週一，Decagon 執行長 Jesse Zhang 發表了一篇引人深思的新理論，題為「企業界對開源 AI 的看法都錯了」。這篇文章探討了當今 AI 經濟中最有趣的矛盾之一：他指出，即使在他自己的公司，更成熟的 AI 部署也正轉向輕量級模型。然而，對昂貴的頂尖模型（state-of-the-art models）的整體支出卻幾乎沒有變化。
這提供了一種思考頂尖模型（frontier models）與開源模型關係的新方式。根據 Zhang 的說法，它們並非競爭對手，開源模型的成功也並非以犧牲頂尖實驗室為代價。相反地，它們是同一生命週期的兩個階段：昂貴的頂尖模型用於驗證新的應用案例，一旦這些案例成熟，便可轉移至更便宜的開源替代方案。
隨著更多成熟的應用案例轉向輕量級模型，新的應用案例卻不斷湧現，因此對頂尖模型的整體支出幾乎沒有下降。
Zhang 並未提供太多數據來支持他的觀點，但相關數據並不難找到。Vercel 的 AI 閘道儀表板顯示，僅在過去一週，DeepSeek 在 token 處理量方面已躍居領先地位，目前處理了該公司基礎設施中超過三分之一的 token。而流行模型 GLM-5.2 背後的實驗室 Z.ai，同期也躍升至令人矚目的第四名。
然而，如果你向下滾動查看整體 token 支出，你會發現 Anthropic 仍然佔據該平台上超過一半的 AI 總支出。儘管近期變化很大一部分來自 Anthropic 自身價格的上漲，其市場份額在過去一個月略有下降，但幅度不大。
OpenRouter 也呈現了類似的情況，它佔據了更大（但企業級應用較少）的市場區塊。DeepSeek V4 Flash 是整體使用量上的主要贏家，每週處理 5.3 兆個 token。而最受歡迎的頂尖模型 Opus 4.8 則處理略多於 2 兆個 token。
OpenRouter 並未按總支出對模型進行排名，但它記錄了 Opus 4.8 的平均 token 成本約是 V4 Flash 的 23 倍（每百萬 token 1.37 美元，而 V4 Flash 僅 6 美分），這意味著 Opus 很可能仍佔據了大部分支出。
這些數字甚至還未計入最新登場的 Nvidia Nemotron，該模型憑藉 Nvidia 強大的連結和其本身的極高適應性，有望躍居領先地位。
這些數據並未完全證明 Zhang 關於 AI 生命週期的觀點，但確實顯示像 Anthropic 這樣的頂尖實驗室並未因開源模型的崛起而遭受太大打擊，至少目前還沒有。一種解釋是，AI 可處理任務的市場增長速度如此之快，以至於頂尖模型僅憑主導早期部署就能維持其地位。
正如 Zhang 所說：「頂尖實驗室將繼續主導探索，而開源模型將越來越多地主導生產。」另一種解釋可能是，即使客戶轉向開源，許多應用案例仍然非常困難，無法完全被更便宜的替代方案取代。
無論如何，這種雙層次的模型經濟模式，可能會成為 AI 經濟中一個相對穩定的特徵。
早在去年九月，我曾撰文探討基礎模型實驗室最終可能淪為向 Starbucks 販售咖啡豆的角色，也就是說，它們作為商品化輸入，而應用層則從中獲利。這項預測的部分內容確實成真：例如，垂直 AI 應用轉向了輕量級模型，「GPT 包裝」新創公司的經濟效益也大致保持穩定。
但我們也看到，就每個 token 而言，頂尖供應商仍能保有市場中最具吸引力的部分，即高價的 token 價格。而且這種情況似乎短期內不會改變。
