Anthropic的“超车”时刻：它比OpenAI强在哪？ |【经纬低调出品】

放在两年前，OpenAI 绝对是 “一家独大” 的存在 ——2023 年底时，它稳稳攥着 50% 的市场份额，几乎是行业里默认的首选。但谁也没想到，短短一年多，市场格局就彻底变了天，而打破这份垄断的，正是后来者 Anthropic。

如今再看企业 LLM 市场，曾经的 “领头羊” OpenAI 已然风光不再，市场份额直接腰斩，只剩 25%；反观 Anthropic，凭借旗下 Claude 系列模型的持续发力，一路逆袭，以 32% 的使用率坐上了新的头把交椅，成了企业眼里的 “香饽饽”。

这对 “新旧对手” 的位置互换，可不是偶然。从 2024 年 Claude Sonnet 3.5展现代码生成优势，到 2025 年 Claude 4 系列打出 “Agent 优先” 的王牌，Anthropic 踩准了代码生成、RLVR 技术突破、模型工具化这三大行业浪潮；而 OpenAI 则在这场竞速中逐渐掉队，眼睁睁看着原本属于自己的企业用户，纷纷转向性能更优的 Claude。

随着 Anthropic 登顶、Google 以 20% 份额紧随其后，Meta、DeepSeek 等玩家分食剩余市场，企业级 AI 模型的竞争早已不是 “一家独大”，而是进入了 “新王领跑、多强追赶” 的全新格局。以下，Enjoy：

基础模型不仅仅驱动着生成式AI，还在重塑整个计算的未来。随着其能力和经济性的持续提升，建立在基础模型之上的系统、应用和产业也会随之演变。

回顾去年 11 月我们发布的《Menlo Ventures 2024：企业中的生成式 AI 现状》报告，当时仍有几个关键问题悬而未决：

• LLM API的需求是否会跟上消费级应用的增长？

• 这些模型会变得多么“聪明”，以及速度会有多快？

• 开源模型能否在性能上追赶闭源的前沿模型？如果能，这将如何影响企业的采用？

• 最重要的是，未来长期价值将沉淀在何处？

短短六个月，数据给出了更清晰的答案：

• API 支出猛增：模型 API 的开销在半年内翻倍，从 35 亿美元激增至 84 亿美元。这表明企业已不再局限于开发模型，而是将更多预算投入到生产推断（inference），进入实打实的应用阶段。

• 代码生成率先突围：代码生成已成为人工智能（AI）首个突破性应用场景。

• 新路径开启：除了依靠预训练，基础模型目前正沿着第二个维度实现规模化发展，即RLVR（reinforcement learning with verifiers）这条新赛道。
  

• 开源脚步放缓：尽管开源模型持续进步，但西方实验室在前沿探索上的减速，让企业对开源的热情降温，资金反而集中到少数高性能的闭源模型中。

• 新王登基：在这一轮洗牌中，Anthropic 崛起为市场的新领头羊。

为了更好地把脉 LLM 市场现状，我们调研了 150 多位来自初创公司和大企业的技术负责人，聚焦于AI技术栈的基础层——谁在抢占市场份额？哪些模型已真正进入生产？又是什么标准，决定了企业的选择？

下面是我们的新发现：

01

Anthropic在企业使用中超越了OpenAI

到2023年底，OpenAI掌控了企业LLM市场的50%，但其早期优势已经消退。如今，它仅占企业使用量的25%³，仅为两年前的一半。

Anthropic后来居上，成为企业AI市场的新领导者，占比32%，Google 紧随其后，份额达 20%，增势强劲；Meta 的 Llama 以 9% 居中游；而声势浩大的 DeepSeek，最终拿到可怜的 1%。

Anthropic 的势头起于 2024 年 6 月发布的Claude Sonnet 3.5，到了 2025 年 2 月的Claude Sonnet 3.7更是首次展示出“Agent 优先”的 LLM 雏形。到 2025 年 5 月，随着Claude Sonnet 4、Opus 4 以及 Claude Code的推出，其领先优势已被彻底坐实。

那么，Anthropic 是如何后来居上的？三股行业浪潮推了它一把：

1.代码生成成为AI的第一个“杀手级场景”

Claude迅速成为开发者进行代码生成的首选，占据42%的市场份额，是OpenAI（21%）的两倍多。仅用一年时间，Claude帮助将一个单一产品的市场（GitHub Copilot）转变为一个价值19亿美元的生态系统。2024年6月Claude Sonnet 3.5的发布展示了模型层面的突破如何推动应用市场，催生了全新的类别，例如AI IDE（Cursor, Windsurf）、应用构建器（Lovable, Bolt, Replit），以及企业级编码代理（Claude Code, All Hands）。

2.RLVR成为扩展智能的新路径

在2024年，提升模型智能的主要方法是通过预训练更大规模的模型并使用更多数据。然而，互联网数据规模如今逼近天花板。可验证奖励的强化学习（RLVR）是下一个关键突破。这种策略在编程等领域尤其有效，因为其结果更容易被确定性验证。

