模型组合，如今已是必选项。

今年对企业 AI 影响最深的变化，不是来自实验室，而是来自财务部门。

我们同时深耕西方与中国两大模型生态，所以经常被客户问到同一个问题：低价层级是真有其事，还是只停留在新闻标题上？简单说：确有其事，主力来自中国，而真正值得在意的是一笔算术账，而非地缘政治。

随着首席财务官和董事会开始整治低效的人工智能支出，一种新的支出纪律正在美国企业中确立。

来源：CNBC，2026 年 6 月 5 日

让他们动起来的，是这笔账。思科首席产品官 Jeetu Patel 算的这笔账，任何一位 CFO 都看得明白。

• 每名员工每周 200 美元
• × 9 万名员工
• = 每年 9 亿美元（全部用前沿模型）

6 月 5 日，思科首席产品官 Jeetu Patel 向 CNBC 算了这笔账：每名员工每周约 200 美元的 token 用量，相当于每人每年约 1 万美元；9 万名员工，一年就是 9 亿美元。

如果 9 万名员工不是您要面对的规模，不妨按比例缩小。200 人、同等用量，一年约 200 万美元。对这种体量的公司，这是一笔实打实的开支，而单单一个路由决策，就能把它砍掉一半。

这笔账假定每个请求都交给前沿模型，而大多数请求根本用不着。问美国第三任总统是谁，每百万输入 token 收费 0.09 美元的模型，和收费 5.00 美元的模型，答出来的都是托马斯·杰斐逊。同一个杰斐逊，价格却差了约 55 倍。

2026 年年中的价差

每 100 万 token 价格（2026 年年中，中国开源对比美国闭源）：

从最便宜到最贵：相差 55 倍

DeepSeek V4 Flash 在最便宜的接入端点上，每百万 token 输入 0.09 美元、输出 0.18 美元；GPT-5.5 目前的定价则是每百万 token 输入 5 美元、输出 30 美元。

来源：OpenRouter，2026 年 6 月 30 日

以上价格核查于 2026 年 7 月 15 日。GLM 这一行还要补充一句，而且道理放之四海皆准：开源权重没有定价，只有市场。提供 GLM-5.2 服务的托管商约有 20 家，7 月初的某一天，它们挂出的输入价格从 0.93 美元到 3.00 美元不等，低延迟高级档位的输出价格更是高达 10.25 美元。最便宜的线路，输出上限也最紧，只有 32768 个 token，足以让一次较长的智能体运行在不知不觉中被截断。标价不是账单。无论拿哪个数字做商业论证，都要先用自己的实际负载核算一遍，一个月后再核一遍，因为 GLM 的最低输入价在 90 天里已经降了三分之一。

“必选”二字并不言重

当层级之间的价差达到 50 倍，路由就成了多数团队手里最大的成本杠杆。效果胜过缓存，也胜过提示词压缩，操作起来还省事得多。

这笔账可以自己算，比轻信任何人报出的节省比例更稳妥。100 万输入 token 全部按 Opus 4.8 的 5.00 美元计，账单就是 5.00 美元。其中 70% 改走每百万 0.93 美元的 GLM-5.2，您付 0.65 美元加 1.50 美元，合计 2.15 美元。一个路由决策，成本就降了 57%，缓存还没碰。低价份额提到 80%，降幅就逼近三分之二。

示例：将 100 万输入 token 中的 70% 路由到低价层级（GLM-5.2 · 0.93 美元），其余仍用前沿层级（Opus 4.8 · 5.00 美元）。

• 每百万 token 混合成本：2.15 美元
• 较全用前沿模型节省：57%

路由不是免费的，任何诚实的论证都会先把这一点摆上桌面。您等于在请求路径上加了一个组件：一个分类器或规则层，要多花几毫秒，偶尔会分错，还多了一个可能在凌晨 3 点出故障的环节。面对 50 倍的价差，这笔交换通常划算，但它终究是一笔交换。

