智谱和DeepSeek，用性价比攻破美国大门?

AI 模型竞争观察

智谱和 DeepSeek，
用性价比撬开美国大门？

当模型能力逐渐接近，企业真正开始计算：每一单位智能，到底值多少钱。

核心判断

中国大模型切入美国市场，靠的不只是“便宜”，而是同时踩中了两个趋势：单位智能成本下降，以及企业对可部署、可替换、可治理AI架构的需求上升。

最近，CNBC报道了一个很有意思的现象。

大量美国公司正在抛弃OpenAI和Anthropic，转而使用DeepSeek、智普、千问等更具性价比的中国模型。

其引用OpenRouter（一个让开发者能够访问多种AI模型的平台）的数据显示，2025年上半年，中国模型在该平台上消耗的token占比仅有4.5%，过去12个月平均占比也只有11%。但从今年2月份以来，中国AI模型的token消耗占比每周都保持在30%以上，最高曾升至46%。

先看三组关键数据

30%+

2月以来，中国模型token占比每周保持在30%以上

46%

最高占比曾升至46%

1/10

够用模型价格约为美国旗舰模型十分之一

图：美国公司通过OpenRouter使用的token中，流向中国模型的占比显著上升

美国公司集体拥抱中国模型，关键原因是性价比。

在能力上，中国的AI模型和OpenAI、Anthropic比起来虽然还有一些差距，但是架不住价格仅有Anthropic/OpenAI同类模型的10%—40%。

美国一家AI公司的创始人在X上表示，他在6月初已经将公司100%的流量从 Anthropic切换到DeepSeek V4；这个行为为公司节省数百万美元，并且还在许多使用场景下看到实际性能的提升。

图：美国AI公司创始人称已将100%流量从Anthropic切换到DeepSeek V4

所以，当一个任务不需要最好的模型的时候，性价比就成为最有价值的竞争力。而中国的大模型公司，正依靠这种优势，攻入美国市场。

PART 01

便宜又好用

能力逐渐接近之后，价格就会成为企业选择模型时最现实的变量。

在传统印象中，中国的AI大模型与美国顶尖模型之间还有一些差距。

但实际上，在今年的几次更新之后，中国AI大模型的能力已经快速接近美国的顶尖模型。

美国的相关人士甚至表示，开放模型（中国模型占比多）过去可能落后一年以上，现在大概只落后几个月。

当然，现在没有一套统一标准测评所有模型的能力，但是在部分场景下我们能看到直接的对比。

比如DeepSeek-V4-ProMax在发布时就和当时的国内外主流模型进行了对比，在LiveCodeBench（代码能力）、Terminal Bench（终端操作能力）、BrowseComp（联网检索与推理能力）上已经非常接近美国顶级模型，有些项甚至超过Claude Opus4.6。

再比如智普旗下GLM-5.1Thinking在SWE Pro上是58.4，甚至高于Claude Opus 4.6/GPT-5.4的57左右水平。

图：主流大模型基准能力对比

而在FrontierSWE这种长周期工程代理基准上，智普官方的数据显示，GLM-5.2 与Claude Opus4.8的表现差距约1%。

能力上相差不大，但价格上却是天壤之别。

仍然以智普GLM-5.2为例，按输出token价格比较，GLM-5.2的成本约为Opus 4.8的18%，差不多五分之一。

我们还对比了一下OpenAI、Anthropic、智普和DeepSeek的主要模型价格，发现中国模型的使用价格差不多只有美国顶尖模型的十分之一左右。

比如OpenAI GPT-5.5为$5/$30，Anthropic Fable5为$10/$50。

但DeepSeek即使按思考模式$0.435/$0.87计算，其输入价格也仅为GPT-5.5的约8.7%，输出价格约为2.9%；非思考模式价格进一步降至$0.14/$0.28，更适合大规模调用和成本敏感型场景。

智谱的价格稍高，但GLM-5.2定价也仅有$1.4/$4.4，输入价格约为GPT-5.5的28%，输出价格约为14.7%。相比Anthropic Sonnet 5的临时价格$2/ $10，GLM-5.2输入价格低约30%，输出价格低约56%。

