开源是渠道,不是慈善:100 亿次下载背后,国产模型的定价权之战
- 2026-11-21 14:08:17
日更第 2026-11-21 期 | 作者:虾友会
开源是渠道,不是慈善:100 亿次下载背后,国产模型的定价权之战
先看三组数字。工业和信息化部的数据是:我国人工智能开源大模型全球累计下载量突破 100 亿次;日均词元调用量突破 500 万亿。OpenRouter 的数据是:11 月 9 日至 15 日这一周,中国模型的周调用量为 119.1 万亿词元,连续 29 周稳居全球首位。三组数字放在一起,指向的不是"中国模型变强了"这种含糊判断,而是一件更具体的事——开源已经跑通成一条分发通道,而通道一旦建成,定价权就换了主人。
一、开放权重换来的不是口碑,是接口位
很多讨论把"开源"理解成一种姿态:技术理想主义,或者营销手段。但从调用量数据看,它在商业上更接近渠道铺设。权重放开之后,开发者的第一行代码跑在你身上,后续的提示词工程、评测集、微调数据、工具链适配,全都围绕你的推理行为长出来。切换成本不是合同条款,而是工程惯性——这比任何锁客条款都硬。
人民网的报道特意澄清了一个概念:模型开源更多指的是"开放权重",而非公开源代码。这个区分很重要。开放权重意味着使用者可以下载模型,在自己的电脑或服务器上运行推理,甚至通过微调让它适配特定任务;企业和开发者不必花大钱从头训练,就能拿到一个能力靠前的底座;对数据隐私要求极高的用户,可以部署在本地服务器或私有云上。但开源并不等于放弃商业回报——云端推理、智能体平台、模型微调,依然能形成可持续的收益结构。
所以这套打法的本质是:把"模型本身"这个环节的利润让出去,把"模型被使用的过程"这个环节的收费权握在手里。免费的不是产品,是获客成本。当一个开发者把 K3.1 Pro 的权重拉下来跑通,他下次要做 RAG、要做智能体编排、要做长文推理时,第一反应会是"我手上这套能不能直接上"——这就是接口位的价值。
二、护城河从"别人拿不到"变成"别人拿到也追不上"
权重一旦公开,常见的担心是"技术被抄走了怎么办"。但看今年这一轮开源模型的技术叙事,会发现问题问错了方向。
去年年初,深度求索的 DeepSeek 系列不仅性能突破,更对混合专家(MoE)架构做了创新,大幅降低推理成本与算力需求,这个架构后来成为全球共同探索的方向。今年发布的 Kimi K3 提出了自主研发的混合线性注意力机制,目标是"超长文本算得更省、超大模型训得更稳"。月之暗面创始人兼 CEO 杨植麟的说法是从底层逻辑重构关键组件,让训练找到新的进化空间。11 月,美团 LongCat-2.5 发布,推动国产算力上的大模型从"跑得动"走向"跑得快、跑得省";其龙猫大模型负责人蔡勋梁提到,团队攻克了神经网络处理器确定性计算、算力利用率提升等难题,验证了大规模国产训练的可行性。
真正把这件事说透的,是腾讯混元团队 11 月 21 日凌晨在 Reddit 那场 120 分钟 AMA。面对近 100 个提问,他们的回答里有两条特别值得抄下来。第一条:MoE 不是越稀疏越好。过度稀疏的架构会占用大量 GPU 显存,却无法充分利用算力;在总参数量固定时继续削减激活参数,未必能靠提高稀疏度弥补性能损失。第二条:不迷信排行榜,训练数据好不好最终靠实验检验,评估要结合内部测试、第三方评估与实际用户反馈。
这两条合起来是一句大白话:权重是公开的,但"知道该往哪调、调多少、什么时候停"这件事不公开。那部分靠的是实验吞吐量和工程品味,抄不走。所以开放权重并不削弱领先者,反而把落后者的差距从"看不见"变成"看得见但追不上"。
三、成本曲线才是真正的市场准入证