让人尴尬的是，真正去做这笔交换的团队寥寥无几。

约 95% 的企业 AI 用量，仍在最昂贵的前沿模型上运行，哪怕更便宜的替代方案完全可以轻松胜任。

来源：Glean 首席执行官 Arvind Jain，CNBC，2026 年 6 月 5 日

把这两项发现放在一起：行业明知答案，却迟迟不动。这其实算不上技术问题。没人会因为把一条运转良好的流水线换成更便宜的模型而获得晋升，可一旦换砸了，谁都得熬一个难看的季度。差距出在组织上，钱也恰恰藏在那里。

分析机构也看到了同一趋势。

到 2028 年，70% 的领先 AI 驱动型企业将采用先进的多工具架构，在不同模型之间动态管理模型路由。

来源：IDC《2026 年 AI 与自动化未来展望》（FutureScape），2025 年 12 月

中国成了 token 出口国

低价层级并非凭空冒出，而是被刻意以宽松许可证公开发布的。

说中国是 token 出口国，得拆开来看，因为它出口 token 的方式与出口钢材不同。它发布的是权重：谁都可以下载，推理跑在买方选定的硬件上，所在国家也由买方决定。跨越国境的是能力，只跨一次，而且免费。收入则晚些时候在别处兑现：云服务合同、企业部署，以及面向不愿自行部署的团队的付费接入端点。

截至 2026 年 6 月初，中国模型在 OpenRouter 上的 token 份额已超过美国模型。而在 2025 年，美国模型约占 token 用量的四分之三。

来源：OpenRouter，2026 年 6 月 30 日

单是 DeepSeek，平台 token 份额就在 1 月到 6 月间从 9% 翻倍至 18%。分水岭是 2 月 9 日至 15 日那一周：中国模型处理的 token 量首次超过美国模型。值得注意的并非国别，而是开发者在生产环境中、出于价格考虑迅速完成了切换，这说明切换成本比多数采购谈判所设想的要低。

这背后的战略并非慈善。阿里巴巴把通义千问当作阿里云的引流入口：开源权重带动采用，付费推理收割长尾。通义千问在 Hugging Face 上的累计下载量已突破 10 亿次，超过 Llama。已在香港上市的智谱以 MIT 许可证发布 GLM，以企业部署服务变现。

“出口”一词依然贴切。一个以 MIT 许可证发布、任何地方任何托管商都能提供服务的模型，就是一件越过国境的推理产品：不用报关，华盛顿手里也没有可以一键关停的开关。

头条盯错了指标

读到这里，您很可能已经见过描绘这一转变的图表，一条红线节节攀升。而这些图表略去的部分，足以改写结论。

V4 的 token 用量突然激增，支出份额却没有出现同等幅度的跃升。

来源：OpenRouter，2026 年 6 月 30 日

大宗商品赛道：由能胜任的最便宜模型承接海量工作，如分类、抽取、检索，这类任务每月要消耗数十亿 token。（每月数十亿 token）

高端赛道：可靠性和真正高难度的推理依然能卖出溢价，买家也照付不误。（买家照付不误的溢价）

这里有两个市场，而不是一个。一是大宗商品赛道，由能胜任的最便宜模型承接海量工作，如分类、抽取、检索，这类任务每月要消耗数十亿 token。二是高端赛道，可靠性和真正高难度的推理依然能卖出溢价，买家也照付不误。那些渲染美国份额崩塌的头条，衡量的是第一条赛道，暗示的却是第二条。

您的工作负载必在其中之一。现实地看，两条都有。

风险不在权重，而在部署。

token 便宜，不等于数据治理没问题。对中国模型而言，有一个决定压倒其余一切：如何运行。

自行托管开源权重，不会向开发方回传任何数据。调用托管在中国的 API，则可能使您的数据受中国法律管辖：中国公司受《国家情报法》约束，可能被要求协助国家情报工作。

落到实处，就是三条路径：

路径一之所以可行，靠的是开放许可；开源权重之所以比廉价的托管端点更重要，原因也正在路径一。

这场出口未必会持续

本节并非针对中国的警告，而是关于单点故障的警告，只是它恰好对两边同样适用。

路透社 2026 年 7 月 7 日报道，中国有关部门约见阿里巴巴、字节跳动和智谱（Z.ai），商讨可能限制海外访问中国最先进的 AI 模型，开源权重版本也在其列。

