The AI Model Tier List

过去一提到先进的 AI 模型，大家关心的就只有一件事：谁领先。

到底是 Anthropic 的模型，还是 OpenAI 的模型，或者 Google 的模型，是市面上最好的？

而且它是不是好到足以让我必须马上换过去？

但现在，情况变得复杂多了。

不光是这些模型都已经达到某个关键门槛，能做到的事情比过去那些模型多得多；我们在个人、小团队和企业层面使用 AI 的量也大到了一定程度，由此进入了一个新阶段：人们和公司不再只考虑能力，也开始考虑模型效率，以及如何搭建完整的模型架构或者模型栈，让合适的任务找到合适的模型。

今天我们会看几个方面，看看这个新阶段是如何体现在数据里的，同时也会分析一位很受欢迎的 AI YouTuber 做的 AI 模型分级榜。

The AI Daily Brief 是一档每日更新的 podcast 和视频节目，关注 AI 领域最重要的新闻和讨论。

今天贯穿新闻头条和正片内容的一个副主题，是开放模型在整个模型栈里越来越重要的位置。

而这也正是我们第一条新闻背后的潜台词：Hugging Face 显然正在接触潜在收购方。

Business Insider 报道说，Hugging Face 正在寻求以一百三十亿美元的价格退出。

消息人士说，他们已经聘请了一家投资银行来接收报价，但目前还没有达成任何交易。

这家公司上一轮融资还要追溯到 2023 年，当时估值是四十五亿美元。

那一轮融资的参与方包括 Google、Amazon、Nvidia、Intel 和 Salesforce。

从那以后，这个平台的重要性当然只是在不断上升。

它一开始是一个让开发者、研究人员和爱好者探索开放模型的地方；这些模型当然在很多不同方面都很有意思、也很重要，但当时并不真正属于专业用户或者商业用户会考虑的范围。

当然，在过去一年里，开放模型和前沿模型之间的差距已经缩小了；开放模型跨过了一些关键门槛，使它们能够被整合进严肃的商业工作流里。

伴随着这个变化，Hugging Face 已经变成了一块关键基础设施，承载着最新发布的模型，而这些模型可能会大幅改变 AI 工作的完成方式。

AI 评论者 Rohan Paul 写道，Hugging Face 现在托管了超过两百万个模型、一百五十万个数据集，以及一百五十万个 AI 应用。

买家买到的，会是围绕这些资产的分发层，再加上帮助开发者找到一个 artifact、判断它是否安全、并把它投入生产环境的工作流。

随着开放模型越来越多，这个协调层就会变得越来越难以替代。

Stripe 收购 OpenRouter，以及现在市场对 Hugging Face 的新兴趣，看起来都像是在押注：未来会是一个模型长期碎片化的世界。

说实话，对 Nvidia 来说，这会很有道理。

而且进一步说，如果 Nvidia 收购 Hugging Face，并且真的利用到那些数据，他们很容易在今年年底前推出一个能击败中国的 open-weight 模型。

当然，Nvidia 有一个没有受到足够关注的产品线，就是他们的 Nemotron 系列模型。

但如果你有在留意，就一定会感觉到，Nvidia 正在越来越认真地把开放模型视为竞争栈中的重要组成部分，这也会让这种交易变得相当有意思。

进一步支撑这个想法的是，周四，独立科技记者 Eric Newcomer 报道说，Poolside 已经接受了一项实质上相当于 Nvidia 部分收购的交易。

Nvidia 将支付六十亿美元，获得一项非独家许可协议，以访问 Poolside 的技术；与此同时，还会以一百二十亿美元估值进行十亿美元的股权投资。

Poolside 成立于 2023 年，由一位前 GitHub CTO 创办，目标是训练面向软件开发的开源 foundation models。

作为交易的一部分，Nvidia 将从 Poolside 挖走一百多名工程师，让他们参与未来版本的——没错，正是——Nemotron 模型的开发。

消息人士说，这基本上是 Poolside 工程团队的大部分成员；不过根据发给 Poolside 投资者的信，原话是：“这不是一次收购，也不是一次 acquihire。”

一个关键区别是，跟近几年其他大型 acquihire 交易不一样，创始人和核心领导层会继续留在 Poolside，并且会继续运营这家创业公司，重点放在一些还没有具体说明的研究项目上。

