{"id":"mb-20261013-61a8f1","kind":"deep","title":"顶尖AI模型开发者调用量从55%暴跌至14%，重资产大模型面临商业化定价考验","summary":"根据OpenRouter与The Information披露的数据，全球前十大顶尖AI模型在开发者中的Token调用份额一年内从55%断崖式跌至14%。在真实的业务开发中，超过九成的需求属于数据清洗、信息提取等格式化工作，促使开发者建立智能分流机制转向价格相差数十倍的轻量与开源模型，使高研发成本的旗舰模型面临单位经济学与公开上市估值的严峻挑战。","body":"全球最顶尖的十个AI模型，一年前还吃着开发者超过一半的流量。\n到了今年，这个份额直接跌到了14%。\n剩下八成多的调用量，全被更便宜的轻量模型抢走了。\n\n这组数据来自OpenRouter，一个专门给全球几十万开发者提供模型接口调用的聚合平台。\n科技媒体The Information把数据扒出来之后，在硅谷和华尔街引起了不小的震动。\nAI学者加里·马库斯（Gary Marcus）在社交媒体上问了一句：\n这会不会是所有AI独角兽上市的最后一颗棺材钉？\n\n平时看各大实验室的模型发布会，大家都在拼命卷跑分、卷推理速度、卷谁在奥数题上比人类专家更厉害。\n各家融了几百亿美元，买下全网最好的GPU和算力集群，奔着最聪明的超级大脑一路狂奔。\n怎么一到真金白银掏钱写代码的时候，开发者反而集体跑去买便宜货了？\n\n这就要看真实的软件开发到底在消耗什么了。\n很多人以为开发者调用大模型，是在让它做高深的研究、写复杂的系统架构，或者思考高难度的业务逻辑。\n但在生产环境里跑过实际业务的人都知道，系统里哪有那么多高深莫测的难题。\n\n拿一个最常见的企业智能体来说。\n用户在前台发来一句话，系统后台可能要连续调用几十次大模型。\n第一步，先切开这句话，判断用户是想查快递、想退款，还是在发脾气骂人；\n第二步，从数据库里捞出一堆杂乱的文档，把里面的姓名、订单号和收货地址抠出来；\n第三步，把抠出来的信息重新排成工整的JSON数据格式；\n最后一步，再把处理好的结果包装成一句礼貌的回复吐给用户。\n\n看明白这个流程就会发现，这几十次调用里面，九成以上都是没有技术含量的格式化苦力。\n从一段话里提取一个手机号码，需要爱因斯坦级别的智商吗？\n把三行字排成一个标准表格，需要最强模型在后台深度思考三十秒吗？\n完全不需要。\n一个参数规模只有80亿或者700亿的轻量模型，干这些体力活的准确率早就超过了99%。\n\n但是两者的账单差了多少？\n顶尖的旗舰模型，比如Claude 3.5 Sonnet或者GPT-4o，每生成一百万个Token，价格在10美元到15美元上下。\n开源或者轻量级的模型，比如Meta的Llama系列，或者各种专打速度的小模型，每生成一百万个Token只要0.1美元到0.3美元左右。\n价格直接差了三五十倍。\n\n对一个每天要处理几千万次API调用的企业来说，要是把所有脏活累活全扔给最贵的旗舰模型，月底的算力账单能直接把公司的利润吃得干干净净。\n所以现在的开发者早就精明了。\n他们普遍在系统里做了一套分流机制：\n日常九成以上的分类、清洗、提取和格式化，全部派给便宜的小模型去跑；\n只有当小模型实在卡壳了，或者真的碰上复杂的代码调试和逻辑推理，系统才会把这剩下的10%高难度任务交给最贵的顶尖模型。\n\n这一套分流机制跑顺了，企业的成本是降下来了，却给顶尖大模型实验室的商业故事砸出了一个巨大的窟窿。\n过去两三年里，头部大模型公司去华尔街讲的故事，全指望着智能的垄断性。\n那个故事默认：只要我训练出全世界最聪明的模型，就能赢家通吃；\n只要所有开发者都依赖我的高智力接口，我就能维持70%以上的软件毛利率，支撑起上千亿美元的高估值。\n\n但OpenRouter这组14%的数据，把这个逻辑链条给切断了。\n顶级智力更像是一辆造价极其昂贵的方程式赛车。\n研发它需要消耗天文数字的显卡、电力和顶级人才，可市场在大规模采购的时候，八成以上的需求只是在街区送货的小货车。\n大家只要便宜、皮实、按时送达，用不上时速四百公里的推背感。\n\n大模型实验室背着每年几十亿美元的算力折旧和巨额训练账单，真正能卖出高价的复杂任务却只有那一小撮。\n如果最聪明的大脑无法形成天然的垄断定价权，那些指望靠卖接口利润撑起千亿市值的上市预期，到了向公开市场交财务报表的时候，该拿什么去算平这笔账？","topic":"顶尖AI模型开发者调用量从55%暴跌至14%，重资产大模型面临商业化定价考验","frame_type":["机制"],"citations":[],"channel_note":"","identity_notice":"","source_type":"generated","status":"published","generated_at":"2026-10-13 08:30:41","legal_anchor_count":0,"transcript_citation_count":0}