为什么开源人工智能的兴起还没有伤害 Anthropic……

一句话看懂：尽管开源模型在推理用量上快速增长，但以 Anthropic 为代表的闭源前沿模型依然占据了企业支出的最大份额。市场上出现了一种“双阶段”生命周期：前沿模型负责验证新用例，成熟后再迁移至低成本开源模型，两者并非直接竞争。

事件核心：发生了什么

Decagon 公司 CEO Jesse Zhang 在近期发布的文章中提出，企业级 AI 部署正在发生分化：成熟场景正向更轻量的模型迁移，但前沿模型的总支出并未明显下降。Verce l的 AI 网关数据显示，过去一周，DeepSeek 在令牌处理量上已跃居首位（占平台流量的三分之一以上），Z.ai 的 GLM-5.2 模型也进入第四位。然而按总花费计算，Anthropic 仍占据平台 AI 支出的一半以上，这一份额在过去一个月仅因价格上调而略有下滑。OpenRouter 的数据进一步佐证：DeepSeek V4 Flash 每周处理 5.3 万亿令牌，而最流行的前沿模型 Opus 4.8 处理约 2 万亿，但 Opus 的每百万令牌成本（约 1.37 美元）是 V4 Flash（0.06 美元）的 23 倍，因此前沿模型仍牢牢控制着支出大头。Nvidia 的 Nemotron 模型凭借其极强适应性也正加速进入市场。

为什么重要

这与普遍预期的“开源取代闭源”叙事形成鲜明对比。Zhang 提出的解释是：前沿模型和开源模型并非对手，而是同一用例生命周期中的不同阶段——前沿模型承担“探索与验证”功能，开源模型则接管“规模化生产”。随着 AI 可解决问题市场的快速扩张，前沿模型依靠主导早期部署维持了高价地位。目前的数据表明，这种“双轨制”可能成为 AI 生态的稳定特征：闭源模型凭借高定价锁定商业价值最高的部分，开源模型则在规模化和成本优化上赢取份额。

对用户/开发者/创作者的影响

企业采购决策：选择模型不应只比较性能或价格，而应区分“验证阶段”和“生产阶段”。前期使用前沿模型快速验证产品可行性，后期迁移至开源模型降低成本，可能成为最佳实践。
API 开发者： DeepSeek、GLM 等开源模型在推理端的成本优势显著，适合高频、低延迟、对延迟不敏感的任务；Anthropic Opus 等前沿模型则在复杂推理、高安全要求场景中仍具不可替代性。
创作者与独立开发者： 开源模型的低门槛降低了实验成本，但依赖其构建核心产品时需注意模型更新和价格变动的稳定性；前沿模型的高价意味着更适合做高附加值功能。