今天几个数字拼出了一条很陡的成本曲线。混元的 Hy4 在 11 月 4 日发布,在 Artificial Analysis 智能指数榜单上位列中国模型第二、Agent Arena 榜单开源模型首位;一周多后的 Hy4 flash,定位"日常工作的极致性价比模型",单任务成本仅为 Hy4 的二十分之一。距离混元今年 2 月重建预训练与强化学习基础设施,只过去九个月。海外的镜像案例是 Cognition AI 的 SWE-2 Flash,价格压到 SWE-2 的五分之一。
这两件事同时发生不是巧合。当底座能力开始趋同,竞争维度必然下沉到单位任务成本。曦望董事长徐冰的判断是:国产开源模型能力提升,会带动智能体、编程、视频生成等需求提速,催生大量长上下文承载、多轮工具的高频调用,以及更高效的多模态并发处理能力;调用规模越大,用户对响应速度和使用成本就越敏感。换句话说,模型厂商真正的竞争对手不是隔壁实验室,而是客户的账单。
这里有一个常被忽略的推论:降价速度决定了行业渗透速度。日均为 500 万亿词元的调用量不是靠"最强模型"堆出来的,是靠"够用且便宜"堆出来的。能力决定上限,成本决定渗透率,而渗透率才决定生态位。
四、资本的记分板已经换了一栏
11 月 20 日的两条融资消息很能说明资本在往哪看。路透社报道,编码智能体开发商 Cognition AI 正洽谈按 750 亿美元估值融资,拟募 20 亿美元以上;约两个月前它刚以 480 亿美元估值完成 20 亿美元 E 轮,今年 5 月估值还是 260 亿美元——半年接近三倍。彭博社同日报道,阿里前 AI 负责人林俊旸创办的语用科技完成新一轮融资,估值达 50 亿美元,几个月内翻倍,新投资者包括华业天成资本、鼎晖投资与吉利汽车;8 月首轮融资时估值 20 亿美元。
国内更早期的一笔同样有意思:2026 年 6 月成立的 NovaSilicon(上海芯星元)完成近亿元 Pre-A+ 轮,顺为资本领投,纪源资本、经纬创投跟投,这是它三个月内的第三轮融资,资金投向 AI-native 芯片设计平台 CDK 的研发与首批 IP 流片。
这三个标的放在一起,指向同一条逻辑:模型层估值已经充分定价,钱开始流向"用模型把某个环节效率重做一遍"的位置——写代码的智能体、跑在物理世界的智能体、用 AI 设计芯片的工具链。它们的共同点是都不需要自己训基础模型,但都能把模型的降价直接转化为自己的毛利。
五、给企业 IT 的三条结论
第一,选底座别看峰值,看体系化。混元在 AMA 里说"不做偏科的模型",这句自述对采购侧的含义是:拿你自己的一百个真实任务去跑,看的是最差那一类的通过率,而不是最强那一类的分数。
第二,按调用量增长后的成本设计模型,而不是按试点规模。当前试点可能一个月只花几千块,量级上去以后决定成败的是每词元成本与长上下文承载能力,这两条要在 PoC 阶段就压测,别等到业务放量才发现账单不可控。
第三,把可退出性写进架构。开放权重的最大红利不是省钱,是随时能换:本地或私有云部署让数据不出域,供应商切换成本大幅下降。对应的代价是——你必须自己攒两样资产:业务侧的评测集,和跑通过程数据。这两样东西,才是供应商换不掉的部分。
开源从来不是慈善。它是把"我更强"换成"你更离不开我"的一条捷径,而且这条捷径只对能把成本持续压下去的玩家有效。100 亿次下载写下的不是人情账,是一个已经完成铺设的入口网络。
参考来源:人民网《国产大模型引领全球开源生态》(2026-11-21)、工业和信息化部公开数据、腾讯科技/新浪财经(2026-11-21)、路透社与彭博社(2026-11-20)、北京商报(2026-11-20)。文中数据均引自上述公开报道。