开放与闭源模型处于不同的指数增长路径
TL;DR · AI 摘要
开放与闭源AI模型正走向不同的指数增长路径，闭源模型如OpenAI和Anthropic通过更高的智能和集成优势维持高利润率，而开源模型面临API业务衰退和低利润挑战；未来权力平衡将取决于用户是否继续为顶级闭源模型支付高额溢价。
核心要点
- 用户愿意为顶级闭源模型支付高达2000美元/月的费用，表明对智能和效率的溢价接受度高。
- 闭源实验室（如OpenAI、Anthropic）通过集成硬件与软件实现更高性能，形成难以复制的技术壁垒。
- 未来5-10年，OpenAI和Anthropic估值预计可达2000亿至1万亿美元，类似苹果与微软的混合商业模式。
结构提纲
按章节快速跳转。
AI行业未来的核心争议是开放与闭源模型之间的经济博弈，取决于用户是否持续为高端闭源模型支付高额溢价。
2026年初，编码代理首次证明了用户愿意为更智能的AI产品支付显著溢价，推动了高端模型的市场需求。
闭源实验室通过保护最佳模型、延迟API发布来维持高利润率，同时避免模型蒸馏和token供应耗尽。
闭源模型在硬件、工具和服务基础设施上的深度整合创造了巨大集成回报，使其比开源模型更具竞争优势。
尽管基准分数可能趋近饱和，但闭源实验室将优化单位时间或单位功耗的智能产出，持续释放性能潜力。
OpenAI和Anthropic未来5-10年估值有望达到2000亿至1万亿美元，融合苹果的封闭生态与微软的订阅经济模式。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- Open vs Closed AI Models
- Economic Divide
- User Premiums
- API Decay
- Technical Advantage
- Integration Benefits
- Hardware-Software Synergy
- Future Outlook
- Performance Optimization
- Valuation Projections
金句 / Highlights
值得收藏与分享的关键句。
Early 2026 is a seminal time for the AI industry, as the coding agents have shown the first area where a huge AI market will continue to pay a substantial premium for better intelligence.
The best closed labs — right now this list is just Anthropic and OpenAI — will always make the most efficient models for intelligence at a given cost.
In 5-10 years I expect both OpenAI and Anthropic to be valued in the $2-10T range.
标题：开放模型与封闭模型处于不同的指数增长轨道
来源网址：https://www.interconnects.ai/p/open-and-closed-models-are-on-different
发布日期：2026-06-01T13:03:48+00:00
Markdown 内容： 决定未来开放与封闭人工智能模型生态系统权力平衡的最大争论，主要在于经济层面——即用户是否会继续为顶级封闭模型支付显著更高的费用，也就是高额利润。2026年初是人工智能行业的一个关键时期，因为编码代理1已经展示了首个巨大AI市场将持续为更智能的模型支付巨额溢价的领域。
这一二元对立的另一面是这些实验室中API业务的不可避免衰落。这些实验室将意识到，他们需要保护其最优秀的模型，通过稍后推出API来保护令牌供应、避免模型蒸馏，并专注于高利润率的应用场景。所有这些影响将在5至10年的时程中清晰可见，因为在短期内，市场、价格、利润率和需求将由计算能力的快速扩展（短期受供给限制）以及通过持续投资新AI公司对令牌的大规模补贴所主导。
这一论点的核心在于，随着编码代理在超越Opus 4.5和Codex 5.2阈值后，人们明显的行为习惯正在发生改变。人们进行这种转变并非因为懒惰，而是因为当使用代理作为复杂知识工作的实现辅助工具时，他们的净产出显然更高。对于那些依赖编码代理工作的人来说，他们总是愿意为最好的产品支付更多，而不会满足于“足够好”。有太多方式可以改进产品，例如速度、智能、专用模型等。
