中国模型吃下九成开源账单

Menlo Ventures 把企业开源模型市场的最新账单摊开了：中国模型拿走了其中 89% 的支出，月之暗面的 Kimi 以 61% 排名第一，DeepSeek 和智谱 GLM 分别占 15% 和 11%，Meta Llama 只剩 7%。

这组数据来自 Menlo Ventures 于 11 月 3 日发布的《2026 年企业 AI 现状报告》。据 IT之家 转引，报告调查了近 400 名美国企业 AI 业务负责人，因此更准确的说法是：中国模型在受访美国企业的开源模型支出中占 89%，而不是对全球所有企业账单进行完整统计后得出的市场份额。

这个口径差异很重要，但不影响核心结论：中国模型已经取得企业开放模型市场的定价权，至少在美国企业开发者愿意真正付费使用的部分，它们不再只是低价替代品，而是默认候选。

Kimi 一家拿走六成，Llama 退到 7%

企业开源模型支出，是企业为部署、托管和使用开放模型所支付的推理、算力及相关模型服务费用。它衡量的不是模型在社交媒体上的热度，也不是下载次数，而是企业实际把预算投给了谁。

Menlo Ventures 给出的份额如下：

| 模型系列 | 所属公司或组织 | 企业开源模型支出份额 | 排名 | 主要信号 | |---|---|---:|---:|---| | Kimi | 月之暗面 | 61% | 1 | 在企业付费维度形成明显领先 | | DeepSeek | 深度求索 | 15% | 2 | 开发者调用量和成本优势突出 | | GLM | 智谱 | 11% | 3 | 企业部署与智能体场景占据一席之地 | | Qwen | 阿里巴巴 | 3% | 4 | 模型生态广，但报告中的支出份额相对有限 | | Llama | Meta | 7% | 西方模型第 1 | 仍有生态基础，但商业使用份额被中国模型挤压 |

表中中国厂商的单项数据相加为 90%，与报告概括的 89% 存在 1 个百分点差异。这个偏差更可能来自四舍五入、统计分类或调查权重处理，不能据此判断报告自相矛盾，也不应把这些整数份额当成精确到个位数的财务审计结果。

Kimi 的 61% 是这份报告中最值得关注的数字。它意味着在受访企业每花 100 美元使用开放模型时，约有 61 美元对应 Kimi，金额超过 DeepSeek、GLM、Qwen 和 Llama 所列份额之和。

Llama 的 7% 则标志着开放模型竞争逻辑已经变化。Meta 曾凭借较早开放模型权重、完整尺寸梯度和庞大开发者生态，长期充当企业自部署大模型的默认起点；如今，企业采购者开始将注意力转向推理能力、长上下文、代码表现、智能体执行能力和单位 token 成本，而不再只看生态历史。

89%很高，但它不是整个企业AI市场的89%

中国模型拿下的是开源模型支出的 89%，不是企业全部 AI 支出的 89%。Menlo Ventures 预计，2026 年企业 AI 部署支出年化规模将达到 1768 亿美元，其中 AI 应用市场约为 773 亿美元，编程类 AI 应用支出约为 340 亿美元，企业 AI 聊天机器人支出约为 250 亿美元。

开放模型在相关平台上贡献了 19% 的 token 用量，却只占企业模型支出的 4%。换句话说，开放模型已经处理了接近五分之一的推理负载，但每处理一个 token 所创造的收入，仍显著低于闭源模型。

Token 是大模型处理文本、图像和其他输入时使用的基本计量单位。企业模型账单通常与输入 token、输出 token、缓存、推理时长及托管资源有关，因此 token 用量比单纯的用户数更接近真实工作负载，但不能直接等同于营收。

把 89% 直接乘以 4%，再声称中国模型获得企业全部 AI 支出的 3.56%，同样不够严谨。1768 亿美元包括应用、基础设施和模型等不同层级，而 4% 对应的是特定模型支出或平台口径，两者并不一定使用同一个分母。

这组数据真正说明的是，中国厂商已经赢下开放模型这个高调用量、低客单价的市场，但尚未赢下利润最厚的闭源模型和上层企业应用市场。Anthropic、OpenAI 和 Google 仍在企业模型预算中占据更强的商业位置，尤其是高可靠性代理、复杂代码任务、合规交付和完整企业服务协议等场景。

中国模型赢的不是“免费”，而是性能价格比

开放权重模型是允许开发者下载或获得模型参数，并在自有或第三方基础设施上运行的模型。它们经常被统称为开源模型，但开放权重不一定等同于符合 OSI 定义的完整开源软件，因为训练数据、训练代码和复现流程未必全部公开。

企业选择中国开放模型的直接原因，是能力与成本开始同时具备竞争力。过去一年，开放模型的平均价格从每百万 token 0.45 美元降至 0.13 美元，下降约 71.1%；同期使用量增长 22.5 倍，月度处理量达到约 2.9×10^15 token。

价格下降和用量暴增同时出现，说明企业不是只拿开放模型做测试。批量文档抽取、搜索结果重排、代码补全、客服摘要、数据清洗和多智能体后台任务，都需要大量推理调用，而这些任务通常没有必要全部交给最昂贵的前沿闭源模型。

中国模型在这类工作负载中的优势非常现实：如果一个企业每月处理 1000 亿 token，按每百万 token 0.45 美元计算，理论模型费用为 4.5 万美元；按 0.13 美元计算，则约为 1.3 万美元，每月相差 3.2 万美元，降幅同样约为 71%。当调用规模进入万亿 token，采购团队不会忽视这种差距。

