Introducing the Databricks AI Index: The state of enterprise AI tokenomics
TL;DR · AI 摘要
Databricks 发布 AI 指数,提供企业 AI 模型采用、支出和编码代理性能的实时数据。
核心要点
- Databricks AI 指数每周更新,包含 10,000+ 企业的模型使用和支出数据。
- 企业正在快速切换模型版本和提供商,OpenAI 和 Anthropic 的市场份额下降。
- Databricks 使用内部工程师的真实编码代理工作流进行模型评估,减少基准污染。
结构提纲
按章节快速跳转。
- §引言
Databricks 发布 AI 指数,提供企业 AI 模型采用、支出和编码代理性能的实时数据。
AI 指数结合企业 AI 使用和支出数据,以及持续更新的编码代理评估。
Databricks 使用内部工程师的真实编码代理工作流进行模型评估,减少基准污染。
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)
- Databricks AI Index
- 衡量指标
- 企业 AI 使用和支出数据
- 编码代理评估
- 模型偏好变化
- 模型版本和提供商切换加快
- OpenAI 和 Anthropic 市场份额下降
金句 / Highlights
值得收藏与分享的关键句。
Databricks AI Index 是一个公共资源,每周更新,提供企业 AI 模型采用和支出的实时数据。
企业正在快速切换模型版本和提供商,OpenAI 和 Anthropic 的市场份额下降。
Databricks 使用内部工程师的真实编码代理工作流进行模型评估,减少基准污染。
介绍 Databricks AI 指数:企业 AI 代币经济的现状 | Databricks 博客
跳至主要内容
平台
2026 年 11 月 16 日
介绍 Databricks AI 指数:企业 AI 代币经济的现状
一个反映企业 AI 模型采用情况、支出模式和编码代理性能的实时指数
由 Databricks AI 产品与工程团队撰写
开发者现在比以往任何时候都有更多的 AI 模型和编码代理可供选择。自 2026 年 5 月以来,每周都会推出一个新的旗舰专有或开放权重模型,如果包括地区实验室,大约每 3.7 天就会推出一个。面对如此多的选择,了解哪些模型表现最佳、它们的成本以及何时切换变得越来越困难。
在 Databricks,我们对这一快速变化的领域有着独特的视角。成千上万的企业使用 Unity Gateway 来访问和治理 AI 模型,为我们提供了关于实际模型采用和支出的见解。Databricks 在我们 12,000 多名员工中广泛使用 AI,并在评估新前沿模型在企业任务中的质量和成本方面投入了大量研究。
今天,我们推出了 Databricks AI 指数,这是一个公开的资源,将这些见解整合在一起。客户多次询问我们新模型之间的比较情况,以及我们在企业 AI 采用方面的观察结果,以帮助他们做出自己的投资决策。现在,我们首次将内部评估套件永久公开,并在评估新的专有和开放权重模型发布时每周更新。
Databricks AI 指数的衡量内容
该指数结合了两种互补的数据来源:
企业 AI 使用和支出。来自使用 Unity Gateway 的 10,000 多家公司的聚合和匿名数据,涵盖数字原生企业、财富 500 强和全球 2000 强企业,包括对 Anthropic 和 OpenAI 等外部提供商的流量。该指数通过专有和开放权重模型之间的代币和支出份额来跟踪模型采用情况,以及个人用户的每周 AI 支出模式。
持续更新的编码代理评估。基于我们在 7 月发布的编码代理基准,我们最新的评估使用了 Databricks 工程师通过 Unity Gateway 捕获的真实编码代理工作流程。这些工作流程涵盖创建和审查拉取请求、调查问题以及解决复杂开发任务。使用我们私有代码库中的任务和保留的测试有助于降低基准污染的风险,同时实现对模型-工具组合、任务成功率和每项完成任务成本的一致比较。
这些数据来源共同展示了企业正在采用哪些模型,不同模型和工具组合的表现如何,以及它们的成本。以下是一些亮点:
