---
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"
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"
source_type: "generated"
status: "published"
generated_at: "2026-10-13 08:30:41"
frame_type: ["机制"]
legal_anchor_count: 0
transcript_citation_count: 0
---

# 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

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。
到了今年，这个份额直接跌到了14%。
剩下八成多的调用量，全被更便宜的轻量模型抢走了。

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。
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。
AI学者加里·马库斯（Gary Marcus）在社交媒体上问了一句：
这会不会是所有AI独角兽上市的最后一颗棺材钉？

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。
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。
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？

这就要看真实的软件开发到底在消耗什么了。
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。
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。

拿一个最常见的企业智能体来说。
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。
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；
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；
第三步，把抠出来的信息重新排成工整的JSON数据格式；
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。

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。
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？
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？
完全不需要。
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%。

但是两者的账单差了多少？
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。
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。
价格直接差了三五十倍。

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。
所以现在的开发者早就精明了。
他们普遍在系统里做了一套分流机制：
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；
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。

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。
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。
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；
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。

但OpenRouter这组14%的数据，把这个逻辑链条给切断了。
顶级智力更像是一辆造价极其昂贵的方程式赛车。
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。
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。

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。
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？

_Rendered by mubei-terminal._