够完成工作，甚至在深度编码与算法推理等关键指标上直接与前沿顶级模型相抗衡时，买方的采购策略也因此发生了根本性的改变。

WEKA首席AI官瓦尔·贝尔科维奇曾将这一趋势概括为“以10%的价格实现90%的效果”，而像DeepSeek V4 Pro这样的产品的出现，甚至正在打破“90%效果”的限制，向顶级表现看齐。

除了成本，数据控制也是开源模型吸引力的重要因素。

来源：Odaily星球日报