为什么开源AI的崛起尚未对Anthropic构成威胁……目前

TechCrunch AI 新闻

摘要

一篇探讨开源AI模型崛起为何尚未对Anthropic等前沿实验室造成负面影响的文章。数据显示,尽管开源模型处理的token量更大,但前沿模型因用于早期部署阶段,仍占据了大部分支出。

开源模型的成功并未以牺牲前沿实验室为代价。相反,它们各自似乎捕捉到了同一生命周期中的两个阶段。
查看原文
查看缓存全文

缓存时间: 2026/07/07 20:13

# 为什么开源AI的崛起尚未冲击Anthropic……至少目前如此 | TechCrunch 来源:https://techcrunch.com/2026/07/07/why-the-rise-of-open-source-ai-isnt-hurting-anthropic-yet/ 本周一,Decagon CEO Jesse Zhang发表了一个引人深思的新观点,以题为“Everyone is wrong about open source AI in the enterprise”发布(https://x.com/thejessezhang/status/2074154325933424861)。这篇文章探讨了当前AI经济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部署正在转向更轻量的模型。然而,在昂贵的最先进模型上的整体支出却几乎没有变化。 这是一种思考前沿模型与开源模型关系的新方式。在Zhang的叙述中,它们并非竞争对手,开源模型的成功并非以前沿实验室的损失为代价。相反,它们是一个生命周期中的两个阶段:昂贵的前沿模型用于验证用例,随着用例成熟,再传递给更便宜的开源替代方案。 随着更多成熟用例转向更轻量的模型(https://techcrunch.com/2026/06/09/can-tech-companies-learn-to-love-cheaper-models/),新的用例不断涌现——前沿模型上的总体支出几乎没有下降。 Zhang并未提供太多数据支持这一观点,但数据并不难找。Vercel的AI网关仪表板(https://vercel.com/ai-gateway/leaderboards/labs)显示,仅在过去一周,DeepSeek就在token量上跃居领先地位,目前处理了通过其基础设施的超过三分之一的token。Z.ai——即流行模型GLM-5.2背后的实验室——同期也跃升至第四位,表现不俗。 但如果向下滚动到总体token支出,你会看到Anthropic仍然占据了该平台AI支出的一半以上。考虑到近期变化部分源自Anthropic自身价格上涨,其占比在过去一个月略有下降,但并不显著。 **图片来源:** Vercel仪表板/数据导出 OpenRouter(https://openrouter.ai/rankings)也讲述了类似的故事,它覆盖了更大(但略少企业级)的市场份额。Deepseek V4Flash在整体使用量上成为主要赢家,每周处理5.3万亿token。最受欢迎的前沿模型Opus 4.8处理了略超过2万亿token。OpenRouter并未按总支出对模型排序,但记录显示Opus 4.8的平均token成本大约是V4Flash的23倍(每百万token 1.37美元,而V4Flash仅为6美分),这意味着Opus可能仍然占据了支出的最大份额。 这些数据甚至还未计入最新加入者——Nvidia的Nemotron,后者凭借Nvidia强大的关系网和模型自身的极高适应性,有望跃居领先位置(https://x.com/kevinsxu/status/2074205037455192191)。 这些数据不能完全证明Zhang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崛起而遭受太大冲击——至少目前如此。一种解释是,AI可处理的用例市场增长如此迅速,以至于顶级模型只需主导早期部署阶段就能维持其地位。正如Zhang所言:“前沿实验室将继续拥有探索阶段。开源将越来越拥有生产阶段。”另一种解释可能是,即使客户转向开源,许多用例也极其困难,无法完全被更便宜的替代品取代。 无论哪种情况,这种模型的双层经济可能成为AI经济中相对稳定的特征。 就在去年九月,我还在写关于基础实验室可能最终向星巴克出售咖啡豆(https://techcrunch.com/2025/09/14/selling-coffee-beans-to-starbucks-how-the-ai-boom-could-leave-ais-biggest-companies-behind/)的可能性——即作为商品化输入,而应用层收获利益。该预测的部分内容已成为现实:例如,垂直AI应用转向了更轻量的模型,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,就token而言,前沿提供商能够牢牢抓住市场中最理想的部分:溢价token价格。而且这种情况似乎不太可能很快改变。 *当您通过我们文章中的链接购买商品时,我们可能会获得少量佣金(https://techcrunch.com/techcrunch-affiliate-monetization-standards/)。这不会影响我们的编辑独立性。* Russell Brandom自2012年开始报道科技行业,重点关注平台政策和新兴技术。他曾任职于The Verge和Rest of World,并为Wired、The Awl和MIT Technology Review撰稿。可通过[email protected]或Signal(412-401-5489)联系他。 查看简介(https://techcrunch.com/author/russell-brandom/)

相似文章

真正的AI竞赛可能已不再处于前沿

TechCrunch AI

本文讨论了开放权重模型(尤其是来自中国公司的模型)在生产型AI工作负载中日益占据主导地位,这挑战了像Anthropic和OpenAI这样的公司的前沿模型的相关性。

企业界对开源AI的看法都是错的(3分钟阅读)

TLDR AI

Decagon 将 90% 的工作负载运行在微调后的开源模型上,以获得低延迟和高性能;而由于使用前沿模型的新用例激增,企业整体在开源大语言模型上的支出已降至 11%。文章认为,随着用例逐渐成熟,它们将从闭源模型迁移到开源模型。