开源权重模型占据71.5%代币量:企业AI成本格局生变

近日，一份来自AI Gateway的生产力指数报告引发了行业广泛关注。数据显示，开源权重模型（Open-weight models）在AI Gateway处理的代币流量中已占据超过七成份额，同时在总支出中的占比也攀升至近四分之一。这一变化标志着企业AI部署策略正在发生深刻的结构性调整。

开源权重模型的双重渗透：量与质的跨越

根据报告，开源权重模型目前处理了超过71.5%的网关代币，并占据了23%的支出份额。自六月以来，其支出份额已经翻了两番以上。说个细节，开源模型的增长来自其价格区间的两端——最便宜的模型驱动了代币量的增长，而昂贵的模型则拉动了支出的上升。

以Kimi K3为代表的高价开源模型，其每代币成本至少是开源平均水平的四倍，却贡献了开源模型支出增长的大约三分之二。与之形成鲜明对比的是，DeepSeek^广告-v4.1-Flash虽然独自处理了近半数的九月代币量，但仅占支出的2.6%，其每代币价格仅为开源平均水平的五分之一。

这种分化说明，企业在开源模型上的投入并非简单的成本替代，而是根据任务需求进行的分层配置——轻量级任务追求极致性价比，复杂推理任务则愿意为高性能开源模型付费。

什么是「开源权重模型」（Open-weight models）？

开源权重模型指模型参数（权重）被公开发布、允许任何人下载、部署和（在多数情况下）微调的AI模型。它与「开源软件」并不完全等同：许多开源权重模型并未公开训练数据、训练代码或完整训练细节，仅公开最终权重及推理代码许可证。典型代表包括Meta的Llama系列、DeepSeek系列、Moonshot的Kimi、Z.ai的GLM等。

对企业而言，开源权重模型的核心价值在于可自托管与可定制：企业可将模型部署在自有基础设施或第三方云上，按任务微调，并规避单一API供应商的锁定风险。与此同时，Mistral、Cohere等公司也采用「开放权重+商业服务」的混合模式。需要注意，开源权重的「开放程度」差异很大，部分许可证对商用、再分发或衍生模型有额外限制，企业在选型时需仔细审阅许可条款。

市场蛋糕急剧膨胀：支出增长13倍，单价腰斩

报告揭示了一个更为宏大的趋势：整个AI市场正在以惊人的速度扩张，同时单位成本在快速下降。九月份的网关支出约为十二月份的13倍，增长了1180%，而平均每代币价格则下降了47%。

在十二月和九月都活跃的中位付费客户，其支出增加了一倍以上。这意味着企业不仅在使用更多AI，而且愿意为更复杂的AI应用支付更多费用。话说回来，模型和实验室的切换率连续第五个月上升，近半数团队更换了其最常用的模型，近三分之一更换了最常用的实验室，创下指数记录。

这种高频切换行为表明，模型正在成为企业更大投资中可替换的组件。企业可以在持续改进AI产品和工作流的同时，灵活更换底层模型，而不必对任何单一实验室形成过度依赖。

中国模型出海新路径：美国供应商成主要受益者

报告中最具洞察力的发现之一，是中国开源模型与美国云服务商之间正在形成的共生关系。九月份，源自中国的模型在网关支出中，超过三分之二流向了美国本土供应商，这一比例较十二月份的不到十分之一有大幅提升。

具体来看，DeepSeek的模型处理了所有网关代币的58%，但仅占支出的6.6%。其中超过五分之四的代币由DeepSeek自身服务，但每五美元支出中就有两美元通过美国供应商完成。Moonshot AI（Kimi的开发商）占据了3.6%的代币和13.2%的支出，其九成代币由美国供应商服务。Z.ai（GLM的创造者）则占据7.2%的代币和4.5%的支出，七成由美国供应商服务。

通过美国供应商每花费约2.50美元在中国模型上，才会通过中国本土供应商花费1美元。这意味着，同一个中国模型可以在与美国模型竞争的同时，为美国供应商创造收入——一条新的价值链正在形成。

AI Gateway 是什么，为什么它成为观察市场的窗口？

AI Gateway（AI 网关）是介于应用与多个模型API之间的中间层服务，典型功能包括：统一API格式、路由与负载均衡、故障回退、成本追踪、速率限制和可观测性。企业接入网关后，可在不改动应用代码的前提下切换底层模型或供应商，这也是报告中「模型切换率」能够被精确统计的基础。

代表性产品包括Cloudflare AI Gateway、Portkey、LiteLLM、OpenRouter等。由于网关同时能看到代币量、支出金额、模型选择等维度，它比单一实验室的公开数据更能反映企业真实的多模型使用格局。因此，来自网关的生产力指数虽非全市场普查，却是观察企业AI采购行为的高质量样本，本报告中的开源份额、供应商流向等结论均应在此样本框架下理解。

九月新模型记分卡：Jev的快速普及与Opus 5.5的吸金能力

报告对九月发布的新模型进行了多维度评估，揭示了不同模型在采用率、支出份额和留存率方面的显著差异。

TypeSafe AI的Jev成为AI Gateway历史上采用最快的模型，在头两周内触达了35%的付费团队，是第二名Sonnet 5.5的近两倍。Jev也是一个决策模型，相比典型语言模型请求，它更快、更便宜且使用的代币量极少。因此，尽管采用速度快且覆盖面广，它仅占当月代币的1%和支出的0.15%。

Anthropic的Opus 5.5则拿下了超过十分之一的网关支出，是其他九月发布模型的两倍以上。其近九成支出流向了已经使用Opus的团队。然而，Anthropic在九月份失去了近20个百分点的网关支出份额，其中Opus系列贡献了17个百分点。Anthropic的整体份额首次跌破网关总支出的半数，从63.7%降至43.9%。

OpenAI的GPT-6 Luna触达了近二十分之三的付费团队，但其留存率是当月最高的——近三分之二尝试过的团队在第二周再次使用。相比之下，GPT-6 Astra触达的团队较少，但捕获了更多预算：Luna触达的团队数量是Astra的近三倍，而Astra的支出份额是Luna的五倍以上。

代币（Token）与「代币量≠支出」的关系

代币是模型处理文本的最小计费单位，粗略上 1 个英文单词约等于 1.3 个代币，中文通常按字或字节切分。API 计费普遍按「输入代币 + 输出代币」分别定价，输出通常更贵。

理解报告中「Jev 占 1% 代币却仅占 0.15% 支出」或「DeepSeek 占 58% 代币但仅 6.6% 支出」这类反差，关键在于任务类型与单价差异：分类、路由、短问答等轻量任务代币消耗小、单价低；长上下文推理、代码生成、Agent 编排则代币量大、单价高。因此代币份额衡量的是「处理量」，支出份额衡量的是「经济价值」。二者背离并不矛盾，反而揭示了企业按任务分层配置模型的策略——这也是本报告最重要的分析视角之一。

综合评估与趋势判断

从这份报告中可以提炼出几个关键趋势。开源权重模型正在从边缘实验走向企业核心工作负载，其代币份额的持续攀升表明技术成熟度已跨过临界点。AI市场的总支出在高速增长，但单价快速下降，这是典型的规模化与技术扩散特征。模型切换率的持续上升标志着企业AI策略正从“供应商锁定”向“多模型编排”演进。

对于开发者而言，这意味着模型选择的灵活性和成本优化能力将愈发重要。对于AI实验室而言，则需要同时应对开源模型的竞争压力和客户忠诚度下降的挑战。而对于中国AI公司，通过美国供应商实现商业化落地的路径已经清晰显现，这或许将成为全球化部署的重要模式。