消息人士说，计划是给 Nemotron 团队扩充人手，试图打造世界上最强大的开放模型，尤其是要和 DeepSeek、Moonshot 这样的中国实验室竞争。

在同一封写给股东的信里，Poolside 的创始人写道，这笔交易的目的，是创造一个未来，让 AGI，引用原话，“不是由少数人控制的封闭技术，而是由很多人在开放环境中共同构建的技术。”

哇，这还挺让人意外的。

据我理解，Nvidia 买下的是 Poolside 里面模型工厂的那一部分，而且很多员工、研究人员都收到了 Nvidia 的 offer。

创始人继续留在 Poolside，这一点不太常见。

我在想，他们会不会就变成一家 neocloud 或者算力提供商，因为我在这里没看到任何关于 PIC，也就是 Poolside Infrastructure Company 的提法。

The Wall Street Journal 报道说，这笔交易是在最近几周匆忙谈成的，原因是一轮融资失败了。

Poolside 的创始人写信给股东说，去年年底，我们只有一个六周的窗口期，要筹集二十亿美元，用来支付一个四万块 GB300 组成的集群，这个集群原本一月份就要上线。

我们没能及时完成融资，所以失去了这个集群。

他们说，他们振作起来，重新投入工作，但很快意识到，最早到明年，他们的算力和资本就会耗尽。

在他们看来，Nvidia 是继续推进打造前沿开放 coding model 这项工作的完美合作伙伴。

现在，为了进一步说明 Nvidia 正在更深入地进入模型训练这件事，上周 The Information 报道说，Nvidia 正在参与数据标注创业公司 Mercor 的最新一轮融资，而且值得注意的是，Nvidia 在他们最近两个 Nemotron 模型上做 reinforcement learning 时，用的就是 Mercor。

周日晚上，The Information 又补充报道称，Nvidia 也在参与 Perplexity 的新一轮融资。

这一轮融资会让 Perplexity 的估值达到三百亿美元，比他们差不多一年前上一轮融资时高出百分之五十。

消息人士说，Nvidia 一开始感兴趣的是一项 licensing deal，这样他们可以雇用一些员工，但现在他们接受的是一笔普通的股权投资。

我觉得 AI 圈里那些爱讨论的人，肯定会对这件事有很多话要说，所以我预计我们还会听到更多相关消息。但重点是，从所有这些交易来看，很明显，Nvidia 在认真考虑研究、人才、训练数据，以及应用层，因为他们看到了 open-source frontier 的重要性正在上升。

现在回到 Nvidia 的核心业务。

The Information 又报道称，Nvidia 已经开始通知客户，顶级 Grace Blackwell 和 Vera Rubin 芯片的价格最高将上涨百分之十七。

这次调整适用于已经下单、计划明年交付的芯片。

The Information 写道，一整柜七十二块芯片的 Vera Rubin 预计价格会达到八百万美元，这会让建设一 gigawatt 算力的成本增加五十亿美元。

目前还不清楚，购买 Nvidia 芯片的云服务商会自己消化一部分涨价，还是把成本转嫁给租用这些芯片的客户。

一位了解这次涨价情况的人说，云服务商几乎肯定需要把涨价转嫁给他们的客户。

Bloomberg 认为，这次涨价源于内存成本的不断飙升。

Nvidia 已经削减了一些 Vera Rubin 系统中将包含的内存容量，但这并没有让它们免受成本压力的影响。

总体来看，这似乎进一步证实，各家公司都在为内存短缺做准备，而这种短缺会一直延续到明年很晚的时候，甚至更久。

说到为了应对 AI-flation 而提前布局，Alibaba 通过一次创纪录的股票发行筹集了一百亿美元。

这次二级市场股票发行是在周五收盘时完成的，成为香港市场同类发行中规模最大的一次。

周一早盘，股价一度下跌百分之十，这是自去年四月以来最大的盘中跌幅。

这次股票发行表明，中国正在加快 AI 建设，并开始从所有可用来源调动资金。

Union Bancaire Privée 的董事总经理 Vey-Sern Ling 指出，这不同于 Alibaba 过去对股票供应的严格管理，他问道，为什么不发债券呢？