低价本身却不足以解释 Kimi 的 61%。纯粹依靠降价通常会带来更高调用量，却未必能获得最高支出份额；Kimi 同时拿到最高付费份额，意味着企业可能在高复杂度推理、长上下文、代码或智能体任务中使用了价格更高、计算量更大的模型版本。

Kimi拿支出，DeepSeek拿流量

企业支出份额和开发者请求份额呈现出明显分化。Menlo Ventures 的调查中，Kimi 以 61% 的支出份额远超 DeepSeek 的 15%；而补充统计显示，在 10 月 26 日至 11 月 1 日的 OpenRouter 文本请求中，DeepSeek 以 29.8% 位居模型开发商第一，OpenAI 为 18.8%，智谱 Z.ai 为 11.9%，Qwen 为 5.6%。

支出排名衡量的是钱流向哪里，请求排名衡量的是调用发生在哪里。两者之间的差异，通常来自模型单价、平均输出长度、推理 token 消耗、免费流量、模型路由策略以及用户结构。

DeepSeek 更像一台被大规模接入生产管线的高吞吐发动机。开发者会把它用于代码生成、后台代理和批处理任务，在较低成本下发起海量请求，因此它更容易在 token 或请求量榜单上占优。

Kimi 更像一项企业愿意为复杂任务支付溢价的计算服务。即使请求次数少于 DeepSeek，只要单次任务更长、推理计算更多、使用的模型档位更高，最终支出仍可能明显领先。

这也解释了为什么不能只看模型排行榜判断商业表现。一个模型可以在评测榜单上领先，却没有稳定企业客户；也可以拥有极高调用量，却因为定价过低而收入有限；真正有价值的指标，是调用量、留存率、单位调用收入和生产环境占比能否同时增长。

Llama的问题不是模型不能用，而是默认地位丢了

Llama 仍是西方开放模型中份额最高的系列，但 7% 已不足以支撑其昔日的主导地位。Meta 的优势依然包括成熟工具链、广泛硬件优化、庞大衍生模型社区和企业熟悉度，但这些优势正在被更快的模型迭代速度抵消。

企业不会因为一套模型来自 Meta 就永久锁定它。模型替换成本正在被统一推理接口、容器化部署、模型路由和评测平台持续压低，开发团队可以先用较小流量做影子测试，再根据准确率、延迟和价格动态切换供应方。

Llama 面临的竞争也不只是参数规模竞争。中国模型正在把重点转向混合专家架构、长上下文、多模态理解、推理效率和智能体执行，这些能力更接近企业实际采购时填写的需求表，而不是单纯追求一个更大的稠密模型。

Meta 仍可能依靠下一代 Llama 扳回份额，但它需要回答一个更直接的问题：当中国模型能力相当、价格更低、更新更快时，企业为什么还要承担迁移回 Llama 的成本？

这是一场开放模型胜利，也是一张利润警告单

中国模型目前最强的市场位置，是高吞吐、成本敏感且允许多模型替换的企业工作负载。这类市场会产生庞大的 token 数量，也能快速建立开发者习惯，但毛利空间往往被持续压缩。

每百万 token 的平均价格从 0.45 美元降至 0.13 美元，意味着模型厂商必须用超过 3.46 倍的调用量，才能在不考虑成本变化的情况下维持相同收入。实际用量增长了 22.5 倍，因此整体市场仍在扩张，但推理基础设施、GPU 折旧、电力和网络成本不会同步归零。

Kimi 的 61% 因而不仅是一份成绩单，也是一项规模化交付测试。月之暗面需要证明这种支出集中可以转化为可持续收入，而不是依靠高计算消耗和激进价格换取短期份额；DeepSeek 和 GLM 则需要把调用量、开发者认知进一步转化为企业合同和稳定预算。

企业采购方获得了更明显的议价权。开放模型能力越接近闭源前沿，企业越有条件采用分层路由：敏感数据使用私有部署，日常批处理使用低成本开放模型，最高难度任务再交给闭源前沿模型。

这种混合架构可能成为 2027 年企业 AI 的主流形态。真正的赢家未必是单一模型，而是能够根据任务难度、延迟、数据边界和预算自动分配请求的平台与团队。

89%的真正含义：开放模型前沿已经向东移动

Menlo Ventures 的结论可以概括为一句话：中国模型正在定义开放模型的能力前沿。89% 不是全球 AI 产业已经重新洗牌的证明，却足以说明美国企业在做技术选型时，已经无法绕开 Kimi、DeepSeek、GLM 和 Qwen。

这场变化比排行榜名次更有意义。排行榜领先可能只持续数周，而企业把模型写进内部工作流、评测体系和成本预算后，迁移成本会逐步增加，模型厂商也就获得了继续销售工具链、托管服务和企业支持的入口。

中国模型下一阶段的挑战不是继续证明自己便宜，而是证明自己可靠。企业客户最终会追问服务可用性、版本稳定性、数据合规、模型可解释性、安全控制、长期支持和跨区域部署，这些能力决定了 89% 的开放模型份额能否进一步转化为整个企业 AI 市场的份额。

Menlo Ventures 的报告因此更像一个拐点，而不是终局：中国模型已经赢得开放模型的使用权和采购席位，但闭源高端市场、企业应用层以及长期利润仍然掌握在另一批公司手中。

参考来源

• IT之家：Menlo Ventures 报告称中国 AI 模型占企业开源模型支出 89%——整理了 Kimi、DeepSeek、GLM 与 Llama 的支出份额，并转述 Menlo Ventures 最新企业 AI 调查结论。