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普及改变了人工智能市场格局。瑞士隆奥银行（Banque Lombard Odier）发布的这份分析由CorCom转载。分析指出，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，但也警告称，其优势部分被高估。

按任务算成本，而不是按token

技术关键在于，每token价格无法衡量真实成本。蒸馏、为单个任务挑选最合适的模型等做法，可能抬高每项已完成任务的成本，也会拉长完成时间，抵消部分初始节省。与此同时，降价往往扩大采用范围，而非减少总支出。这就是杰文斯悖论：资源变便宜后，消耗量反而增加。

分析认为，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。中国则依靠能源充裕以及将可用算力投入运行的速度来弥补差距。

一个具体案例

最新案例来自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的API访问。该模型采用5520亿参数的混合专家架构，具备非对称因果编码器-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token缓存为890字节，上下文最长支持一百万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，而是第一次尝试就解决问题的那个」——这是分析得出的操作准则。

还有什么要做

对企业而言，结论在于方法论。应按结果而非用量衡量成本，按具体工作负载而非通用基准评估模型，并保持供应商间的可移植性，避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。