这让我觉得，他们在 AI 投资上可能需要比我们预期更多的资金，而且他们可能也在急着跑到其他公司前面。

Big Short 投资者 Michael Burry 对 Alibaba 跟随美国科技巨头加入 AI CapEx 大战这件事，态度非常直言不讳。

他在一篇 Substack 文章里写道，Alibaba 正在美国这场商品化、低成本 LLM 的血战中取得很大进展。

作为一股颠覆力量，这令人印象深刻，而且我相信这种势头会持续下去，但我不能支持增发股票。

这对 Alibaba 来说又是一个新的范式，而它的投入资本回报率会继续下降。

在中国市场的其他地方，一场大规模 IPO 标志着 humanoid robot 炒作周期的开始。

Unitree Robotics 周三在 Shanghai Stock Exchange 上市，募资九亿美元，上市首日市值达到九十亿美元。

看起来这次发行定价明显偏低，因为股票在首个交易日暴涨了超过百分之四百六十。

Bloomberg Intelligence 分析师 Ian Ma 表示，Unitree 的首日暴涨表明，市场对中国 embodied AI 板块有强烈兴趣。

IPO 募集到的资金应该会加速 AI 的开发和商业化。

不过，The Information 也指出，中国 IPO 首日大涨其实并不算特别罕见。

事实上，这已经是今年第四只首日涨幅超过百分之四百的 IPO 了。

一系列监管护栏会通过限制卖出，从机制上推高首日表现；不过中国市场还有一个特点，就是规模较小的公司上市后能获得大得多的回报，这和美国这边的情况有点不一样。今天最后，还有一个有点违背主流叙事的事情。

至少 Dr. Dre 并不担心 AI 会接管音乐行业。

在 New York Times 的一篇人物报道中，这位说唱传奇和他的长期制作人 Jimmy Iovine 表示，他们认为 AI 对音乐是有好处的。

Iovine 说，我非常支持在音乐创作中使用 AI。

我完全看不到有什么坏处。

当然会有一些烂音乐。

现在也有烂音乐啊。

在录音室里，当有才华的人拥有 AI，他们会做出更好的唱片。

与此同时，Iovine 也承认，AI 公司拥有世界历史上最糟糕的公共关系。

我不了解整个世界历史，但我们就这么说吧。

它们的沟通能力太糟糕了。

这就是为什么大家都这么激动、这么反对。

Dre 完全同意，还补充说，我不觉得它是一种威胁。

我觉得只有那些在创作上有困难的人，才会把它看成威胁。

几天前，我和几个人聊过。

他们反对 AI，我就说，好吧，你们听起来就像那种当年 drum machine 刚出来时会反对它的人，或者会反对 synthesizers 的人，对吧？

它是一个新的创作工具。

有些人害怕学习新东西。

但我是主动拥抱它。

我都等不及想看看这件事接下来会怎么发展。

Dre 说，他在工作里大量使用 AI，尤其是想看看模型会用什么不一样的方式来做，有点像音乐版的头脑风暴。

Iovine 提到，Timbaland 也在使用这些工具，他还评论说，外面其实有很多偷偷用 AI 的制作人。

Dre 补充说，这个说法挺准确的。

他们确实在用。

他们只是不想承认而已。

我觉得这是一次特别有意思的采访，尤其是因为对我来说，音乐一直都提供了一些最有力的理由，让我不用担心 AI 会侵犯创造力。

如果你对这个讨论感兴趣，可以去找找我去年和 Rick Rubin 做的那期采访，我们在里面聊到，为什么他也把 AI 仅仅看作是下一代工具之一，是优秀音乐人会用来创作优秀音乐的工具。

不过今天的头条新闻就先到这里。

接下来是本期的主要内容。

欢迎回到 AI Daily Brief。

现在你在社交媒体上很常见的一类内容，就是 tier list，分级榜单。

其实早在社交媒体出现之前，人们就一直很喜欢各种榜单。

这也是为什么会有 Billboard 榜单、Forbes 榜单，还有那么多类似的例子。

但在互联网上，尤其是在短视频时代，我们真的特别特别喜欢把各种东西放进 tier list 里分级。

换句话说，就是按照某种 A、B、C、D 这样的评分等级来给它们排名。

最顶上的是 S-tier，至于 S 代表什么，不同的人说法不一样，有人说是 supreme，有人说是 superior，也有人说它什么都不代表，就是 S-tier，你自然知道 S-tier 是什么意思。

