中国开放权重模型的价格优势真实存在，但还不够

过去两年，中国开放权重模型的扩散改变了人工智能市场的格局。瑞士隆奥银行（Banque Lombard Odier）的这份分析由CorCom转载。分析承认，这些模型以明显更低的成本缩小了与西方方案的性能差距，但也警告说，它们的优势有一部分被高估了。

按任务算成本，而不是按token

技术上的关键在于，每token的价格并不能衡量真实成本。蒸馏、为单个任务挑选最合适的模型，这些做法可能抬高每项已完成任务的成本，也会拉长完成它所需的时间，把最初省下的钱抵消掉一部分。与此同时，降价往往会扩大采用范围，而不是减少总支出。这就是所谓的杰文斯悖论：一种资源变便宜后，消耗量反而更大。

在这份分析中，美国凭借云基础设施和专有数据仍保持稳固地位。前沿模型在复杂任务上继续支撑着价格溢价。在硬件层面，美国在先进加速器上的主导地位仍是最主要的优势来源。中国则用能源充裕以及把可用算力投入运行的速度来弥补。

一个具体案例

最新的例子来自DeepSeek。V4.1 Flash模型于2026年9月10日上线中国国家超级计算机网络，可通过模型服务页面上的API访问。它采用5520亿参数的混合专家架构，非对称的因果编码器-解码器结构，输入端激活80亿参数，输出端激活160亿参数。官方说明称，与前一代相比，缓存内存需求降至HBM所需量的四分之一、SSD所需量的八分之一，每个token的缓存为890字节，上下文最长可达一百万token。模型以MIT许可证发布，量化格式包括FP8、BF16、GPTQ、AWG和GGUF。

「最便宜的模型不是每token花费最少的那个，而是第一次尝试就把问题解决掉的那个」——这是从分析中得出的操作准则。

还有什么要做

对企业来说，结论是方法层面的。应该按结果而不是按用量来衡量成本，按具体工作负载而不是通用基准来评估模型，并保持供应商之间的可移植性，以免在价格变化时被绑定。从这个角度看，开放权重模型的可用性，是对依赖风险的一种保险。