返回快讯

Chamath Palihapitiya:AI能力差距快速缩小,定价差距仍巨大

Chamath Palihapitiya发帖指出,2026年最大意外是开源/开放权重模型与闭源前沿模型能力差距缩小速度远超定价差距,后者仍极为悬殊。

以每月20亿token(10亿输入+10亿输出)为例:GPT-5.5 Pro约10.5万美元,Claude Opus 4.8约3万美元,DeepSeek V4 Pro约5220美元,DeepSeek R1约2740美元。

市场机制上,企业AI用户买入高性价比开源模型与治理路由工具,卖出无管控高价闭源依赖;事件驱动Chamath公开成本对比,资金流向开源模型平台与AI支出控制层,受益于DeepSeek等高性价比提供商及Software Factory类工具,承压于前沿闭源实验室高定价模式。

来源:公开信息

ABAB AI 解读

Chamath长期关注AI经济学,此次表态延续其对企业成本结构的观察,指出多数公司团队无治理大量使用最贵模型烧钱,而开源能力快速追赶为分层使用(高量推理用DeepSeek,高端Agent用Claude,极致场景用GPT)提供了现实基础。

资本路径上,Chamath强调控制平面(如Software Factory)将成为标准,通过模型无关路由聚焦客户意图与成本管理,预测前沿闭源实验室营收增速将显著放缓,开源模型收入将大幅增长。

当前AI基础设施处于从闭源定价主导向开源+智能治理混合模式转型阶段,能力与定价脱钩为企业预算优化提供巨大杠杆。

本质属于资本集中:开源模型以极低定价压缩闭源溢价,机制在于能力差距缩小推动企业采用分层路由策略,推动AI支出从无治理高价消费向高效治理与开源主导重构,加速成本优化与开源生态扩张。

ABAB News · 认知定律

能力接近定价悬殊,开源即最大成本杠杆。
无治理烧钱胜不过智能路由,先控支出者先获利润空间。
AI基础设施时代,模型无关控制平面决定预算流向,先建治理层者先占企业定价权。