上周末，AI 创业者兼内容创作者 Theo 做了一份 AI 模型 tier list，而这种东西嘛，一发出来就引发了大量讨论。

在榜单最上面，他把 Fable 5 放在了 S-tier；GPT-5.6 Sol 在 A；Kimi K3、DeepSeek V4 Flash 和 GPT-5.6 Luna 在 B；Grok 4.6 和 MuseSpark 1.2 在 C。然后再往下，对，MuseSpark 1.2 下面，在 D-tier 的是 Opus 5、Sonnet 5、GLM-5 3、GPT-5.6 Terra，以及 Cursor/Anysphere 的 Composer 2.5。

DeepSeek V4 Pro 在 F-tier，而再往下，在一个单独的、很惨的低于 F 的等级里，叫 Google tier，里面是 Gemini 3.7 Flash 和 Gemini 3.1 Pro。

那么今天我们就来探讨一下模型 tier list 这个想法。

不只是因为争论这个很有意思，虽然确实有意思，更是因为现在正在发生的一件大事，就是我们的模型栈正在变得越来越多样化。

这当然已经发生在个人层面，而且也越来越多地发生在企业层面。很多组织不再只是选这个模型或者那个模型，而是在搭建一种基础设施，可以根据不同需求和不同任务，在不同模型之间切换。

甚至已经有一类公司就是专门做这件事的，也就是 router 公司。

其中最有名的 OpenRouter，刚刚被 Stripe 以七十亿美元收购。

甚至主流媒体也开始注意到，AI 模型之战已经不再只是关于纯粹的最先进水平了，当然，他们的理解方式还是很不完整。

你这个周末可能已经在社交媒体上看到 Financial Times 的这张图到处在传。

这张图的标题是，Anthropic 最好的模型 Fable 5，销售表现有限。

而且它显示，在企业花在 Anthropic 上的支出里，Opus 4.8 仍然是遥遥领先、最占主导地位的模型。

过去几周，随着 Opus 5 上线，它的使用量也已经超过了 Fable 5。

事实上，就目前来看，Sonnet 4.6 和 Fable 5 处在相当接近的水平。

那对有些人来说，这非常令人意外。

投资人 Dan Robinson 写道：“这让我挺惊讶的，也让我重新思考一些假设。

难道这么多企业用例真的已经被 Opus 满足到饱和了吗？

哪怕是更简单的任务，我也很难想象会有人不想要 frontier intelligence。”

他的评论区也反映了围绕这张图在 X 和其他地方流传的很多讨论。

也就是说，很多人非常笃定地认为，企业总体上是在非常有意识地决定不买 Fable，因为它太贵了；但他们要么没有理解这些数据来自什么背景，要么其实并没有任何真正的企业 AI 实践经验。

这些数据来自 Ramp AI Index，大约两周前由 Ramp 的首席经济学家 Ara Kharazian 分享出来。

Ramp 团队很棒，他们做的 AI 经济分析也确实很好，对整个行业非常有价值。

但这一次，在我看来很明显，他们的分析跑偏了。

Ara 在介绍这张图的时候，加了一句总结：“一个强大到曾经被短暂禁用的模型，然而企业并不觉得它值这个价。”

但问题是，我并不认为企业在有意识地判断 Fable 5 不值这个价，和这件事有多大关系。

这当然可能是其中一部分原因，但这次判断里完全漏掉的一点是，Fable 5 有一项三十天的数据保留政策。

这是这个模型在被政府关停后重新上线时，附带的临时安全措施的一部分。

单凭这一点，就足以让大量企业直接说，绝对不行。

当那些没有这类数据保留政策的模型依然很强大时，为了升级到下一个模型而引发各种严重的信息安全和数据方面的担忧，根本说不过去。

如果你需要证据证明这确实是很大一部分原因，那就看看过去一周 OpenAI 多么积极地在宣传他们针对 frontier models 的零数据保留政策。

不过也要替 Ramp 的 Aaron 说句公道话，他后来确实又回来补充说，有很多员工回复说，他们不被允许使用 Claude，因为 Anthropic 被要求为了美国政府的安全检查，把 prompts 保留三十天。

