當模型能力逐漸接近，企業真正開始計算：每一單位智能，到底值多少錢。
核心判斷
中國大模型切入美國市場，靠的不只是“便宜”，而是同時踩中了兩個趨勢：單位智能成本下降，以及企業對可部署、可替換、可治理AI架構的需求上升。
最近，CNBC報導了一個很有意思的現象。
大量美國公司正在拋棄OpenAI和Anthropic，轉而使用DeepSeek、智普、千問等更具性價比的中國模型。
其引用OpenRouter（一個讓開發者能夠訪問多種AI模型的平台）的資料顯示，2025年上半年，中國模型在該平台上消耗的token佔比僅有4.5%，過去12個月平均佔比也只有11%。但從今年2月份以來，中國AI模型的token消耗佔比每周都保持在30%以上，最高曾升至46%。
先看三組關鍵資料
美國公司集體擁抱中國模型，關鍵原因是性價比。
在能力上，中國的AI模型和OpenAI、Anthropic比起來雖然還有一些差距，但是架不住價格僅有Anthropic/OpenAI同類模型的10%—40%。
美國一家AI公司的創始人在X上表示，他在6月初已經將公司100%的流量從 Anthropic切換到DeepSeek V4；這個行為為公司節省數百萬美元，並且還在許多使用場景下看到實際性能的提升。
所以，當一個任務不需要最好的模型的時候，性價比就成為最有價值的競爭力。而中國的大模型公司，正依靠這種優勢，攻入美國市場。
01. 便宜又好用
能力逐漸接近之後，價格就會成為企業選擇模型時最現實的變數。
在傳統印象中，中國的AI大模型與美國頂尖模型之間還有一些差距。
但實際上，在今年的幾次更新之後，中國AI大模型的能力已經快速接近美國的頂尖模型。
美國的相關人士甚至表示，開放模型（中國模型佔比多）過去可能落後一年以上，現在大概只落後幾個月。
當然，現在沒有一套統一標準測評所有模型的能力，但是在部分場景下我們能看到直接的對比。
比如DeepSeek-V4-ProMax在發佈時就和當時的國內外主流模型進行了對比，在LiveCodeBench（程式碼能力）、Terminal Bench（終端操作能力）、BrowseComp（聯網檢索與推理能力）上已經非常接近美國頂級模型，有些項甚至超過Claude Opus4.6。
再比如智普旗下GLM-5.1Thinking在SWE Pro上是58.4，甚至高於Claude Opus 4.6/GPT-5.4的57左右水平。
而在FrontierSWE這種長周期工程代理基準上，智普官方的資料顯示，GLM-5.2 與Claude Opus4.8的表現差距約1%。
能力上相差不大，但價格上卻是天壤之別。
仍然以智普GLM-5.2為例，按輸出token價格比較，GLM-5.2的成本約為Opus 4.8的18%，差不多五分之一。
我們還對比了一下OpenAI、Anthropic、智普和DeepSeek的主要模型價格，發現中國模型的使用價格差不多隻有美國頂尖模型的十分之一左右。
比如OpenAI GPT-5.5為$5/$30，Anthropic Fable5為$10/$50。
但DeepSeek即使按思考模式$0.435/$0.87計算，其輸入價格也僅為GPT-5.5的約8.7%，輸出價格約為2.9%；非思考模式價格進一步降至$0.14/$0.28，更適合大規模呼叫和成本敏感型場景。
智譜的價格稍高，但GLM-5.2定價也僅有$1.4/$4.4，輸入價格約為GPT-5.5的28%，輸出價格約為14.7%。相比Anthropic Sonnet 5的臨時價格$2/ $10，GLM-5.2輸入價格低約30%，輸出價格低約56%。
價格真正改變的是什麼？
當“夠用”模型價格僅為旗艦模型1/10時，企業AI部署的成本結構就會發生根本性改變。
