开源AI崛起为何尚未伤害Anthropic？
很多人都在争论，开源模型到底会不会干翻前沿实验室。但现实给出了一个反直觉的现象：成熟的企业级AI部署已经开始切换成轻量级模型，比如DeepSeek，甚至包括Decagon自己。可另一边，前沿模型的总开支却几乎没怎么降。这不是错觉，Vercel和OpenRouter的数据都证明了这一点。大家习惯用零和博弈的思维理解，认为开源抢了多少，前沿就会损失多少。但市场不是这么运作的——这个矛盾才是这篇文章真正要回答的问题。
Jesse Zhang提出了一个漂亮的解释：前沿模型和开源模型，根本不是竞争者，而是同一个生命周期的两个阶段。你可以想象一个漏斗。前沿模型负责“发现”——用最贵的算力去验证一个新用例到底能不能跑通。一旦验证成熟，这个用例就会被工程化，移交给成本极低的开源模型去“生产”。同时，新的用例又在不断涌现，前沿模型始终在漏斗顶部接单。所以整体看，开源处理掉的token量大幅领先，但按金额算，Anthropic仍然拿走了Vercel平台上一半以上的支出。OpenRouter那边更夸张，Opus 4.8的token单价是DeepSeek V4 Flash的23倍，即使后者token量是前者的两倍多，开支大头依然是前沿模型。简单说，开源赚了流量，前沿赚了利润。
这个框架给我最大的启发是，未来AI模型市场可能形成一种稳定的双层经济结构：前沿实验室守住“发现”环节，靠高毛利维持研发；开源模型抢占“生产”环节，靠规模摊成本。这对创业公司来说是个清晰的信号——不要非黑即白地选边站。先用前沿模型快速试错、验证市场，等跑通了再切换到低成本方案，这才是最理性的路径。另外，Nvidia带着Nemotron入局，可能会进一步加速这个循环，让前沿模型的价值更集中在“定义问题”而非“解决问题”上。这篇文章没有堆砌数据，但它用一个极简洁的模型，解释了为什么Anthropic暂时还没被开源浪潮冲垮，以及为什么这种平衡可能比我们想象的更持久。