而且这里还不止这一点。

正如 Simon Willison 指出的，这些数据不仅来自 Ramp，而 Ramp 本身是一家极度偏技术前沿的公司，和它互动的也基本都是同样非常偏技术前沿的公司；更具体地说，这些数据还来自一个 token 和支出管理产品，而使用这个产品的用户，本来就是想尽量降低成本。

Simon 写道，Ramp 的整体数据本来就存在选择偏差，而这组数据的选择偏差更严重。

这是来自他们的 token 和支出管理产品，所以用户天然就更倾向于关注成本控制。

Claude 对大多数任务来说，根本不是最具成本效益的选择。

这里也暴露出了创业圈的一个盲点：觉得企业总体上还没有采用一个才发布几个月的模型很令人震惊，这种想法其实忽略了大多数企业行动起来有多么缓慢，简直像冰川一样。

虽然听起来可能很惊人，但我每天都会听到有人说，他们还在用 GPT-4.1，以及九个月前的其他模型，因为他们公司只给他们开放了这些模型。当然，这并不是说领先指标没有显示出企业确实正在变得更懂模型，也在搭建更完整的模型组合。

比如这周，The Information 就报道了 AT&T，并介绍了他们试图用 open source models 来降低 AI 账单的做法。

根据数据科学副总裁 Mark Austin 的说法，AT&T 的计划是在未来几年让对 OpenAI 和 Anthropic 的支出保持不变，然后逐步用 open models 来替代这部分使用。

这家公司大约有十万名员工，并且已经把 AI 嵌入到各个部门的工作流程里，范围从编程、财务分析，一直到 HR 和客户支持。

AT&T 使用 AI 的绝大部分场景都是内部用途，而且公司声称，他们已经在用 open models 来处理员工百分之四十的 AI 查询。

他们计划在未来几年，把这个比例逐步提高到百分之六十到百分之七十之间。

Austin 说，他发现 open models 已经和 Anthropic 或 OpenAI 的上一代模型一样好，甚至更好，而那些上一代模型本来就已经足够胜任这些任务了。

AT&T 仍然会把 frontier models 用在生成代码这类高级任务上，但对于更简单的用例，比如总结一个 PR，AT&T 现在用的是 open model。

Austin 说，我们预计这只会在未来继续变得更好。

顺便说一句，值得注意的是，AT&T 使用的模型包括 Nvidia 的 Nemotron，也包括来自 Meta 和 Google 的 open models。

AT&T 也在大量使用 model routers，来进一步节省成本。

在 AI 编程方面，Austin 说，使用 router 已经让成本最多下降了百分之五十六，而质量只下降了百分之二。

那说到和中国的竞争，虽然他们目前还没有使用任何中国模型，但他们正在分析把这些模型纳入组合会带来的风险。

而有一件事可能会改变他们怎么看这个权衡，那就是 Austin 提到，转向 open models 之后，他们就可以把一部分服务部署在自己的数据中心里，而这些数据中心配备了 Nvidia 和 AMD 的芯片。

这通常比从 cloud providers 那里租算力更便宜。

重点是，思考不同模型彼此相比各自擅长什么，其实不只是一个虚荣的练习，而且会成为企业越来越常做的事情，哪怕 Financial Times 只是拿了一张图来强化他们早已有的叙事。

