彭博報道，越來越多初創公司用開源權重模型自建定製系統
彭博報道，越來越多初創公司用開源權重模型自建定製系統，以壓成本並減少對OpenAI和Anthropic的依賴。
法律科技公司Harvey估值爲156億美元，業務曾圍繞GPT-4等閉源模型做律師專項任務。3月更新智能體後客戶用量急升，知情人士稱毛利率從年初約50%落到6月約負50%。公司隨後加入用開源權重、含中國實驗室模型做自有系統的行列。8月它發佈基於Moonshot Kimi K3後訓練的自有模型，毛利率隨調用方式調整轉正。Harvey拒絕對具體財務置評。當年token用量據公司稱升約20倍，兩家頭部實驗室對企業在訂閱之外按用量收費。
同類動作已鋪開。Abridge在Nvidia開源權重上做臨牀模型；Decagon稱約80%客戶查詢走自有模型；Ramp6月融資7.5億美元，聯合首席執行官稱一年前自訓完全說不通，現在開始說得通。Sequoia與General Catalyst在給這條鏈子供資。Anthropic在內部投資人會上用幻燈片提醒：Harvey最難的任務仍需要其旗艦模型。
閉源按token計價把智能體用量直接寫成成本曲線；開源權重允許用自有數據微調並部署在自有系統裏，把可變賬單改成算力和工程固定投入。中國開源權重因價低、可下載成爲選項之一，美國也有Arcee、Reflection、Poolside等在補國產開源替代。
買盤是被用量賬單打穿毛利、必須拿回推理控制權的應用層公司；賣盤是把閉源API當唯一 pens的實驗室收入預期。事件驅動是Harvey級別公司把負毛利和切模型寫進同一篇報道。受益的是開源權重、推理雲和微調工具鏈；承壓的是按調用抽成的前沿閉源接口。
市場交易的是毛利率，不是模型排行榜第一名。
來源：公開信息
ABAB AI 解讀
應用層公司先租最強閉源把產品做出來，再在用量爆發後發現自己沒有定價權。Harvey把律師工作流做成智能體，三月一次更新就把token曲線拉垂直，毛利轉負說明租金漲得比客單價快。切到Kimi K3做後訓練，不是學術站隊，是把最貴的調用從菜單裏拿掉，只把最難任務留給閉源旗艦。這與微軟在部分Office功能裏換成自有模型是同一邏輯：先多元化，再把高頻便宜任務內化。
資本路徑從“訂閱加調用”轉向“買權重、租集羣、養微調團隊”。Sequoia和General Catalyst給的不是又一個套殼聊天機器人，而是能在開源底座上長出垂直模型的公司。Ramp說一年前自訓不划算，現在划算，分界線是調用量跨過訓練和推理的固定成本。中國開源權重充當價格錨，美國開源實驗室則賣“無地緣標籤的可下載替代”。
對照對象是當年從AWS遷出核心負載的公司、從Salesforce換自建CRM的製造業，以及手機廠商從高通參考設計走向自研基帶。行業階段是從“誰的模型最聰明”進入“誰的任務最貴、能否拆開路由”。閉源實驗室仍掌握最難推理，但失去對中低難度海量調用的壟斷。
結構判斷屬於定價權轉移。智能體把模型從偶爾問答變成持續工時，計價單位從座位變成token。機制是：用量與成本線性綁定後，應用公司必須擁有可替換的權重，否則毛利由上游實驗室決定。開源權重把“能否做出來”變成“能否把賬單從變動成本改回可控資本開支”。排行榜第一名仍可收溢價，但收不到全部工時。
ABAB News · 認知定律
智能體用量一垂直，租金就會先喫掉毛利
開源權重買的是替換權，不是排行榜第一
最難的任務可以繼續外租，高頻任務必須收回來