📰 重點摘要

Decagon 執行長 Jesse Zhang 近日發文提出一個反直覺的觀點：企業 AI 部署越成熟，就越傾向改用輕量開源模型，但前沿模型的整體支出卻幾乎沒有下滑。他認為，前沿模型與開源模型並非競爭關係，而是同一條生命週期的兩個階段——昂貴的前沿模型負責驗證新用例，待場景成熟後再交由成本更低的開源替代品接手。與此同時，新的應用場景不斷湧現，使前沿模型的需求維持在高位。

實際數據支持這個論述。Vercel AI 閘道器顯示，過去一週 DeepSeek 在 Token 使用量上躍居首位，處理了平台約三分之一的流量；Z.ai 旗下的 GLM-5.2 也升至第四名。然而，在整體 AI 費用佔比上，Anthropic 仍超過平台總支出的一半，雖因近期漲價使佔比略降，但降幅並不顯著。OpenRouter 的數據同樣呼應：DeepSeek V4 Flash 每週處理 5.3 兆 Token，Opus 4.8 約 2 兆，但 Opus 4.8 每百萬 Token 定價為 1.37 美元，是 V4 Flash 6 美分的約 23 倍，意味著前沿模型在收入端仍佔大宗。此外，Nvidia 的 Nemotron 也即將憑藉強大的生態連結入場競爭。

Zhang 的結論是：「前沿實驗室將持續主導探索階段，開源則會愈來愈主宰生產部署。」這解釋了為何開源的崛起目前尚未真正傷及 Anthropic 等頂級前沿模型供應商的營收。

💬 JudyAI Lab 觀點

這則報導揭示了一個正在發生、但不太直覺的市場結構：開源模型搶走流量，前沿模型卻照樣賺錢——兩者並非零和競爭，而是分工協作的生命週期。

Decagon執行長的「兩階段論」值得AI builder認真對待。前沿模型負責的是概念驗證：成本高，但用來摸清新場景的可行性與邊界；等場景被驗證、需求穩定，再切換到DeepSeek這類成本更低的開源方案。Vercel閘道器的資料印證了這個邏輯：DeepSeek V4 Flash處理了平臺三分之一的流量，但Anthropic仍佔整體支出的一半以上。兩者並不矛盾——這是成熟企業的理性分層，前沿模型負責探索，開源模型負責規模化。我們觀察到，這樣的分層思維正逐漸成為有規模AI應用的標準做法，而非少數大廠才玩得起的特殊配置。新場景持續湧現，才是前沿模型需求居高不下的真正原因。

下次評估AI模型選型時，先問自己一個問題：這個場景是仍在摸索中，還是已經跑通了？答案不同，選模型的邏輯就完全不同。

📅 原文資訊

🔗 延伸閱讀