四成AI负载,搬去开源模型

图注：一图读懂本文要点——开放权重模型正在接住企业的主力推理负载。

美国企业正在悄悄换掉一部分模型供应商。据《金融时报》报道，一批原本主要调用 OpenAI、Anthropic 前沿模型的公司，开始把越来越多的任务迁到开放权重模型上（来源：机器之心，转引自《AI行业24小时_20261002》）。

AT&T 是其中走得最远的。这家公司每天处理约 450 亿 Token，其中约 40% 的 AI 工作负载已经运行在开放模型上，公司给出的目标是一年内把比例提到 70%（来源：机器之心，转引自《AI行业24小时_20261002》）。

Tinder 的账本更能说明动机。CTO Vinay Kuruvila 透露，按年初规模估算，公司全年 AI 支出约 100 万美元，到 7 月已经变成一年 1000 万美元（来源：机器之心，转引自《AI行业24小时_20261002》）。涨了十倍之后，公司把一部分普通用户请求转给开放权重模型，并认为前沿模型对约九成任务已经够用。

三组数字画的是同一条曲线

企业侧的动作之外，还有两组旁证。

AlphaSense 的统计是：今年 8 到 9 月，美国企业在业绩电话会和投资者会议中提到 open weight 或 open source 模型的次数，比去年同期增加 6 倍（来源：机器之心，转引自《AI行业24小时_20261002》）。在 Vercel AI Gateway 上，今年 8 月处理的 Token 中有 56% 来自开放权重模型，而去年 12 月这个比例只有 7%（来源：机器之心，转引自《AI行业24小时_20261002》）。

把这几组数放在一起，曲线是清楚的：调用量在往便宜的一端走。名单里已经出现 DeepSeek、智谱等中国厂商，AT&T 的做法也不是下载即用，而是用自有数据调优，让部分任务的效果与闭源模型相当（来源：机器之心，转引自《AI行业24小时_20261002》）。

口径要先说清，否则数字会打架。40%、70%、450 亿 Token 都是 AT&T 自述，不是独立审计；"约九成任务够用"是 Tinder 高管的判断；56% 只反映单一网关的流量结构，不代表全市场占比；"提及次数增加 6 倍"统计的是会议文本，不等于采购金额增长（来源：机器之心，转引自《AI行业24小时_20261002》）。被迁走的是可以分流的任务，不代表企业放弃闭源前沿模型。

图注：AT&T 的开放模型负载从四成往七成走，Vercel 网关上的开放权重 Token 占比八个月内从 7% 升到 56%——两条线画的是同一个方向（数据来源：机器之心，转引自《AI行业24小时_20261002》）

分流的不是算力，是任务

这件事真正的变化，不在模型替换，而在任务分类。

源势AI 在 8 月写过《大模型定价，正在分裂》：2026 年 6 月的国内价格表上，DeepSeek V4-Flash 每百万 Token 输出 2 元，智谱 GLM-5.2 输出 28 元，同为国产旗舰，价格差了 14 倍（来源：《国内大模型价格与Benchmark综合对比》全模型版，2026 年 6 月，转引自源势AI《大模型定价，正在分裂》）。价差不是能力差距的同义词——那一篇里同时列了数据：DeepSeek V4-Flash 只要 2 元输出，SWE-Verified 仍拿到 79.0。

当同一个任务用哪档模型都能交差，选择逻辑就从"谁最聪明"变成"这任务值不值得用最贵的模型"。AT&T 把可分流负载的上限设到七成，等于承认了一件事：它的大部分 AI 工作量，并不需要前沿模型的能力上限。

这对做预算的团队是一条可操作的方法。先按容错边界把工作负载切两堆——出错代价高、必须最强的放一堆，够用就行的放另一堆，再给两堆配不同的模型与价格。这个动作比等下一轮降价更早拿到结果。

便宜的那一端也有代价

迁移不是免费的。开源模型的单价低，但省下的钱要拿工程能力去换。

用自有数据调优、把模型部署在可控环境里、为不同任务维护路由，这些活本来由供应商打包在 API 费里，现在需要自己承担。AT&T 之所以能走到四成，前提是它有足够的工程团队把调优和路由做起来；对工程资源有限的中小企业，把任务简单搬到开放模型上，很可能省下的是账单，付出的是稳定性和响应速度。

这也是为什么"分流"比"替换"更准确：先把低风险、高频、对延迟不敏感的任务搬过去，跑通了再扩大比例。一步全换，风险和收益都不划算。

图注：国产旗舰模型每百万 Token 输出价格，最低 2 元与最高 28 元之间相差 14 倍；DeepSeek V4-Flash 输出 2 元时，SWE-Verified 仍拿到 79.0（数据来源：《国内大模型价格与Benchmark综合对比》全模型版，2026 年 6 月，转引自《大模型定价，正在分裂》，源势AI，2026-08-10）

源势AI观点

第一，看模型采购新闻，先看任务结构，不看采购总额。企业把负载迁向开放权重，不等于减少 AI 投入，而是把钱从"通用最强"挪到"场景够用"。评估一家公司的 AI 成熟度，一条实用的标准是：它能不能说清哪些任务必须用最贵的模型。

第二，路由能力比模型选型更值钱。模型越多、价差越大，把任务分配给合适模型的策略价值就越高。我们给客户做 Token 聚合时，第一条建议从来不是换模型，而是先把任务分层——同一批负载，分完层再选模型，降本空间通常比单换一家供应商大。

第三，把口径写进采购合同。AT&T 的 40% 与 70% 都是自述，第三方只看到单一网关的 56%（来源：机器之心，转引自《AI行业24小时_20261002》）。真正要落到纸面上的，是"哪些任务走哪个模型、失败时怎么回退、延迟和可用性到哪一档"，而不是一个笼统的"开放模型占比"。

开源模型不是更聪明，是更便宜够用。企业正在用这个判断，重写模型市场的账本。

参考材料

• 机器之心引《金融时报》《美国企业把 AI 负载迁向开放权重模型》，2026-10-02
• 源势AI《大模型定价，正在分裂》，2026-08-10
• 《国内大模型价格与Benchmark综合对比》全模型版，2026 年 6 月

话题标签：#开放权重 #模型路由 #AI成本

源势AI · 企业智能化的推动者

最懂企业业务的 AI 全栈服务商

大模型 Token 聚合平台
企业 FDE 与智能体落地
AIGC 影视制作

官网 www.srcflow.cn ｜ 邮箱 contact@srcflow.cn

关注我们 · 获取更多 AI 前沿洞察