企业正越来越多地在模型版本和提供商之间切换工作负载。年中时,大多数组织主要依赖少数几个Anthropic模型来完成大部分工作。如今,模型版本和提供商之间的采用情况已变得高度分散。在此期间,OpenAI在企业令牌流量中的份额显著增长,主要得益于其6系列Sol和Astra模型。然而,模型质量仍然对提供商的市场份额有显著影响;当Claude Opus 5.5发布时,势头又回到了Anthropic。仅在六周内,Opus 5.5的专属模型令牌占比就从7.2%跃升至37.9%,使Anthropic的整体份额从57.6%提升至68.8%。
在Databricks,我们自己的AI战略也积极地反映了在模型和提供商之间切换工作负载的趋势,我们迅速评估并推出新模型。两个月前,我们引入了一套内部的“第一天”模型上线流程,使我们能够在几天内评估新版本。这一流程帮助我们在控制成本的同时提高了内部AI工作的质量。例如,我们发现Opus 5.5在每会话成本降低29%的情况下,质量有所提升,这促使我们决定将其设为Claude Code的默认模型。
企业正在拥抱多AI和开源权重模型
企业正越来越多地超越单一AI提供商。早在7月,大约64%使用Unity Gateway的企业仅依赖一个模型提供商。到11月2日,这一比例已降至28%,因为越来越多的组织开始采用来自两个或更多提供商的模型。
随着这一趋势的出现,开源权重模型正在迅速崛起。它们在企业令牌流量中的份额从7月的7.3%增长到11月的30.9%,在不到四个月内增长了四倍多。开源权重模型与专有模型之间的竞争也日益激烈。在我们的代码质量基准测试中,有三个开源权重模型位列前十,包括DeepSeek V4.1和GLM 5.3,它们都以93.1%的通过率位列第三。正如我们在开源权重模型的研究中所探讨的,它们不断增长的能力、成本效率和灵活性,使它们对企业来说越来越有吸引力。
没有单一模型或框架在成本-质量前沿占据主导地位
选择合适的编码代理,意味着需要同时评估模型和运行它的框架。我们最新的编码代理基准测试使用Claude Code和Codex对来自九个AI实验室的模型进行了评估。四个实验室(OpenAI、DeepSeek、Meta和Anthropic)的五个模型位于成本-质量前沿,它们在任务成功率和成本之间提供了最佳的权衡。
结果表明,仅凭模型排名并不能讲完整的故事。企业需要根据自己的工作负载,使用真实的使用数据和追踪信息来评估模型和框架组合的权衡。
我们在Databricks内部也采用这种方法。在评估是否从Opus 4.8升级到Opus 5时,我们分析了成本-质量帕累托前沿,并重放了我们自身工作负载的追踪信息。结果显示,对于我们的使用场景,升级并不值得额外的成本,因此我们决定继续使用4.8版本。
令牌价格并不能完全说明AI编码成本的全貌
两个模型可以在成本差异巨大的情况下实现几乎相同的基准性能。在我们的编码基准测试中,GPT-6 Luna 和 Claude Opus 5.5 都达到了 89.1% 的任务成功率。然而,Luna 每个任务的平均成本仅为 0.05 美元,而 Opus 5.5 的平均成本为 1.62 美元,两者之间的成本差异约为 32 倍。
每个任务的成本取决于令牌价格以及模型为得出答案所需完成的工作量。额外的回合数、较长的输出和失败的尝试都会增加成本。Gemini 3.8 Flash 的令牌价格较低,但每个任务平均需要 140 回合,因此在基准测试中成为最昂贵的模型之一,每个任务的成本高达 11.97 美元。对于编码代理来说,当模型需要更多工作来完成任务时,较低的令牌价格并不一定意味着更低的成本。
性能最高的 AI 模型通常并不是性价比最高的
更高的基准性能通常意味着更高的成本,即使质量的小幅提升也可能带来高昂的代价。Claude Fable 5.1 在我们的基准测试中以每个任务 7.47 美元的费用实现了 96.0% 的任务成功率,而 Muse Wonder 以每个任务 1.53 美元的费用实现了 94.9% 的成功率。这种额外的 1.1 个百分点的性能提升,成本却几乎高出五倍。企业似乎也认同这一点,自 Fable 5.1 发布以来的六周内,其专属令牌的使用份额从 5.5% 下降到 0.6%。
对企业来说,问题在于实际任务中是否真的需要如此高的质量。对于复杂且高风险的工作,高级模型可能物有所值,但对于日常任务,更便宜的替代方案可能已经足够。智能模型路由,例如 Unity Gateway 中的 Smart Routing,可以根据质量和成本将任务匹配到合适的模型。
AI 开支仍然高度集中
AI 开支在企业用户之间差异巨大。一个整天运行编码代理的开发人员与每天只向 AI 助手提出几个问题的员工,其使用模式截然不同。我们的数据显示出明显的差异:中位用户在 AI 上的支出仅为 2.49 美元,而第 99 百分位用户支出高达 699.74 美元,几乎是前者的 281 倍。