而這件事情背後反映的，不僅是美國頭部AI企業的定價權被實質性削弱，更意味著大模型市場正在從“誰最強”進入“誰的單位智能最便宜”的新階段。
02. 自主可控
價格只是入口，真正進入企業核心業務之後，可控性會變得同樣重要。
當然，性價比也不是中國大模型在美國快速推進的全部原因。
這場競爭背後還有另一個關鍵點，就是自主可控。
OpenAI和Anthropic是典型的閉源模型，企業只能使用他們的能力，而無法對這個能力進行掌控。
這就有了一系列的擔憂，比如資料是否安全？會不會突然漲價，成本是否可控？是否可以結合自身業務進行針對性的改造等等。
本質上，這是AI發展進入深水區的必然結果。就像雲端運算時代一樣，最開始企業只是要上雲，但後來逐漸會發展出公有雲、私有雲、混合雲等多種場景和多種需求。
所以，現在越來越多的企業想要建立“可自行掌控”的AI架構，這就意味著不能只選擇閉源模型。而恰好，目前最有競爭力的開源與開放權重模型大多來自中國。
而這一次在美國市場快速增長的中國模型，如DeepSeek、智普、千問，多款模型都是開源，或開放權重的。
開源/開放權重，意味著企業可以把模型部署在自己的伺服器或私有雲裡，接入自己的資料、權限和業務系統，而不是完全依賴外部API。
Open Source Initiative2026年的開源報告顯示，避免供應商鎖定已經成為組織採用開放原始碼的重要原因，55%的受訪者將其列為採用開放原始碼的主要驅動之一。
微軟最近成立Microsoft Frontier Company也能說明這個趨勢。
Microsoft Frontier Company是微軟面向大型企業的AI工程落地公司，或者說前沿部署團隊，他們的核心任務就是把AI從試點項目，真正部署進企業業務系統裡，並且產生可衡量的商業結果。
這背後反映的，就是企業正在從依賴單一AI供應商，轉向混合模型和開源工具。
趨勢變化
閉源模型仍然強，但當AI帳單真實放到管理者桌面上，企業會更認真地計算成本、控制權和長期可替換性。
市場上，關於開源和閉源的爭論由來已久。
從模型企業，或者從產品的角度，大家肯定是期望有一個模型可以解決所有問題。
這樣使用者只需要接入一個API，企業只需要購買一個產品，敘事簡單、乾淨、直接，也最符合模型公司的商業利益。
再加上過去很長時間，閉源模型都以代際領先的性能優勢，安全、可控等特點牢牢佔據市場，所以開源模型只能成為閉源模型的低成本替代品。
但隨著AI在企業業務中的使用越來越多，當帳單真實地放在企業管理者的桌案上，這些東西很快就開始鬆動。
比如前面提到的Lindy，他們的人數大約25人，此前使用Anthropic的Claude模型，該公司CEO弗洛 · 克里維洛（Flo Crivello）稱每月AI帳單嚴重超支，甚至超出了所有員工的工資支出。
但選擇開源模型就不一樣了。
MIT Sloan2026年初的文章引用研究稱，如果更合理地把任務遷移到開放模型，全球AI推理開支每年可能節省約250億美元。
再加上，真實的商業環境並不會完全按照第一理性的原則來發展。
現實的商業環境中，每個企業都有自己的需求、自己的資料、自己的合規壓力、自己的成本結構，也有自己的利益邊界。對於模型公司來說，模型越統一越好；但對企業來說，模型越可控越重要。
這也是為什麼DeepSeek、Qwen、GLM這類中國模型會在這一輪競爭中受到關注。
最終結論
它們的意義不只是便宜，也不只是跑分接近前沿模型，而是同時踩中了兩個趨勢：一方面，企業開始計算單位智能成本；另一方面，企業越來越需要可部署、可替換、可治理的AI架構。
其背後，是大模型市場正在從“模型崇拜”進入“架構理性”。
換句話說，中國大模型正在切入的，不只是OpenAI 和 Anthropic的價格體系，更是閉源模型主導下的商業控制權結構。
而在這個背景下，美國閉源模型仍然強，但商業邊界正在被重新劃分。 (有界UnKnown)