图：主流大模型API价格对比

价格真正改变的是什么？

当“够用”模型价格仅为旗舰模型1/10时，企业AI部署的成本结构就会发生根本性改变。

而这件事情背后反映的，不仅是美国头部AI企业的定价权被实质性削弱，更意味着大模型市场正在从“谁最强”进入“谁的单位智能最便宜”的新阶段。

PART 02

自主可控

价格只是入口，真正进入企业核心业务之后，可控性会变得同样重要。

当然，性价比也不是中国大模型在美国快速推进的全部原因。

这场竞争背后还有另一个关键点，就是自主可控。

OpenAI和Anthropic是典型的闭源模型，企业只能使用他们的能力，而无法对这个能力进行掌控。

这就有了一系列的担忧，比如数据是否安全？会不会突然涨价，成本是否可控？是否可以结合自身业务进行针对性的改造等等。

本质上，这是AI发展进入深水区的必然结果。就像云计算时代一样，最开始企业只是要上云，但后来逐渐会发展出公有云、私有云、混合云等多种场景和多种需求。

所以，现在越来越多的企业想要建立“可自行掌控”的AI架构，这就意味着不能只选择闭源模型。而恰好，目前最有竞争力的开源与开放权重模型大多来自中国。

而这一次在美国市场快速增长的中国模型，如DeepSeek、智普、千问，多款模型都是开源，或开放权重的。

图：国内主流大模型开源/闭源情况一览

开源/开放权重，意味着企业可以把模型部署在自己的服务器或私有云里，接入自己的数据、权限和业务系统，而不是完全依赖外部API。

Open Source Initiative2026年的开源报告显示，避免供应商锁定已经成为组织采用开源的重要原因，55%的受访者将其列为采用开源的主要驱动之一。

微软最近成立Microsoft Frontier Company也能说明这个趋势。

Microsoft Frontier Company是微软面向大型企业的AI工程落地公司，或者说前沿部署团队，他们的核心任务就是把AI从试点项目，真正部署进企业业务系统里，并且产生可衡量的商业结果。

这背后反映的，就是企业正在从依赖单一AI供应商，转向混合模型和开源工具。

趋势变化

闭源模型仍然强，但当AI账单真实放到管理者桌面上，企业会更认真地计算成本、控制权和长期可替换性。

市场上，关于开源和闭源的争论由来已久。

从模型企业，或者从产品的角度，大家肯定是期望有一个模型可以解决所有问题。

这样用户只需要接入一个API，企业只需要购买一个产品，叙事简单、干净、直接，也最符合模型公司的商业利益。

再加上过去很长时间，闭源模型都以代际领先的性能优势，安全、可控等特点牢牢占据市场，所以开源模型只能成为闭源模型的低成本替代品。

但随着AI在企业业务中的使用越来越多，当账单真实地放在企业管理者的桌案上，这些东西很快就开始松动。

比如前面提到的Lindy，他们的人数大约25人，此前使用Anthropic的Claude模型，该公司CEO弗洛 · 克里维洛（Flo Crivello）称每月AI账单严重超支，甚至超出了所有员工的工资支出。

但选择开源模型就不一样了。

MIT Sloan2026年初的文章引用研究称，如果更合理地把任务迁移到开放模型，全球AI推理开支每年可能节省约250亿美元。

再加上，真实的商业环境并不会完全按照第一理性的原则来发展。

现实的商业环境中，每个企业都有自己的需求、自己的数据、自己的合规压力、自己的成本结构，也有自己的利益边界。对于模型公司来说，模型越统一越好；但对企业来说，模型越可控越重要。

这也是为什么DeepSeek、Qwen、GLM这类中国模型会在这一轮竞争中受到关注。

最终结论

它们的意义不只是便宜，也不只是跑分接近前沿模型，而是同时踩中了两个趋势：一方面，企业开始计算单位智能成本；另一方面，企业越来越需要可部署、可替换、可治理的AI架构。

其背后，是大模型市场正在从“模型崇拜”进入“架构理性”。

换句话说，中国大模型正在切入的，不只是OpenAI 和 Anthropic的价格体系，更是闭源模型主导下的商业控制权结构。

而在这个背景下，美国闭源模型仍然强，但商业边界正在被重新划分。

大模型市场的下一轮竞争，可能不再只是谁的模型最强，而是谁能用更低成本、更高可控性，持续交付“够好用”的智能。