很多公司都在头疼AI落地的成本问题。用闭源模型太贵，用开源模型又担心效果不行，更别说还要搭一堆工具链。Databricks自己养着3000个软件工程师，每天被GPU账单追着跑，这就逼着他们必须找到省钱又好用的方案。他们不想在技术能力上打折扣，但预算又是真实存在的红线。这个问题不解决，企业AI就永远是少数巨头的游戏。

Databricks的做法很直接：拿自己工程师的日常工作来跑benchmark，不看那些刷分的基准测试，就看实际写代码的能力。结果发现，中国开源的GLM 5.2模型在编码任务上已经能顶上闭源模型的水平，而且成本低一大截。更意外的是，他们发现包裹模型的工具（harness）对成本的影响和模型本身差不多。比如一个叫Pi的开源harness，在管理上下文和指令上做得比Codex、Claude Code这些原生工具还好，进一步压低了总开销。模型选好了，工具再搭对，成本直接下来，效果还不差。

这个案例给所有人的启示是：别再只盯着模型排行榜了。模型只是拼图的一块，工具链的优化和工程化能力才是未来控制成本的真正抓手。开源中国模型和开源harness的组合，正在快速抹平与闭源方案的差距。对于预算有限的企业来说，与其花大钱追最贵的模型，不如花时间打磨自己的工具栈和评估流程。Databricks证明了，务实的选择加上精细的工程，完全可以做到既省钱又不牺牲质量。