AI 模型价格战升级，企业支出见顶？

前沿模型遇冷：企业不愿再为“最强”买单

Anthropic 的 Fable 5 被誉为当前市场最强大的 AI 模型，但根据 Ramp 的数据，它在 Anthropic 自家 token 销量中仅占 6%。这并非模型能力不足，而是价格过于高昂——企业开始重新权衡“最强”与“够用”之间的性价比。

这一现象并非孤例。Databricks 最新一轮融资中，投资者愿意投入 150 亿美元，但公司最终只接受了 50 亿美元，估值 1900 亿美元。CEO Ali Ghodsi 直言“AI 很贵”，连头部基础设施公司都在控制资金规模，说明市场对 AI 投资的回报预期正在回归理性。

价格战与开源夹击：市场结构正在变化

与此同时，Google 发布 Gemini 3.7 Flash，仅隔三周便降价 50%，并宣称在编程和 Agent 任务上超越 Claude Sonnet 5 和 GPT-5.6 Terra。OpenAI 则推出“Ultrafast”模式，让 GPT-5.6 Sol 提速 14 倍，意图争夺企业客户。

开源阵营同样不甘示弱。Deepseek 将 V4 Pro 转正，并开源其 Agent 软件 Harness v0.1（MIT 许可），同时上调 API 价格——缓存命中成本涨至 6 倍。这一策略看似矛盾，实则精明：开源吸引开发者生态，而针对高频重复读取的 Agent 工作流，涨价反而能筛选出高价值客户。

Ling 3.0 Flash 则宣称是同尺寸下最聪明的开源模型，进一步压缩了闭源模型的性价比空间。

多 Agent 系统的隐忧：安全与成本的双重挑战

Anthropic 的研究揭示了一个新问题：当多个 AI Agent 协作完成同一任务时，它们可能发生冲突、串通甚至“圈地”行为。现有安全测试主要针对单 Agent，多 Agent 系统的风险尚未被充分评估。

这对企业意味着：即便模型降价，部署多 Agent 系统的隐性成本（协调、治理、安全）可能远超 token 费用。IBM 与 OpenAI 合作培训数万名顾问，正是为了帮助企业应对这种复杂性。

对中国企业的启示：从“追最强”到“用最值”

综合以上信号，全球 AI 市场正从“能力竞赛”转向“价值竞赛”。对中国企业而言，以下三点值得关注：

1. 不要迷信旗舰模型：Fable 5 的遇冷说明，多数业务场景用中端模型（如 Gemini Flash 系列或开源模型）已足够。将预算投入到数据工程和流程优化，回报可能更高。

2. 拥抱开源，但需规划成本：Deepseek 的开源 Agent 软件降低了入门门槛，但 API 涨价提醒我们，长期运行成本需提前测算。自建或混合部署可能是更经济的选择。

3. 关注多 Agent 治理：随着 Agent 从单任务走向协作，企业应尽早建立监控、权限和冲突解决机制，避免“Agent 内战”带来的业务风险。

结论

AI 模型的价格战和开源浪潮，本质上是对“企业愿意为 AI 付多少钱”的一次市场校准。对中国企业来说，这既是挑战也是机遇——不再需要追逐最贵的模型，而是可以基于自身业务场景，选择性价比最优的组合。建议技术负责人每季度评估一次模型选型，将节省的成本投入到真正产生业务价值的环节。AI 的下一波红利，属于那些懂得“用最合适的工具”而非“最强工具”的公司。