尽管开源 AI 模型在处理量上迅速增长，但它们并未对 Anthropic 等前沿模型公司构成直接的收入威胁。一种新的观点认为，这两者并非竞争关系，而是 AI 应用生命周期的不同阶段：昂贵的前沿模型用于发现和验证新用途，而成熟的用途则会迁移到更便宜的开源模型上进行大规模生产。这种分工使得前沿模型公司能持续占据高价值市场，形成一个稳定的双层经济结构。
发现与生产：一个新理论
当前 AI 经济中存在一个有趣的矛盾：许多成熟的 AI 应用正在转向更轻量、更便宜的模型，但市场对昂贵的顶级模型的总支出却几乎没有减少。
Decagon 公司的首席执行官 Jesse Zhang 提出了一个解释。他认为，前沿模型和开源模型并非直接竞争，而是扮演着不同角色：
它们是同一个生命周期的两个阶段，昂贵的前沿模型被用来验证使用场景，随着这些场景的成熟，它们会被移交给更便宜的开源替代方案。
随着成熟的应用转向更便宜的模型，新的、需要探索的应用场景又不断涌现，继续依赖昂贵的前沿模型。这就解释了为什么前沿模型的总支出能够保持稳定。
数据揭示的真相
虽然理论很有趣，但数据更能说明问题。来自不同平台的数据都描绘了相似的图景，显示了处理量和总支出之间的巨大差异。
Vercel 平台数据：
- 处理量（Tokens）：开源模型如 DeepSeek 已经占据领先地位，处理了超过三分之一的流量。
- 总支出（Spend）：Anthropic 仍然占据平台上一半以上的 AI 总支出。
OpenRouter 平台数据：
- 使用量：开源的 DeepSeek V4 Flash 每周处理 5.3 万亿 token，而最受欢迎的前沿模型 Opus 4.8 仅处理约 2 万亿。
- 成本与收入：尽管使用量较低，但 Opus 4.8 的平均成本比 V4 Flash 高出约 23 倍。这意味着即使处理量较小，它仍然可能占据了绝大部分的实际支出。
这些数据表明，虽然开源模型在“工作量”上获胜，但前沿模型在“利润”上依然保持着绝对优势。
一个稳定的双层经济
这种趋势表明，AI 市场正在形成一个相对稳定的双层结构。前沿模型实验室（如 Anthropic）并未因开源的崛起而遭受重大损失，至少目前还没有。
“前沿实验室将继续主导发现。开源将越来越多地主导生产。”
这种分工出现的原因有两个：
- 市场增长迅速：AI 可解决的任务市场增长太快，顶级模型只需主导早期部署阶段就能保持地位。
- 任务难度高：许多用例非常复杂，无法被更便宜的替代方案完全取代，仍然需要前沿模型的强大能力。
最终，尽管开源模型处理了更多的 token，但前沿模型供应商成功地守住了市场中最有价值的部分：高昂的 premium token 价格。并且，这种情况在短期内似乎不太可能改变。