我今天愿意每月支付2000美元购买这些工具，尤其是考虑到它们会变得更好。同时，许多公司很可能正在强制将代理和使用推广给那些目前实际上从它们中获益甚微的人，这有助于推动AI建设（或泡沫）的持续发展。
最好的封闭实验室——目前这个名单只有Anthropic和OpenAI，但合理预期Google会追上——将在给定成本下始终制造出最高效的智能模型。构建模型是一项大规模资本投入，涉及人才、数据和计算资源。这些系统，包括模型权重、工具、服务基础设施，具有巨大的集成回报（而开放模型则被设计用于多种多样的服务情境）。这些集成优势——硬件与新型软件的整合——可以用任何可能的方式表达为提升模型性能的方法。
未来近期内，模型可能在基准分数上趋于饱和，但如果该智能上限确实是对实用性的限制，那么实验室将优化每秒或每瓦特的实用性，以另一种方式为用户提供服务。在每个方向上改进模型都是可能的——进步过程中从未遇到过障碍。我们仍处于智能大规模建设的早期阶段，这涉及利用物理世界建造大量数据中心，组织众多AI研究人员，使大型团队能够共同贡献于一个模型，当然还包括解决许多小而低级的难题以解锁性能。所有迹象都表明，仍有可观的性能潜力有待释放，而封闭实验室是最适合提取这些潜力的。
实验室集体智慧认为，从绝对智能前沿的角度提升模型的智能程度，具有最大的价值。在我看来，这是一个正确的选择，因为它能打开全新的大市场。在固定智能水平下优化模型会锁定市场，随着时间推移扩大可访问性，并提高用户的投资回报率（尽管可能会降低出售智能的利润率）。
许多人正在押注模型会持续变好，并学习如何在这些框架中高效工作，即使某些工作流程仍然有些笨拙。这是正确的赌注。这些人将继续使用当前可用的最优秀模型。这就像消费者购买iPhone一样。你可以买一部Android手机，节省一些钱，但要忍受很多小麻烦，但为什么要这么做呢？在工作场所，性能回报甚至更高，这推动了定价权。
在这种思维模型中，前沿实验室作为企业，将看起来像苹果和微软混合体的新形式。苹果方面是他们销售一种高度集成、极难复制的技术。微软方面则是向整个经济提供高杠杆订阅服务。在5到10年内，我预计OpenAI和Anthropic的估值将达到2万亿至10万亿美元。真正的前沿实验室将形成一个类似当今云市场的寡头垄断。
这一方程式的另一面是开放模型经济。这并不是说前沿实验室将主导人工智能使用的所有方面。是的，我预计OpenAI和Anthropic将成为人工智能繁荣中最具代表性的公司（当然还有Nvidia），但围绕开放模型的整体集体价值捕获将更大，只是收入和利润率将分布在广泛的公司堆栈中。
许多企业希望转向开源模型，但目前的模型在分布外任务上的表现还不足以令人满意。最终，开源模型的开发者将不再追求在人工分析指数上与 Claude 和 GPT 比肩，而是填补这一细分市场。这种分叉可能由经济因素驱动，即他们不再有足够的收入来支持持续扩大模型规模所需的不断增长的研发成本。这也可能纯粹由需求驱动，某些人工智能解决方案只有在开源模型所具备的低价点上才能存在。当封闭实验室形成寡头垄断时，开源模型的构建者和用户将更加多样化且数量更多。整个市场的总价值将远远超过 OpenAI 和 Anthropic 的累计价值。
开源模型本质上是 _不集成_ 的，因此它们将依赖多个公司协作来提供服务。每一层都会有多重选择，从而推动价格降至商品化水平。这些低且可预测的价格将成为许多企业进入并构建内部代理和工具以应对特定任务的地方。在此模式下，企业会找到一个在感兴趣任务上达到足够性能阈值的模型，并且不会后续更换（因为设置成本很高）。随着模型定制变得更加容易（我们正在看到开源模型微调栈的兴起，如 Tinker、Fireworks、Prime Intellect 等），这个市场将变得更大。
在未来几年里，与 OpenAI 和 Anthropic 相比，开源模型推理比例将在谷歌、亚马逊、微软等传统超大规模云平台以及 Together、Fireworks、OpenRouter 等新兴 AI 基础设施公司中稳步上升。
关键在于，开源模型和封闭模型的经济运行在不同的指数曲线上。我仍然相信，整个生态系统中的进步将继续以快速步伐推进，但 关于递归自我改进（RSI）给封闭实验室带来不可逾越优势的说法被夸大了。像背景代理这样的新产品形式可以同时支持这两种模型。
封闭模型通过当前的代理实现了惊人的产品-市场契合度，从知识工作的高端开始，通过集成实现指数级增长。开源模型经济需要更长的时间，但它也将更具吸引力，因为它追踪着人工智能在整个经济和世界中的广泛扩散。
“编码代理”这个词很有趣，因为我们几乎不在其中编写代码。它们是通用代理，之所以如此强大，是因为它们写了很多代码。