周一，Decagon 首席执行官张杰发表了一个具有挑衅性的新理论，其标题为“每个人对企业中开源人工智能的看法都是错误的”。这篇文章探讨了当今人工智能经济中最有趣的矛盾之一：更成熟的人工智能部署正在转向更轻的模型，他说，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，仅在过去一周，DeepSeek 就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数量略多于三分之一。
Z.ai——流行的 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 仍然占该平台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 自身价格的上涨，该份额在过去一个月中略有下降，但幅度不大。图片来源：Vercel 仪表板/数据导出 OpenRouter 讲述了类似的故事，占领了更大（但企业规模稍小）的市场部分。
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。最流行的前沿模型 Opus 4.8 处理的数据量刚刚超过 2 万亿。
OpenRouter 没有按总支出对模型进行排名，但它记录 Opus 4.8 的平均代币成本大约比 V4 Flash 高 23 倍（每百万代币 1.37 美元，而仅为 6 美分），这意味着 Opus 可能仍占据支出的最大份额。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。这些数字并不能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将咖啡豆出售给星巴克的可能性的文章，也就是说，作为商品投入，而应用程序层获得收益。该预测的某些部分实现了：垂直人工智能游戏