开源AI兴起暂未对Anthropic造成实际冲击
开源模型token量领先，但前沿模型主导早期探索和支出，两者形成互补，前沿实验室收入稳定。
Decagon CEO提出：前沿模型与开源模型并非竞争，而是同一生命周期的两个阶段——先用前沿模型验证用例，成熟后再切换到开源。数据显示，尽管DeepSeek等开源模型在token量上领先，但Anthropic在总支出中份额仍超50%，前沿实验室暂时未受冲击。
正文摘录
为什么开源 AI 的崛起还没有伤害到 Anthropic … 至少目前没有 周一，Decagon 的 CEO Jesse Zhang 发表了一篇引人深思的理论，标题为 [“关于企业级开源 AI，每个人都错了。”](https://x.com/thejessezhang/status/2074154325933424861) 这篇文章探讨了当今 AI 经济中最有趣的矛盾之一：他说，即使是自己的公司，那些更成熟的 AI 部署正在转向更轻量的模型。但花在昂贵的顶级模型上的总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。按照 Zhang 的说法，它们并非竞争对手，开源模型的成功也不是以牺牲前沿实验室为代价。相反，它们是同一生命周期中的两个阶段：昂贵的前沿模型被用来验证用例，当这些用例成熟后，便转而使用更便宜的开源替代方案。 随着越来越多的成熟用例 [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——而前沿模型的整体支出几乎没有下降。 Zhang 并没有提供太多数据来支撑这个观点，但数据并不难找。[Vercel 的 AI 网关仪表盘](https://vercel.com/ai-gateway/leaderboards/labs) 显示，仅在刚刚过去的一周内，DeepSeek 在 token 处理量上已经跃居首位，目前处理了该公司基础设施中略超过三分之一的 token 量。同期，Z.ai——流行模型 GLM-5.2 背后的实验室——成功跃升至第四位，表现不俗。 但如果你向下滚动查看总 token 支出，你会看到 Anthropic 仍然占据该平台 AI 总支出的半数以上。