来源：路透社，2026 年 7 月 7 日

这只是与几家点了名的实验室开展的政策讨论，并非已签发的法令；路透社求证时，相关部委与企业均未回应。把它看作天气，而不是气候。

北京：约见阿里巴巴、字节跳动和智谱（Z.ai），商讨限制海外访问先进模型。

华盛顿：对两款 Anthropic 模型实施出口管制；GPT-5.6 Sol 改为逐个客户审批。

双方都可能突然出手。

对称，才是要点所在。6 月，华盛顿对两款 Anthropic 模型实施出口管制，并将 OpenAI 的 GPT-5.6 Sol 改为逐个客户审批。两国首都如今都把前沿模型视为战略资产，也都已表明，会据此在短时间内出手。

落到规划上，含义很具体。已发布的权重收不回来：DeepSeek V4 和 GLM-5.2 已经存进全球各地的硬盘，永久存在。未来的版本，则可能被任何一方政府扣下。所以，应以已下载的层级为根基构建，把明年的新版本当作锦上添花，而不是依赖。这和把路线图押注在某种价格趋势会一直延续上，是两种截然不同的姿态。

从何入手

1. 迁移之前，先做测量

第一步是测量，而不是迁移。调出上个月的推理账单，按任务类型拆分，看看钱究竟花在了什么上。多数团队会发现，大部分调用都是分类、抽取或检索，却全都跑在前沿模型上，唯一的理由是当初最先接入的就是它。

2. 用自己的真实流量做评估

接着做自己的评估，用的是自己的流量，而不是排行榜。最值得借鉴的做法刻意保持简单：从上个月的日志中抽取 200 个真实请求，向账单里占比最大的任务类型倾斜；每个请求都分别交给现有模型和候选模型跑一遍；请一位懂业务的人对两份输出做盲评，评分尺度要对您的业务有意义，而不是 1 到 5 分；然后统计两者的分歧。如果低价模型输掉的次数屈指可数，而且没有一次错得代价高昂，答案就有了，它来自您自己的流量，而不是别人跑出来的基准测试。

公开基准测试告诉您的，是一个模型的总体能力。GLM-5.2 在 Artificial Analysis 智能指数的开源权重模型中排名第一，这说明的是 GLM-5.2，而不是您的流水线。

3. 把简单的多数请求分流下去

把简单的多数请求分流到低价层级，困难的少数留在原处。两边都要衡量质量，因为生产环境中路由的真正风险，是悄无声息的质量下滑，它不会在账单上自报家门，而是出现在重试里，出现在客服工单里，出现在某位审核人默默改写、却无人记录的输出里。这正是我们 AZIMUTH 方法中 Baseline（基线）与 Bearing（定方位）阶段的本分：没有收集过的证据，就谈不上依据证据路由。

这项工作本身成本几何？对只有一条生产流水线的团队，实际答案是一周：一天拆分账单，两天搭建评估集并评分，两天接入路由并观察效果。贵的不是工程，而是找到一位有领域知识、能毫不手软地给输出打分的人，而这样的人通常分身乏术。预算应该花在他们的时间上，而不是工具上。

先写下叫停标准

叫停标准要在开始之前写好，而不是等到第一个糟糕的星期之后。我们做这类工作时，叫停标准大致是这样：如果低价层级在重试、审核时间和升级处理上多花的钱，超过它在 token 上省下的钱，我们就停下来，以书面形式说明原因，流量仍交给现有模型。事先定好这一条，才能防止路由项目在三个月后沦为一场沉没成本之争，因为到那时，总有人要为自己的仪表盘辩护。

本页的模型价格与份额数据每月都有变动。我们每月 1 日复核本文，每处改动都注明日期。若有数字过时，那就是一处差错，请发邮件至 hello@bearingbridge.com 告诉我们。