最强AI遇冷，Fable 5增长停滞！有公司开始限制员工使用AI频率，控制Anthropic和OpenAI模型支出

每经记者：罗雪琳 兰素英 每经编辑：兰素英

最新、最强的大模型，正在失去企业客户的“默认选择”地位。

当地时间8月23日，媒体援引企业支付平台Ramp的数据报道称，Anthropic能力最强、价格最高的旗舰模型Fable 5发布两个多月后，在企业客户中的支出占比仅约11%，且增长已经停滞。相比之下，Anthropic于7月底推出、价格更低的Opus 5，企业支出已经超过Fable 5。

图片来源：Anthropic官网截图

有企业高管直言，企业交给AI处理的绝大多数任务都可以由更基础、价格更低的模型完成，这一比例甚至可能高达95%。美国电信巨头AT&T则计划将开源或开放权重模型承载的员工AI需求占比从目前的约40%上调至60%~70%。

美国AI基础设施服务商Featherless AI CEO Eugene Cheah在接受《每日经济新闻》记者（以下简称每经记者）采访时表示，目前在其公有云业务中，约75%的推理流量来自中国AI企业开发的大模型，或基于中国大模型进一步微调的模型。

Anthropic最强模型遇冷，企业开支仅占11%

Anthropic最大、最贵的模型Fable 5不仅在企业支出上未能占据主导，其实际Token使用量占比更低。过去一个月，Fable 5仅占企业从Anthropic购买Token数量的6%，对应支出占比为11.4%。相比之下，OpenAI旗舰模型GPT-5.6 Sol占企业购买OpenAI Token数量的25%，相关支出占比为23%。

Ramp称，Fable 5每百万Token的价格约为10美元，是GPT-5.6 Sol的两倍左右。

媒体指出，这打破了此前企业用户倾向于采用能力最强模型的惯例。多名Anthropic投资者和分析师认为，Fable 5采用增长较慢，主要因为价格较高，以及其他模型已经能够处理大部分企业需求。

Anthropic投资方Accel合伙人Miles Clements表示，“大多数人并不需要处在前沿。”他认为，客户倾向于只选择前沿模型的阶段不会长期持续。模型能力继续突破对于疾病治疗等高难度目标以及吸引顶尖研究人员仍然重要，但最前沿模型将更多承担探索能力边界的作用。

Eugene Cheah向每经记者表示，每当有新模型发布，流量就会出现来回波动。

他举例说，Qwen 3发布后，其基础模型及微调版本的流量迅速攀升，一度占Featherless AI公有云总流量的四分之一。但随着Gemma模型上线，一部分流量便从Qwen 3转向Gemma，而随着更多新模型陆续发布，目前Gemma的流量也在缓慢回落。

AI成本快速上涨，有企业开始限制员工AI使用频率，转向更便宜的模型

企业对最前沿模型需求降温的背后，是AI使用成本正在成为越来越多公司的现实考量。

媒体报道称，在经历数年鼓励员工广泛使用AI后，一些企业开始限制AI工具的使用频率，并培训员工根据任务需求选择更小、更便宜的模型。

Gartner今年6月发布报告警告，随着Token使用量增长以及AI服务向按使用量收费转变，到2028年，AI编程成本可能超过开发者的平均工资。

一些企业已经开始压缩不必要的Token消耗。电子签名软件公司Docusign发现，AI编程智能体在执行任务前会读取整个代码库以获取上下文，由此消耗大量Token。公司随后调整默认设置，仅提取完成具体任务所需的相关上下文，Token使用量因此下降近50%。

企业也开始根据任务复杂程度选择不同模型。肯德基和塔可钟母公司Yum Brands首席数字与技术官Jim Dausch表示，公司已经注意到AI Token使用量和相关支出上升。在他看来，企业交给AI处理的绝大多数任务都可以由更基础、价格更低的模型完成，这一比例甚至可能高达95%。

美国医疗保险公司Cigna则在内部批准了超过70种AI模型，对于不需要大量推理能力的任务，允许员工使用小语言模型或更早、更便宜的模型。尽管公司的算力和Token使用量均在增加，但通过组合使用不同模型，其AI总支出并未以相同速度增长。

一些企业已经进一步将模型选择交给系统自动完成。美国电信巨头AT&T负责员工AI业务的副总裁Mark Austin近日接受采访时称，AT&T正在使用LiteLLM模型路由器，根据任务复杂程度自动判断是否可以将请求交给成本更低的模型。在部分编码及其他高级AI任务中，这一方式最高将成本降低56%，而AI输出质量仅下降2%。

机构：75%公有云推理流量押注中国大模型

图片来源：每经媒资库

随着企业开始在不同任务之间选择不同模型，开源模型也迎来了需求增长。

Mark Austin表示，根据AT&T的使用经验，开源模型的能力通常比最前沿模型落后6至10个月，但这一差距正在缩小，一些开源模型的表现完全不输甚至超越了Anthropic和OpenAI等大厂此前推出的模型。

目前，AT&T约40%的员工AI请求由开源或开放权重模型处理，公司计划未来将这一比例提高至60%至70%，以控制员工使用Anthropic和OpenAI模型的支出。公司目前使用的此类模型包括英伟达Nemotron、Meta Llama和Google Gemma等。

这一趋势在Featherless AI的数据也得到了验证。

以欧洲市场的大模型调用情况为例，Eugene Cheah向每经记者表示，越来越多企业希望在自有基础设施或位于欧洲本土的服务器上运行开源模型。开放权重让他们能够完全按照自身需求，在任意环境下部署运行所选定的模型。并且，这些模型在实际生产环境中的表现完全立得住——针对特定场景微调、参数规模适中的开放权重模型，在成本和准确率亮相指标上甚至可以超越参数规模更大的通用大模型。

而中国大模型也在成为企业的热门选择。

Eugene Cheah进一步提到，目前，Featherless AI公有云业务中，约75%的推理流量来自中国AI企业开发的大模型，或基于中国企业大模型进一步微调的模型。从具体场景看，在代码开发方面，平台用户几乎都选择智谱GLM、Kimi以及DeepSeek系列模型。

他解释称，“中国开源模型与海外模型之间的技术差距已经大幅收窄。”企业选择中国模型，其中最主要的驱动力是成本。“这种趋势短期内不会改变。”他说。

免责声明：本文内容与数据仅供参考，不构成投资建议，使用前请核实。据此操作，风险自担。