大模型年中报告：Anthropic 市场份额超 OpenAI，开源模型企业采用率下降

本篇内容转载自「特工宇宙」

基础大模型不仅仅是生成式 AI 的核心引擎，它们正在塑造计算的未来。随着其能力和成本控制的不断演进，建立在其之上的系统、应用乃至整个产业格局，也将随之变革。

去年 11 月，Menlo Ventures 发布了《2024 企业生成式 AI 现状报告》。彼时，关于这一基础层仍有诸多关键问题悬而未决：

• 大语言模型的 API 需求是否能与消费级应用的增长节奏保持一致？

• 模型将变得多智能？进化速度又将如何？

• 开源模型是否会在性能上赶超闭源的前沿模型？如果会，这将如何影响企业的采用路径？

• 最关键的是，长期价值究竟会沉淀在哪里？

六个月过去，从数据维度来看，这些问题目前已经较为清晰：

在这段时期内，模型 API 支出增长了一倍多，从 35 亿美元跃升至 84 亿美元。企业的重心已从模型的训练微调转向模型推理，这标志着一个重要的阶段性转折。

“代码生成”成为第一个大规模爆发的 AI 应用场景。在预训练之外，基础模型正在沿着另一条轴线升级能力——结合验证器的强化学习（RLHF with verifiers）。

与此同时，尽管开源模型持续取得进展，但西方实验室在前沿模型突破上的放缓，也在一定程度上抑制了企业侧的开源采用趋势。过去大家看到模型天天突破，企业纷纷入场；现在模型进展没那么猛了，企业开始“更理性消费”，不再四处尝试，而是抱紧那些成熟好用的闭源大模型。结果是，企业的投入正集中流向少数几个高性能的闭源模型，而 Anthropic 也因此跃升为新的市场领跑者。

近期，Menlo Ventures 发布了一份2025年年中LLM市场情况观察报告，为了全面捕捉当前 LLM 市场的状态，Menlo Ventures 调研了 150 多位来自初创公司和大型企业的技术负责人，聚焦于当下 AI 技术栈的基础层：谁在赢得市场份额？哪些模型已投入生产？又是哪些选择标准正在影响整个技术栈的构建？

以下为报告原文内容。

原文：

https://menlovc.com/perspective/2025-mid-year-llm-market-update/

超 10000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。

邀请从业者、开发人员和创业者，飞书扫码加群：

进群后，你有机会得到：

• 最新、最值得关注的 AI 新品资讯；
  

• 不定期赠送热门新品的邀请码、会员码；
  

• 最精准的AI产品曝光渠道

01Anthropic 在企业使用率上超越 OpenAI到 2023 年底，OpenAI 曾占据企业级大模型市场50% 的份额，是当之无愧的第一。但这一领先优势如今已经明显缩水。现在，OpenAI 的企业使用率只剩25%，是两年前的一半。 最新的市场头号玩家是Anthropic，它在企业 AI 市场的占比达32%，超过了 OpenAI 和最近增长迅猛的Google（20%）。Meta 的开源模型 Llama 占9%，而尽管DeepSeek在年初高调发布，目前的企业使用占比却只有1%

Anthropic 登上大模型排行榜榜首的势头，真正开始于 2024 年 6 月 Claude Sonnet 3.5 的发布。到了 2025 年 2 月，Claude Sonnet 3.7 的推出进一步加速了这股势头，它首次真正展示了“以 Agent 为核心”的大模型雏形。而在 2025 年 5 月，Claude Sonnet 4、Opus 4 与 Claude Code 的相继发布，则彻底巩固了 Anthropic 的领先地位。

推动 Anthropic 崛起的三大行业趋势：

1. 代码生成成为 AI 的第一个杀手级应用。

Claude 很快就成为开发者进行代码生成时的首选，占据了42% 的市场份额，是 OpenAI（21%）的两倍还多。仅仅一年时间，Claude 就将原本由 GitHub Copilot 主导的单一产品市场，拓展成了一个价值 19 亿美元的生态系统。2024 年 6 月发布的 Claude Sonnet 3.5 展示了模型层的突破如何直接推动应用层的演化，催生出一系列全新形态的产品：如 AI IDE（Cursor、Windsurf）、应用构建工具（Lovable、Bolt、Replit），以及企业级代码智能体（Claude Code、All Hands）等。

