美国企业正在跳过最好的AI模型——而这一切因此改变
美国企业正在绕过最强大的AI模型，转而选择更便宜的替代方案，这正在重塑AI行业的经济格局，并加速中国开源竞争者走向主流。
旗舰模型的困境
Anthropic 发布了 Claude Opus 5，获得广泛赞誉。在各项基准测试中，它都是市场上最强的 AI 模型——就连竞争对手也承认了这一点。然而，发布两个月后，美国企业 largely 对其置之不理。
据《金融时报》报道，截至 7 月底，Opus 5 仅占 Anthropic 企业 AI 总支出的 11.4%。与此同时，较老的 Opus 4.8 占了 34.9%，而更新但更便宜的 Opus 5 占 19.1%。那些曾经在每个旗舰版本发布时都排成长队追随的公司，正悄然选择不跟了。
原因直白得很：经济账。Opus 5 的输入 token 定价为每百万 10 美元，输出 token 每百万 50 美元。而 OpenAI 的 GPT-5.6 Sonnet——在直接对比基准测试中明显低于 Opus 5——价格仅为其一半：输入每百万 5 美元，输出每百万 30 美元。对于每天运行数千份文档摘要、数据整理任务和常规客服查询的企业来说，这个差距不是学术问题，而是盈利与亏损之间的鸿沟。
双轨策略已成常态
正在出现的并非对先进 AI 的拒绝，而是对"它该用在何处"的一次重新校准。企业正部署双轨策略：将旗舰系统保留给真正复杂的工作——法律分析、科学研究、多步推理——并将其他一切任务通过更便宜的中端或旧款模型来处理。
一位行业消息人士告诉《朝鲜日报》，总结文档或整理数据并不需要最前沿的能力。他们表示，如今衡量的指标不再是峰值性能，而是企业能以多低的成本获得其真正需要的性能。
这一转变对那些多年来凭借不断推高基准测试成绩来赢得人心的公司带来了直接后果。Anthropic、OpenAI 及其同行都是在能力领导力上构建其企业叙事的。现在，买家采用的指标已经不同——它奖励的是另一种产品策略。
Opus 5 的发布没有扭转局面，因为指针早已转动。来自 Anthropic 和 OpenAI 的中端模型进步迅速，以至于性能天花板的不迫切感已超过了价格底线的关切。Opus 5 在企业支出中几乎是在发布后立即超越了 Opus 4.8，这是一个明确的信号：无论供应商是否乐意，市场正在将自己推出高端模型的价格区间。
价格战已然打响
AI 供应商的反应迅速且毫不含糊。上个月，OpenAI 将其轻量级 GPT-5.6 Luna 模型降价 80%，并将其中端产品 Terra 降价 20%。8 月份，它宣布 GPT-5.6 Sonnet 将在 11 月 21 日之前进一步降价 20% 至 33%。据报，Anthropic 已放弃了今年 9 月起将其 Sonnet 5 中端型号涨价 50% 的计划。DeepSeek 则在周末和平峰工作日时段以半价提供其 V4 Pro 旗舰模型。
这些不是促销姿态。这是对市场的结构性调整——市场已决定，仅凭性能不再能证明溢价合理。
定价压力也在改变产品策略。OpenAI 的 Sonnet 模型定价远低于其旗舰产品，现已占 OpenAI 企业 token 总使用量的 25%。最便宜的选择并未流失市场份额——而是在收获份额。
中国模型搭上了成本曲线
这一转变最深远的影响可能不在于美国供应商之间，而在于美国与中国供应商之间。中国的开放权重模型——月之暗面的 Kimi K3 和智谱 AI 的 GLM-5.3——在缩小与 Anthropic 和 OpenAI 顶级模型的性能差距的同时，运行成本仅为后者的约三分之一。
在 OpenRouter 上，中国模型的 token 使用占比上月超过了 60%。这与 2025 年初形成了戏剧性的逆转——当时它们仅占不到 10%。趋势一目了然：当企业以性价比而非绝对能力为目标时，中国开源模型凭借可及性而非优越性获得了分发渠道。
摩根士丹利在最近的一期播客中指出，企业正在主动削减对前沿 AI 的支出，转向更便宜的中国开源替代方案。该公司将此界定为预算调整。但这也是全球 AI 供应链的一次结构性重组。
谁赢谁输
在这一环境中，赢家是那些能够围绕分层定价来构建 AI 部署的企业——为罕见但关键的任务保留旗舰访问权限，同时以经济实惠的模型运行大部分运营。它们也是那些将自己定位为高性价比全球 AI 采用核心支柱的中国开源开发者。
输家是那些将自己定价超出企业承受舒适区的高端模型供应商。Anthropic 的 Opus 5 是一项技术成就；但在商业上，它正艰难寻找买家。OpenAI 的 Sonnet 系列面临同样的困境——性能强劲，却永远被自身的定价架构所 overshadowed。
对于更广泛的算力军备竞赛，信号是模棱两可的。较低的 token 价格不意味着更少的算力消耗——反而可能意味着更多。如果更便宜的模型解锁了规模化采用，即使单位收入下降，总需求仍可能上升。但 per-token 收入压缩是真实且持续的，它正在改变每一家押注 AI 基础设施的公司的计算逻辑。
下一步是什么
企业 AI 市场正进入这样一个阶段：基准测试领导力是必要条件，但已不再充分。能够度过这一过渡期的公司将是在分层产品策略上炉火纯青的公司——提供可信的旗舰产品、有竞争力的中端产品和经济实惠的入门选项——而不是那些将性能优化视为唯一可发力杠杆的公司。
只要性能差距在大多数企业工作负载的可接受范围内，中国开放权重模型将继续扩大份额。如果美国供应商在同等价格下缩小了能力差距，这一窗口可能收窄；如果中国模型继续其提升轨迹，这一窗口也可能扩大。
唯一确定的是，以追逐基准测试作为独立企业价值主张的时代已经结束。下一章将由那些能在正确价格提供正确性能的公司来书写——而非以任何代价提供最高性能的公司。