在六周内,中位用户的每周支出超过翻倍,从 1.10 美元增加到 2.20 美元以上,而第 90 和第 99 百分位用户的支出则保持相对稳定。这表明,典型的用户在使用 AI 方面的增长趋势明显,但仍有少数人承担了大部分的 AI 开支。
对于企业来说,这一趋势使得了解开支分布尤为重要。理解这些差异有助于组织制定更有针对性的预算和开支控制,同时避免不必要的使用限制。
通过 Unity Gateway 应用这些洞察
Databricks AI 指数揭示了模型使用、性能和成本方面的行业趋势。Databricks Unity Gateway 帮助企业在其自身的 AI 工作负载中应对这些趋势:
无需锁定即可访问和切换模型。通过 Databricks 主机模型服务或与外部提供商的连接,可以集中访问前沿模型、开源模型和自定义模型。使用 Unity Gateway CLI,开发人员还可以在支持的编码框架(如 Claude Code 和 Codex)中使用经过批准的模型。
分析您自己的 AI 令牌经济。使用 Unity Gateway 使用仪表板和统一追踪功能,可以了解用户、团队和应用程序在模型使用、支出和编码代理活动方面的表现。您可以通过分析和重放追踪来比较模型在您自己的工作负载上的性能和成本,就像 Databricks 在内部所做的那样。
优化模型选择和成本。使用智能路由功能,根据质量和性能将编码代理任务匹配到成本效益高的模型,并应用预算和支出上限,以控制人工智能支出。
关于数据
Databricks AI 指数结合了数千家企业使用 Unity Gateway 的聚合匿名使用数据,以及基于 Databricks 私有代码库中真实拉取请求的编码代理基准。模型支出是通过公开列出的提供商价格进行估算,基准结果是通过隐藏测试而非大型语言模型裁判进行评估。结果反映了所评估的工作负载和模型,可能因组织而异。当前数据集涵盖 2026 年 9 月 21 日至 11 月 7 日。
查看完整指数
探索 Databricks AI 指数,了解最新的模型使用趋势、编码代理基准和成本比较。我们将继续用最新的企业使用趋势和编码代理评估来更新该指数,为开发人员和企业提供持续的资源,用于比较模型、性能和成本。
想要分析自己的 AI 使用情况,比较模型并优化成本吗?从 Unity Gateway 快速入门指南开始。
常见问题
什么是 Databricks AI 指数?
Databricks AI 指数是一个公开资源,用于跟踪企业人工智能模型的采用情况、支出趋势和编码代理的性能。它结合了数千家企业使用 Databricks Unity Gateway 的聚合匿名使用数据,以及基于真实开发任务的编码代理基准。随着新模型的评估,该指数每周都会更新。
如何比较用于编码任务的 AI 模型?
用于编码任务的 AI 模型应根据任务成功率、每任务成本和在不同编码代理框架中的性能进行比较。Databricks AI 指数使用来自 Databricks 私有代码库的真实编码工作流程和隐藏测试来评估模型-框架组合,以衡量质量和成本。结果可能因工作负载而异,因此企业还应根据自己的开发任务对模型进行评估。
为什么更便宜的 AI 模型使用成本可能更高?
较低的令牌价格并不总是意味着较低的成本,因为模型在完成任务所需的工量上存在差异。需要更多推理步骤、生成更长输出或多次尝试的模型,总体上可能会消耗更多的令牌。每完成任务的成本通常比令牌价格本身更能衡量 AI 的效率。
开源权重的 AI 模型是否能与专有模型竞争?
是的,开源权重的 AI 模型在编码性能和成本效率方面正变得越来越有竞争力。在 Databricks AI 指数的编码基准测试中,有三个开源权重模型在任务成功率方面位列前十,其中 DeepSeek V4.1 的任务成功率为 93.1%。最佳选择取决于工作负载、所需质量和成本。
企业如何优化 AI 模型选择和支出?
企业可以通过在自己的工作负载上比较模型质量和成本、监控使用情况并根据任务需求选择模型来优化 AI 成本。Databricks Unity Gateway 提供集中化的模型访问、使用仪表板、统一的追踪和预算,以帮助组织管理 AI 支出。其智能路由功能还可以根据质量和性能将编码代理任务匹配到成本效益高的模型。
相关标签:
AI 研究和 Unity Gateway
订阅最新文章,直接发送到您的邮箱
订阅我们的博客,获取最新文章直接发送到您的邮箱。
注册
查看所有博客
slice-start id="_gatsby-scripts-1"
slice-end id="_gatsby-scripts-1"