3.将模型训练为能够使用工具的“Agent”，让它们变得更加有用

LLM最初被设计为在单次响应中提供完整答案。然而，使它们能够逐步思考、推理解决问题，并在多次交互中使用外部工具（即所谓的“Agent”）——让它们在现实应用中效果显著提升。2025年被称为“Agent之年”。Anthropic率先训练模型，使其能够迭代改进响应，并通过MCP（模型上下文协议）集成搜索、计算器、代码环境和其他资源，从而显著增强了能力和用户采用率。

02

开源在企业中的采用趋于平稳

眼下，大约 13% 的 AI 工作负载使用开源模型，较半年前的 19% 略有下滑。Meta 的 Llama 仍是市场老大，但今年 4 月发布的 Llama 4 在实际场景中的应用表现平平，让人感觉“雷声大、雨点小”。

这半年仍有不少新动作：DeepSeek（V3, R1）、字节跳动（豆包）、Minimax（Text 1）、阿里巴巴（Qwen 3）、Moonshot AI（Kimi K2）、以及Z AI（GLM 4.5）等都有值得关注的产品发布。目前，你可在 OpenRouter平台通过单一 API 接口试用上述所有模型。

开源模型为企业提供了明显优势：更强的定制化、潜在的成本节省，以及能够在私有云或本地环境中部署的能力。尽管优势明显，开源在性能上仍然落后于闭源前沿模型约9至12个月。

这种性能差距，加之部署开源模型的技术复杂性，以及企业对使用中国公司API的顾虑（这些公司生产了许多近期表现最佳的开源模型），导致其市场份额停滞。

不仅是企业，初创公司出于同样的原因也较少采用开源模型。正如一位受访者所说：

“目前，我们100%的生产负载都运行在闭源模型上。我们最初在概念验证阶段使用过Llama和DeepSeek，但随着时间推移，它们无法跟上闭源模型的性能。”

03

企业选模型：性能至上，价格靠后

理论上，换供应商并不难，但大多数企业并不会轻易更换。通常的做法是：留在原平台，但快速升级到最新版本。

根据我们的调查：66%的开发者在现有供应商内升级模型，23%在过去一年完全没有更换过模型，只有11%更换了供应商。

驱动力是什么？答案只有一个：性能。

开发者始终选择前沿模型，而不是更便宜、更快的替代品。他们优先考虑并愿意为性能付费。新模型一旦发布，切换会在几周内发生。例如，在Claude 4发布后的一个月内，Claude 4 Sonnet占据了Anthropic用户的45%，而Sonnet 3.5的份额则从83%降至16%。

这形成了一个有趣现象：即便旧模型的价格大幅下降（哪怕降了十倍），企业也不会继续用旧的来省钱，而是宁愿“砸钱”去追最新最强的版本。换句话说，性能面前，价格反而成了次要因素。

04

AI 投入重心转移：从训练到推理

计算资源支出正稳步从模型构建与训练转向推理环节，即投入到实际在生产环境中运行的模型上。

这一转变在初创企业中最为显著：目前 74% 的技术开发者表示其大部分工作负载用于推理，而一年前这一比例仅为 48%。

大型企业也紧随其后，近半数（49%）的大型企业称其大部分或几乎全部计算资源用于推理相关任务，较去年的 29% 有明显提升。

05

我们将走向何处

预测AI的未来可能是一件徒劳的事。市场几乎每周都会发生变化：令人兴奋的新模型发布、基础模型能力的进步、以及成本的急剧下降。

不过，有一点已经很清楚：条件已然成熟，可以在当今的基础模块之上构建新一代经得起时间考验的AI企业。

文章编译自《2025 Mid-Year LLM Market Update: Foundation Model Landscape + Economics》

作者：Tim Tully, Joff Redfern, Deedy Das, Derek Xiao

脚注

1.我们的LLM市场规模估算不包括前沿AI实验室的消费级产品（如ChatGPT）或企业级应用（如Claude for Work和Claude Code）的收入。在2024年11月的报告中，我们估算整个生成式AI市场的支出为138亿美元，其中基础模型、模型训练、AI基础设施和应用构成主体，而模型API支出约为35亿美元。

2.本报告总结了在2025年6月30日至7月10日期间，对150位企业和初创公司AI应用建设相关的技术决策者进行的调查数据。企业被定义为拥有5000名或以上员工的组织。样本中的初创公司至少获得了500万美元的风险投资。我们在这些基础数据之上，结合了作为活跃投资者的视角和洞见。

3.LLM市场份额反映的是生产环境中的AI使用比例，而非支出。调查受访者报告了其AI工作负载中使用各个模型的比例。我们根据每家企业和初创公司应用的规模对回答进行了加权。

4.来源：Menlo Ventures《2024：生成式AI在企业中的现状》，2024年11月。

*由Menlo Ventures投资支持