先说一组我反复对了三遍的数字。
同一个平台上，按 Token 调用量算，DeepSeek 以 25.2% 略微超过了 Anthropic 的 24.5%；但按费用支出算，DeepSeek 只占 2.8%，Anthropic 高达 64.6%——收入差距大约 23 倍。微博这是 YouTube 博主 Matthew Berman 根据 Vercel AI Gateway 的实测数据算出来的，这两天在微博上被转了一轮。
流量和钱，第一次流向了完全相反的方向。这组数据值得每一个在 Vercel 上跑 AI 功能的人认真看一眼。
60 天，一条陡直的曲线
先交代数据出处。Vercel AI Gateway 是 Vercel 的模型聚合与调用路由平台，覆盖数百种模型，每天路由的 Token 以万亿计。关键在于：上面跑的全是生产环境的真实调用，是开发者真金白银付出去的请求，不是跑分，也不是问卷。
这条曲线的走法是这样的：
今年 4 月，开放权重模型的 Token 份额还只有约 11%；6 月下旬升到 28.4%；到 8 月 22 日，直接冲到 62%，历史上第一次反超闭源模型。36氪同期闭源份额从 71.6% 跌到 38%。麻省理工科技评论
DeepSeek 单家的轨迹更能说明问题：4 月不足 1%，5 月 17%，6 月 22.6%。麻省理工科技评论智谱 GLM-5.2 更夸张，上线两周，日 Token 消耗量涨了约 50 倍。36氪
这里要补一个容易被忽略的细节：这轮反超并不是因为闭源失速。投资人 Gavin Baker 指出，7 月 OpenAI 和 Anthropic 的绝对 Token 调用量其实还在加速增长。36氪也就是说，在闭源阵营推新最密集、降价最凶的阶段，增量还是更多地流向了开源那边。
也要把边界说清楚：这组数字只代表 Vercel AI Gateway 一个平台，不能直接等同于整个 AI 市场——麻省理工科技评论在报道时也特意强调了这一点。麻省理工科技评论但 Vercel 的用户群以开发者和 AI 应用为主，这个切片恰恰是"谁在生产环境里真用模型"的最前沿样本。
流量和钱为什么会分家
先看价格结构。今年 6 月，开放权重模型承担了网关上约 29% 的 Token，却只占不到 4% 的支出，平均 Token 价格大约是整个平台均值的十分之一。36氪便宜到什么程度，一目了然。
再看需求端发生了什么。今年 4 月的数据显示，只有 22.2% 的请求包含工具调用，但这些请求消耗了 58.9% 的 Token。麻省理工科技评论这就是 Agent 时代的账单逻辑：一次数据库查询、一次代码运行、一次工具调用，都会让模型多走一轮输入输出。单次几分钱的价格差，乘上几十轮调用，就是一张完全不同的账单。调用量越大，这个放大效应越狠。
然后是供给端的变化——便宜模型跨过了生产环境的质量门槛。开发者愿意把高频、低风险的任务交给 DeepSeek 这类模型，本身就说明它们"够用了"。Anthropic 的投资方 Accel 有句话说得很直白：“Most people don’t need to operate at the frontier.” 绝大多数企业任务，本来就不需要跑在智能的最前沿。
反过来看最贵的模型。Ramp 对约 7 万家企业的支付数据显示，Anthropic 旗舰 Fable 5 只占企业 Token 使用量的 6%、支出的 11.4%，7 月产生的模型归因支出只有 GPT-5.6 Sol 的 75%。36氪麻省理工科技评论性能领先，没有自动转化成调用量。新旗舰发布企业就默认迁移的老惯例，这次没灵。
把这几块拼起来，分化就说得通了：开源模型接住了"走量"的任务——分类、摘要、批量处理、Agent 子任务；闭源前沿模型守着"信任型"任务——复杂推理、高风险决策、面向客户的关键输出。SemiAnalysis 的观察也印证了这个趋势：开源模型追赶闭源新一代范式所需的时间，每一代大约缩短一半。36氪闭源仍然能率先抵达下一站，但独占红利的时间窗口，从一年压缩到了几个月。
闭源阵营的反扑，也在变形
有意思的是，闭源厂商自己也变了打法。7 月 OpenAI 发布 GPT-5.6 系列，破天荒把"单位美元性能"（Performance per dollar）当成核心卖点；Anthropic 把 Opus 5 价格腰斩；谷歌 Gemini 3.7 Flash 距上一代只隔了三周，价格再砍一半。"性价比"这个曾经专属开源阵营的武器，现在成了闭源巨头必须正面回答的问题。
甚至连英伟达都下场了：60 亿美元技术授权费加 10 亿美元股权投资砸向 Poolside，收编 100 多名工程师进 Nemotron 开源模型团队，目标直指能与 DeepSeek、Kimi 抗衡的前沿开源模型。36氪黄仁勋的算盘不难猜：模型越便宜，Token 消耗越疯狂，利润最终沉淀回算力底座。
而对 Vercel 本身来说，这个网关的意义也在变。从今年 6 月 Ship London 大会喊出"Agentic Infrastructure"、开源 Agent 框架 Eve，到智谱 GLM 5.2 Fast 选择在 Vercel 独家首发，再到这两周接连发布的网站 Agent 就绪度工具 IsAgentic 和代码沙箱 Run SDK——Vercel 正在从"前端部署平台"往"AI 基础设施"挪。微信公众号今日头条谁手里握着计量器，谁就有资格定义行业标准。这次全网都在引用它的数据，就是证明。
在 Vercel 上做 AI 功能的人，该怎么用这组数据
一个很有参考价值的数字：月请求量超过 1000 万的 Vercel 团队，平均同时使用 35 个模型。麻省理工科技评论便宜模型处理分类、摘要和批量任务，前沿模型负责复杂推理与高风险决策。头部玩家早就不是"选一个模型"，而是"给每类任务定价"。
落到个人开发者或小团队，我的建议是三件事：
第一，把你的调用拆开看。高频、结果可验证、出错成本低的任务（分类、抽取、摘要、格式转换），优先试开源或低价档模型；只在关键决策路径上保留前沿模型。
第二，别信跑分，信自己的账单。Vercel AI Gateway 的好处是切换模型接近零成本，拿自己的真实任务跑一轮 A/B，算出属于你自己的"单位美元性能"，比看任何榜单都实在。
第三，留几个观察信号：DeepSeek、GLM 的份额曲线是否继续上行；闭源厂商的降价节奏是否跟得上开源的追赶周期；以及你自己的任务里，开源模型的输出质量是否已经"足够好"。这三件事任何一个变化，都值得重新算一遍账。
写在最后
Vercel 网关上这 62%，真正值得记住的不是"开源赢了"这种口号，而是一个更冷静的结论：AI 市场的定价标尺，正在从"谁是最强模型"变成"什么任务值得用什么价格的模型"。
开源模型拿到了 Token 的多数，闭源模型守着价值更高的部分。这场分化的走向还远没到定论的时候，但对要付账单的人来说，方向已经很清楚了——先把任务分级，再谈选谁。
