每经特约记者：陈思雨 苏文轩 每经编辑：苏文轩

在AI技术迅猛发展的当下，最新、最尖端的大模型正逐渐失去企业客户心目中的“首选”地位。

当地时间8月23日，有媒体根据企业支付平台Ramp发布的数据指出，Anthropic公司推出的能力最强、价格最高的旗舰模型Fable 5，在发布两个多月后，在企业客户中的支出占比仅为约11%，且增长势头已经趋于平缓。相比之下，Anthropic于7月底推出的价格更为亲民的Opus 5，其企业支出已经超越了Fable 5。

图片来源：Anthropic官方网站截图

有企业高管坦言，企业交给AI处理的任务中，绝大多数都可以由更基础、价格更低的模型来完成，这一比例甚至可能高达95%。美国电信业巨头AT&T更是计划将由开源或开放权重模型承载的员工AI需求比例，从目前的约40%提升至60%至70%。

美国AI基础设施服务提供商Featherless AI的首席执行官Eugene Cheah在接受《每日经济新闻》记者采访时透露，目前在其公有云业务中，约75%的推理流量来源于中国AI企业开发的大模型，或是基于这些大模型进行进一步微调的模型。

Anthropic最强模型遇冷，企业支出占比仅11%

Anthropic公司最大、最昂贵的模型Fable 5，不仅在企业支出上未能占据主导地位，其实际Token使用量占比更是低得可怜。在过去一个月里，Fable 5仅占企业从Anthropic购买Token总数的6%，对应支出占比为11.4%。而相比之下，OpenAI的旗舰模型GPT-5.6 Sol则占企业购买OpenAI Token总数的25%，相关支出占比为23%。

Ramp平台指出，Fable 5每百万Token的定价约为10美元，几乎是GPT-5.6 Sol价格的两倍。

有媒体分析认为，这一现象打破了以往企业用户倾向于采用能力最强模型的惯例。多名Anthropic的投资者和分析师认为，Fable 5增长缓慢的主要原因在于其价格较高，且其他模型已经能够满足大部分企业的需求。

Anthropic的投资方Accel合伙人Miles Clements表示，“大多数人并不需要始终处于技术前沿。”他认为，客户倾向于只选择前沿模型的阶段不会长久持续。虽然模型能力的持续突破对于疾病治疗等高难度目标以及吸引顶尖研究人员仍然至关重要，但最前沿的模型将更多地承担起探索能力边界的重任。

Eugene Cheah向记者表示，每当有新模型发布，流量就会出现波动。

他举例说，Qwen 3发布后，其基础模型及微调版本的流量迅速上升，一度占据Featherless AI公有云总流量的四分之一。然而，随着Gemma模型的上线，一部分流量从Qwen 3转向了Gemma。而随着更多新模型的陆续发布，目前Gemma的流量也在逐渐回落。

AI成本攀升，企业开始限制员工AI使用频率，转向更经济的模型

企业对最前沿模型需求降温的背后，是AI使用成本正成为越来越多公司不得不面对的现实问题。

有媒体报道称，在经历数年鼓励员工广泛使用AI后，一些企业开始限制AI工具的使用频率，并培训员工根据任务需求选择更小、更经济的模型。

Gartner在今年6月发布的报告中警告称，随着Token使用量的增长以及AI服务向按使用量收费模式的转变，到2028年，AI编程成本可能会超过开发者的平均工资水平。

一些企业已经开始采取措施压缩不必要的Token消耗。电子签名软件公司Docusign发现，AI编程智能体在执行任务前会读取整个代码库以获取上下文，这导致了大量Token的消耗。公司随后调整了默认设置，仅提取完成具体任务所需的相关上下文，从而使得Token使用量下降了近50%。

企业也开始根据任务的复杂程度来选择不同的模型。肯德基和塔可钟的母公司Yum Brands的首席数字与技术官Jim Dausch表示，公司已经注意到AI Token使用量和相关支出的上升。在他看来，企业交给AI处理的任务中，绝大多数都可以由更基础、价格更低的模型来完成，这一比例甚至可能高达95%。

美国医疗保险公司Cigna则在内部批准了超过70种AI模型，对于不需要大量推理能力的任务，允许员工使用小语言模型或更早、更经济的模型。尽管公司的算力和Token使用量都在增加，但通过组合使用不同模型，其AI总支出并未以相同的速度增长。

一些企业甚至已经将模型选择的任务交给了系统自动完成。美国电信巨头AT&T负责员工AI业务的副总裁Mark Austin近日在接受采访时表示，AT&T正在使用LiteLLM模型路由器，根据任务复杂程度自动判断是否可以将请求交给成本更低的模型。在部分编码及其他高级AI任务中，这一方式最高可将成本降低56%，而AI输出的质量仅下降2%。

机构：75%公有云推理流量青睐中国大模型

图片来源：每经媒资库

随着企业开始在不同任务之间选择不同的模型，开源模型也迎来了需求的增长。

Mark Austin表示，根据AT&T的使用经验，开源模型的能力通常比最前沿的模型落后6至10个月，但这一差距正在逐渐缩小。一些开源模型的表现已经完全不输甚至超越了Anthropic和OpenAI等大厂此前推出的模型。

目前，AT&T约40%的员工AI请求由开源或开放权重模型处理，公司计划未来将这一比例提高至60%至70%，以进一步控制员工使用Anthropic和OpenAI模型的支出。公司目前使用的此类模型包括英伟达的Nemotron、Meta的Llama和Google的Gemma等。

这一趋势在Featherless AI的数据中也得到了验证。

以欧洲市场的大模型调用情况为例，Eugene Cheah向记者表示，越来越多的企业希望在自有基础设施或位于欧洲本土的服务器上运行开源模型。开放权重让它们能够完全按照自身需求，在任意环境下部署运行所选定的模型。并且，这些模型在实际生产环境中的表现完全能够胜任——针对特定场景进行微调、参数规模适中的开放权重模型，在成本和准确率两项指标上甚至可以超越参数规模更大的通用大模型。

而中国的大模型也正在成为企业的热门选择。

Eugene Cheah进一步提到，目前，在Featherless AI的公有云业务中，约75%的推理流量来源于中国AI企业开发的大模型，或是基于这些大模型进行进一步微调的模型。从具体应用场景来看，在代码开发方面，平台用户几乎都选择了智谱的GLM、Kimi以及DeepSeek系列模型。

他解释称，“中国开源模型与海外模型之间的技术差距已经大幅缩小。”企业选择中国模型，其中最主要的驱动力是成本因素。“这种趋势在短期内不会发生改变。”他说。

免责声明：本文内容与数据仅供参考，不构成任何投资建议，使用前请务必核实。据此操作，风险自担。