AI性价比革命：科技巨头的抉择
AI行业迎来成本效益新思维
人工智能领域的蓬勃发展一直基于一个基本假设：规模更大的模型能力更强，而最强大的模型终将胜出。然而，现在整个行业即将见证这一假设开始瓦解时会发生什么。
成本压力引发行业转向
日益增长的成本已经迫使用户重新审视规模较小、价格更低的AI模型。这种精打细算的模型选购趋势尚属新兴现象，其影响尚不明确，但很可能会对整个行业产生深远影响。
行业预测：任务分配将大变革
正如Coinbase联合创始人布莱恩·阿姆斯特朗所预测，这将导致绝大多数任务转向更经济的模型。他在社交平台上写道：”对智能的需求近乎无限，但在12-18个月内，80%的工作负载将运行在价格便宜99%的模型上。20%的工作负载仍将运行在最新一代模型上，因为这些场景需要最大化智商。”
AI经济模式的潜在颠覆
如果这一预测成真，对AI行业而言将是一次难以估量的重大转变。迄今为止，大多数AI公司都在质量上竞争，这意味着默认采用最先进的可用模型。如果同样的工作可以由更便宜的模型处理且不影响质量，这将意味着AI经济学的巨大转变。关键的是，大部分节省将来自大型实验室的口袋，这对即将进行IPO的OpenAI和Anthropic等公司将是一次财务打击。
关键问题：企业是否准备好转型？
这可能是行业内一次潜在的地震式变化，其基础是一个基本问题：企业是否准备好转向小型模型？
实践证明：小模型大作为
初步测试表明，当系统设计合理时，更便宜的模型可以替代大型模型而无需牺牲质量。在法律AI工具Harvey最近进行的一项测试中，该公司能够在不降低质量的情况下将推理成本降低3倍。这项与推理平台Fireworks AI合作的测试结合了Claude Opus和Fireworks的GLM 5.1，并将最密集的任务转移到Opus上。结果是在服务器时间和总体成本方面显著降低。
“质量始终是第一位的，在法律领域尤其如此，”Harvey联合创始人加布·佩雷拉告诉TechCrunch，他指的是他初创公司提供的AI法律服务。”然而，质量的定义正在从简单地使用最强大的模型处理一切，转变为使用能最高效获得正确答案的最佳模型。”
模型选择的新逻辑
这一趋势常被描述为大型实验室与中国模型或开放权重模型之间的竞争，但这忽略了更重要的观点。真正的区别不在于专有模型和开放模型之间，而在于大型模型和小型模型之间。你可以通过从GPT-5.5转向DeepSeek的V4 Flash来节省资金，但转向GPT-5.4-mini同样有效。
价格战与模型选择
目前，大型实验室的内部推理和独立提供的开放权重模型之间正活跃地进行着价格战。对于小型与大型之间的更大问题，小型模型中哪类获胜并不重要。
行业思维的根本转变
所有这些看似显而易见——当然不应该使用比必要的更多的计算资源——但这与迄今为止主导行业的”规模优先”方法背道而驰。受”苦涩教训”的启发，实验室一直大力投入训练尽可能计算密集的模型，推动AI模型能力的边界。在投资者 heavily 补贴价格的情况下，客户没有理由选择除最先进选项外的任何其他选择。
成本压力下的新抉择
随着代币价格上涨和补贴减少，用户首次面临成本压力。我们不知道这种新的成本压力是否会真正促使企业用户转向小型模型。他们同样可以通过减少调用次数、使用更少上下文，或者干脆放弃前景最不明的部署来节约成本。
但如果事实证明大多数部署可以在小型模型上同样良好地运行，它可能会严重抑制对推理不断增长的需求——并引发关于如何证明训练前沿模型成本合理的新问题。
关注微信号：智享开源 ，及时了解更新信息。
原文链接：https://techcrunch.com/2026/06/09/can-tech-companies-learn-to-love-cheaper-models/
关注微信
还没有任何评论，你来说两句吧！