AI 替代浪潮:三大力量重塑成本结构

Tomer Tunguz 博客(VC 分析)·2026-06-07 08:00·106天前·Tomasz Tunguz
AI 导读

三大力量重塑 AI 成本:前沿闭源模型持续涨价,开源模型在多数场景已足够好,买家开始替代。Coinbase 将提示词路由至更便宜模型,成本持平但 token 用量指数增长。Lindy 全切至 DeepSeek v4,节省数百万美元且多项核心性能提升。Harvey 在 Legal Agent Benchmark 上通过 SFT 使 Kimi 2.6 all-pass 率达 15%,超越 Opus 的 14%,同一 100 任务成本 $84 vs $954(约 11 倍价差)。Cursor 后训练 Kimi K2.5 得到 Composer 2.5,称其“性能优异且效率高达同类模型 10 倍”。闭源越来越贵,开源平价且性能接近,选择决定企业单位经济学的斜率。

Tomer Tunguz 博客(VC 分析)
精选
56AI 编辑部评分,满分 100

AI 替代浪潮:三大力量重塑成本结构

2026-06-07 08:00· 106天前· Tomasz Tunguz
AI 导读

三大力量重塑 AI 成本:前沿闭源模型持续涨价,开源模型在多数场景已足够好,买家开始替代。Coinbase 将提示词路由至更便宜模型,成本持平但 token 用量指数增长。Lindy 全切至 DeepSeek v4,节省数百万美元且多项核心性能提升。Harvey 在 Legal Agent Benchmark 上通过 SFT 使 Kimi 2.6 all-pass 率达 15%,超越 Opus 的 14%,同一 100 任务成本 $84 vs $954(约 11 倍价差)。Cursor 后训练 Kimi K2.5 得到 Composer 2.5,称其“性能优异且效率高达同类模型 10 倍”。闭源越来越贵,开源平价且性能接近,选择决定企业单位经济学的斜率。

推荐理由

Tunguz 用 Coinbase、Lindy 等真实案例,把「用开源/便宜模型替代昂贵前沿模型」的趋势讲透了,做 AI 应用的人该重新算一下单位经济账。

正文 · AI 翻译

简而言之:企业、应用和卖方等各层级的 AI 买家,正在用更便宜的开源模型替代前沿闭源模型。省下的钱并不会缩减 AI 账单——它们会被再投资于每项任务呈指数级增长的 token 消耗中。

三股力量正在重塑 AI 的成本结构:

  1. 基础模型实验室正沿技术栈向上游移动,进入应用层,1 2
  2. 最智能的前沿模型价格持续上涨,3
  3. 开源模型已经跨过了大多数用例的“足够好”门槛。4 5

AI 买家的自然反应就是替代。

Coinbase6

在 Coinbase,我们正积极推进将提示词路由到更便宜的模型(在合适的情况下),并且在某些情况下能够将成本大致保持在持平水平,同时 token 使用量继续呈指数级增长。

Lindy7

今天果断出手,把 Lindy 的全部流量 100% 切换到了 DeepSeek v4,从 Anthropic 的模型迁移过来。这为我们省下了数百万美元,而且我们在许多核心用例上实际上看到了性能提升。对业务而言是变革性的。

Harvey8

在我们的法律智能体基准(LAB)的 100 项任务切片上,SFT 将 Kimi 2.6 的全通过率从 11% 提升到 15%,超过了 Opus 的 14%。但成本差距更为惊人:同样这 100 项任务,$84 对 $954,即便宜约 11 倍。

Cursor 走得更远。他们对 Kimi K2.5 进行了后训练,将其打造成自己的生产模型 Composer。9

Composer 2.5 异常智能,且比同等能力的模型效率最高可高出 10 倍。

Coinbase 的引述说明了节省下来的钱去了哪里:成本持平,token 呈指数级增长。买家并没有把折扣装进自己口袋——而是把它花在了更多智能上。

闭源模型在前沿越来越贵;开源模型在同等水平上越来越便宜。选择在于你想让单位经济模型下承受哪一条斜率。

Ramp cost curve framing for AI buyers and app purveyors
  1. https://x.com/Law360/status/2062263047578673481 ↩︎

  2. https://theoryvc.com/blog-posts/are-foundation-models-and-application-companies-friends-or-foes ↩︎

  3. https://tomtunguz.com/ai-model-inflation/ ↩︎

  4. https://tomtunguz.com/using-local-ai-to-work-faster/ ↩︎

  5. https://tomtunguz.com/the-thriving-ecosystem-of-open-models/ ↩︎

  6. https://x.com/brian_armstrong ↩︎

  7. https://x.com/Altimor/status/2062389885437366342 ↩︎

  8. https://x.com/harvey/status/2062218656420167785 ↩︎

  9. https://x.com/cursor_ai/status/2056415414977187904 ↩︎

来源:Tomer Tunguz 博客(VC 分析)· tomtunguz.com