這不僅僅是為了省錢;這代表著過去三年主導企業 AI 策略的那套「自建(build)vs. 購買(buy)」的算計,正在被徹底顛覆。
當 AI 應用量放大到生產環境,API 付費模式的經濟效益就會變得非常難看。一家企業每天處理 1 億個 token,透過專有 API 的花費可能高達每月 50 萬美元以上。同樣的工作量,若改用自行架設的開源模型,就算算上基礎設施和工程維運的成本,花費也僅是前者的零頭 。這股財務壓力是轉換的主要觸發點,一項調查中,有三分之二的組織表示,部署開源 AI 比專有 AI 更便宜 。
像 OpenRouter 這樣的工具已成企業的標準架構。這些工具讓企業能為每一項任務分配最便宜且足以勝任的模型,只把最複雜的工作保留給昂貴的頂級 API。這種做法極大化了成本效益,直接推動了大量的 token 用量轉向開源選項 。其結果是,企業的 token 成本從 2025 年第一季的每百萬 token 18.40 美元,暴跌至 2026 年第一季的 6.07 美元 。
為專有模型支付高溢價的「品質理由」,已經大為減弱。到 2025 年底,開源與專有模型在 MMLU 基準上的差距,已從 17.5 個百分點縮小到僅 0.3 個百分點——等於在通用知識基準上,差距已經消失 。在 LMSys Chatbot Arena 排行榜上,差距也已縮小到幾十個 Elo 積分內,在某些指標上甚至落在誤差範圍內 。
如今,中國的模型已成為「高性價比」的標竿。DeepSeek-V3.2 的效能可匹配 GPT-5.1,但推理成本僅為其十分之一 。在代理(Agent)效能方面,如 GLM-4.7 這類模型,已在 τ²-Bench 上擊敗所有專有模型 。這種效能平起平坐的狀態,意味著對絕大多數的企業應用場景——分析師估計約佔 80%——開源模型現在已能提供可比較甚至更優異的結果 。
現在的故事不僅僅是開源對抗專有;而是美國與中國在開源領域的領導權之爭。中國開發者積極採用開放原始碼的發行策略以推動全球採用,而這套策略正在奏效。
這股由低成本、高效能模型組成的洪流,正從根本上改變全球的 AI 供應鏈,以及世界各地企業的經濟考量。
轉向開源的成本優勢是驚人且多面向的。
| 指標 | 數據 | 來源 |
|---|---|---|
| 企業 AI token 成本年減幅度 | 從每百萬 18.40 美元降至 6.07 美元(年減約 67%) | |
| 開源推理成本優勢 | 比同等級專有方案低 50%–75% | |
| DeepSeek API 相較 OpenAI 的折扣 | 同等 token 便宜約 75% | |
| 專有 API 大規模使用成本 | 每天 1 億 token 每月花費約 50 萬美元以上 |
即使考慮到自行架設的營運開銷,每天處理 1 億 token 的工作量,開源方案仍便宜 55%;當規模擴大到每天 10 億 token,節省的成本更飆升至 81% 。
這波轉移對專有 AI 時代的先驅者造成了生存危機。隨著企業用預算投票,OpenAI 和 Anthropic 正遭受來自四面八方的擠壓。
《華爾街日報》和彭博社都報導了兩家公司之間日益升溫的價格戰 。Sam Altman 也承認,成本對客戶來說是個「巨大的問題」,據傳 OpenAI 正在考慮大幅調降 token 價格,以反擊 Anthropic 在企業市場的強勁動能 。
這兩家公司正競相計畫在 2026 年底公開上市 。核心風險在於,為了與開源和中國的替代品競爭而壓縮利潤率,將削弱它們持續投入巨額基礎設施費用以維持領先地位的能力 。D.A. Davidson 的一位分析師指出,隨著支出環境的變化,當前的成長率可能難以持續 。
企業 AI 的未來,並非在開源與封閉之間做二選一的選擇。數據顯示,混合架構將成為新的常態。對於高風險、涉及品牌形象、或受法規嚴格監管的工作流程,由於 SLA 和支援保證不可或缺,企業仍會使用專有模型 。然而,對於對成本敏感的批次處理、大量內容生成以及本地端部署,開源模型——尤其是來自中國的模型——將成為預設選項 。
對任何企業領導者而言,策略上的重點已非常明確:為 AI 能力支付溢價的時代正在終結。任何未能考量到開源模型成本正在崩跌、品質正在飆升的 AI 策略,都已經過時了。