2. 带验证器的强化学习成为智能扩展的新路径。

过去扩展大模型智能的主路径，是不断加大模型规模、喂入更多数据进行预训练。但到了 2024 年，互联网数据的增长已接近瓶颈，单靠“加量”难以持续提升。带可验证奖励的强化学习（RLVR）成为新的突破口，尤其适用于代码这类结果明确、易于检验的任务领域。这一策略也正逐步成为模型后训练阶段的关键路径，用于提升可靠性与实际能力。

3. 训练模型成为“Agent”，让它们真正有用起来。

最初的大语言模型被设计为“一问一答”的形式，目标是在单轮对话中完成任务。而现在，更强的能力来自于赋予模型“多轮思考”的能力：一步步推理、持续交互、灵活调用工具——也就是所谓的 Agent。2025 年被称为“Agent 之年”，正是因为这一范式的爆发。Anthropic 是其中的领先者，它率先训练模型进行多轮自我优化，并通过 MCP 协议接入包括搜索、计算器、编程环境等外部工具，大幅提升了模型的执行力与用户粘性。

02企业侧的开源模型采用趋于平缓

当前约有 13% 的 AI 任务运行在开源模型上，较六个月前的 19% 略有下降。市场领先者依然是 Meta 的 Llama 系列，但 2024 年 4 月发布的 Llama 4 在真实场景中的表现未达预期，略显平庸。

过去半年内，开源领域仍相当活跃，涌现出多个值得关注的模型发布，包括：DeepSeek（V3、R1）、字节跳动的 Seed（豆包）、MiniMax（Text 1）、阿里巴巴（Qwen 3）、Moonshot AI（Kimi K2）以及智谱 AI（GLM 4.5）。这些模型目前都可以通过 OpenRouter 的统一 API 进行试用。

开源模型对企业的吸引力依旧显著：可高度定制、更具成本优势，并支持私有云或本地化部署。然而，尽管模型能力在持续进步，开源模型在整体性能上仍落后于前沿闭源模型 9~12 个月。

这一性能差距，加上开源模型部署上的技术复杂度，以及一些企业对来自中国公司的 API 持保留态度（而这些公司恰恰贡献了近阶段表现最亮眼的开源模型），共同导致了开源模型市场份额的停滞。

不仅仅是企业。出于这些原因，采用开源模式的初创企业也越来越少。正如一位受访者所说：

目前，我们 100% 的生产工作负载都在闭源模型上运行。我们最初使用 Llama 和 DeepSeek 进行 POC（概念验证），但随着时间的推移，它们的性能已经无法与闭源模型相媲美。

03企业更换模型的动因是性能，而非价格

模型供应商切换本身相对容易，但如今已不常见。大多数团队会留在原平台上，仅在新模型发布时升级版本。一旦选定某个平台，企业倾向于稳定使用，并在第一时间追新换代。

根据调研数据：66% 的开发者选择在原有供应商体系内升级模型；23% 一整年都没有更换模型；只有 11% 实际切换了模型供应商。

真正驱动决策的是性能，不是价格。开发者们始终将“前沿性能”作为首选标准，而非更便宜或速度更快的替代品。他们愿意为性能买单。当新模型发布时，切换行为往往在数周内完成。例如，在 Claude 4 发布后仅一个月内，Claude 4 Sonnet 就拿下了 45% 的 Anthropic 用户，而 Sonnet 3.5 的使用占比则从 83% 降至 16%。

性能优先逻辑下的一个“反直觉现象”是：哪怕旧模型价格大幅下降（甚至降价十倍），开发者也不会为省钱而回头使用它们——他们只会集体奔赴性能最强的那个新模型。

04AI 支出正从训练转向推理

计算支出正稳步从模型构建和训练，转向推理。这种转变在初创企业中最为明显：74%的模型开发者表示，他们的大部分工作任务都来自推理，高于一年前的48%，大型企业也紧随其后。近一半（49%）的企业表示，他们的大部分或几乎所有计算任务都由推理驱动，高于去年的29%。

转载原创文章请添加微信：founderparker