开放权重 AI 模型：Token 份额、支出与战略取舍

Matthew Berman 认为，Vercel 的一张图表显示了 AI 市场正在发生变化。视频发布于 2026 年 8 月，反映他对当时情况的解读。这些数字来自特定平台，本身不能描述全部 AI 使用量或提供商的全部收入。

图表追踪了从 6 月底到 8 月底 Vercel AI Gateway 上开放与封闭权重模型的 token 份额。画面终点显示开放权重占 62%，封闭权重占 38%。Berman 将开放权重份额上升视为采用率增长的迹象；但这是网关样本，并非市场普查。

Berman 强调中国开发者推出的模型，以及下载、托管和定制开放权重的可能性。这些选择取决于模型许可和用户的基础设施。开放权重并不自动意味着所有训练数据和代码开放，也不保证可以免费商业使用。

Token 数量与支出金额是不同指标。一张标注为 8 月 24 日 Vercel AI Gateway 快照的幻灯片显示，DeepSeek 占 25.2% 的 token 和 2.8% 的估算支出，Anthropic 分别占 24.5% 和 64.6%。估算支出是样本内的推算，并非各公司的总收入。

Berman 将这一差距解读为客户愿意为领先模型处理困难工作支付溢价的证据。他认为，在高风险任务中，能力上的小差异可能很有价值。这是一种经济解释，图表本身无法证明客户选择各模型的原因。

按照 Berman 的介绍，投资者 Gavin Baker 认为广泛可用的开放权重可能扩大使用量和基础设施需求。Berman 还引用了一个预测：前沿模型即使 token 份额较小，也会获取不成比例的价值。需求增长和特定收入分配都没有保证。

视频比较了一个高价模型与便宜得多的 Flash 模型的标价输出 token 价格。Berman 承认它们属于不同的模型类别：较低价格可以让常规任务更易负担，而困难任务上更好的结果可能值得溢价。所列价格是历史价格，不能衡量完整工作流程的成本。

Berman 表示，企业选择模型还取决于隐私、产品适配和定制。他列举使用开放权重模型的公司，并介绍 Harvey 对法律模型的微调。基准结果是厂商报告的评测，并非可靠法律工作的独立证明。

按任务计算的例子说明了为什么 token 单价不完整：模型每个 token 更便宜，却可能在类似任务中消耗更多 token。Berman 引用 0.84 美元和 0.96 美元的比较，建议考虑实际完成任务的成本。有意义的比较还应考虑成功率和重试。

按照 Berman 的概括，经济学家 Christian Catalini 的框架将市场分为低价通用模型、适应企业上下文的专业模型和高价前沿通用模型。Berman 将这些视为可能的市场分层，而非已经确定未来支出分配的测量结果。

Berman 支持开放权重，因为自托管和微调可以给组织更多控制权，减少对单一模型提供商的依赖。他担心提供商保留信息或与客户竞争。实际数据使用和保留政策取决于服务、合同和配置；自托管也会带来运营责任。

其他托管提供商可以给买方更多谈判选择。定制可能提升模型在特定领域的表现，但收益取决于数据质量、评测、成本和许可。Berman 认为模型和基础设施提供商之间的竞争能对高价实验室形成有益压力。

Berman 指出衍生模型生态庞大，并展示 Artificial Analysis 指数：几个开放权重模型的得分接近领先者。排名汇总的是选定测试，并不代表每项实际任务的表现。他还用住房作类比，认为调整模型可以随时间积累组织知识。

他提到一家封闭模型提供商降价，并预测开放权重会在 token 使用量上领先，而前沿实验室获得大部分支出。Vercel 快照支持区分该样本内的使用量与估算支出，但无法证明预测中的市场格局会持续。

Berman 最后担忧的是地缘政治：如果未来模型和中国芯片紧密协同设计，依赖这些模型的美国公司可能面临新的依赖。这是他提出的情景，并非开放权重模型目前必须使用中国硬件的证据。他最后鼓励读者了解本地部署与定制。