模型发布枯竭：价格弹性重塑 AI 前沿

AI 市场正进入托马斯·图古兹所称的“模型发布枯竭”阶段。实验室如今每三天就推出两个全新大型语言模型（LLM），以惊人的速度推动性能前沿向前发展。然而，这些发布的收入影响远非线性。根据 Ramp 的内部数据，OpenRouter 上处理的 token 中有 84% 是由非最先进（SOTA）模型生成的。使用最广的六个模型约占前沿性能的 77%，但其成本仅相当于该细分市场最昂贵的 Claude Fable 5 价格的 2.5%。

这一差距凸显了 AI 生态系统中经典的价格弹性需求曲线。虽然前沿模型在软件架构、安全设计以及高精度细分任务上仍具优势，但企业工作负载的主体——尤其是由 RevOps 流程驱动的工作负载——更看重成本效率而非边际性能提升。结果出现了帕累托转移：组织在原始能力之上更优化价格，选择能够以极低成本提供足够准确度的模型，用于收入关键的应用场景，如潜在客户评分、预测生成和归因建模。

对 RevOps 领袖而言，这一影响有两方面。其一，接近 SOTA 的模型激增扩展了数据驱动收入流程的选项集，使得此前仅有少数高价模型时难以实现的细粒度成本‑收益分析成为可能。其二，观察到的价格弹性表明，能够将强大的数据管道、实时归因和预测工具与低成本模型捆绑的供应商将抢占更大份额的支出。这与日益增长的“应用优先”部署趋势相吻合，即价值来源于集成层，而非单纯的底层模型。

展望未来，AI 生态系统可能出现分化。少数模型将继续推动性能极限，服务于要求最高保真度的专用用例。与此同时，大多数 token 消耗将倾向于满足大多数收入引擎用例的成本优化模型。将灵活的模型选择逻辑嵌入编排平台的 RevOps 团队，将最有能力乘上这条双轨浪潮，在快速演进的 AI 版图中实现最大 ROI 并保持敏捷。

图片：Belova59 / Pixabay (https://pixabay.com/photos/laboratory-medical-medicine-hand-3827738/)