现在回到 Theo 的榜单。

Theo 不只是发布了这个榜单，他还配套发了一个视频。

在我们进入具体观点之前，先挑这个视频里的几个重点来说说。我们先聊 GPT-5.1-Codex 被放在 A 级，以及 Claude 4.5 被放在 S 级。

关于 5.1-Codex，他说，它能做到一些我以前从来没想过 AI 居然能做到的事情。

你能用它做的事情简直不可思议。

它是我大多数时候处理大多数事情时默认使用的模型，但它不是我用过的最聪明的模型。

当我要写那些我真的希望合并进去的重要代码时，它仍然不是我最喜欢的选择。

那说到 Opus，他写道，Opus 知道的东西比我接触过的任何模型都多。

它的思考细致程度令人难以置信。

他指出，它有时候还是会在一些事情上栽跟头，也会碰一些不该碰的东西；它会走一些没必要的捷径，偶尔也会忘记自己正在做什么。

他把 Opus 4.5 称为一个需要被驯服的天才，而 GPT-5.1 Codex 则是一个稍微笨一点、但会严格照你说的去做的机器人。

有意思的是，虽然他把 Opus 4.5 评为唯一的 S 级，高于 GPT-5.1 Codex 的 A 级，但他说，如果我必须选一个，我会选 Codex。

它是我默认使用的模型。

如果没有 Codex，我会比没有 Opus 更想念它。

但 Opus 是最好的模型。

它是那个会写出我想合并的代码的模型。

它是那个我会信任它去复查其他东西产出的工作的模型。

它也是那个我会拿来讨论困难而深入的问题的模型，关于我想构建的东西，或者我想探索的领域。

Opus 4.5 是下一代。

GPT-5.1 Codex 是一个难以置信的模型，感觉像下一代，但它其实还是建立在上一代技术之上的。

Opus 就像公司里那个天才，没人想跟他一起工作，但也没人想开掉他，因为他是那里最聪明的人。

如果你学会怎么跟他配合，那效果就太惊人了。

那这件事特别有意思的地方在于，这跟我现在的体验非常相似。

任何一天、任何时刻，我都在这两个模型之间来回切换。

而且很多任务，我会同时在这两个模型里启动，来回试几轮之后，再决定我要重点用哪一个，通常会是 Opus，但也不总是。

不过在某种程度上，比 A 档和 S 档更有意思的，是他怎么给其他模型排名。

因为其他模型并不是想跟 GPT-5.1 Codex 和 Opus 4.5 竞争。

它们本来就是用来做不同事情的。

一个很好的例子是 nano。它在三个 GPT-5.1 模型里被描述为能力最弱的那个，但他把它排在理论上更均衡、处在中间位置的 mini 模型前面好几档。

关于 B 档的 nano，他说它在那里不是因为写代码，而是因为用他的话说，它聪明、快速，而且擅长一堆杂七杂八的事情。

他说，单看调用次数，nano 可能是我用得最多的模型，不是因为我用它写代码，而是因为我围绕代码在做一堆其他事情。

他指的这些事情包括给代码分类、从 GitHub 拉取内容、读取内容之类的。

基本上，对于那些不可逆的事情，他不信任它。

与此同时，关于 mini，他写道，它处在一个特别奇怪的位置。

很多这些指标，用 nano 可以便宜得多地拿到。

我宁愿在 high 设置下用 GPT-5.1，因为它会快得多，因为它生成的 token 更少。

我从来没有为了任何事情选择过 Terra，而且如果很多人会选它，我会觉得很意外。

它在价格表上看起来合理，但对我来说，在现实里并不合理。

我觉得有意思的是，这反映出一件事：我们现在才刚刚进入这种模型栈和复杂模型架构的阶段，公司开始真正认真地思考，不同任务该用不同模型。所以我们开始看到模型设计里更有意识的取舍，公司竞争的也不只是最前沿水平，而是各种类型的性能效率，取决于它们希望人们拿自己的模型来做什么。

而随着这种转变发生，我觉得很可能会看到很多模型落在一种有点诡异的中间地带：它们既不是值得为高价买单的前沿 state-of-the-art 模型，同时也不是其他使用场景里最高效、最快的模型。

比如说，虽然 Theo 喜欢 Kimi K2，但他在视频里提醒大家，它并不像人们看起来以为的那么便宜。仅仅因为它是 open weight，并不代表它更便宜。事实上，考虑到 Sonnet 用更少的 token 能做更多事，在 extra high 设置下，它的成本还比 Sonnet 略高一点。

那至于其他人的回应，你会感觉很多人只是在给自己个人最喜欢的模型站台。

而且考虑到这类分析很多都来自 X，你也可以想象，最常见的评论之一就是 Grok 4 Fast 应该排得更高。

不过还有另一条分析思路来自 Noah。他说，说实话，自从 Sonnet 4.5 之后，我完全不理解现在人们到底是怎么形成对模型的看法的。

它们都很棒啊，兄弟。

我希望我们能达到 AGI 的原因之一，就是我已经受够了这些模型鉴赏家不停地对模型之间那些微妙的、似是而非的差异发表高见。

这开始变得像是在争论你最喜欢什么颜色，或者你最喜欢哪只 Pokémon。

几年之后，我们会回头笑这一切的。

就连 Theo 在他的视频里也说，不管你用的是像 Fable 这种昂贵的顶级产品，还是像 DeepSeek V3 Flash 这种便宜得让人意外、效果也不错的东西，基本上都不太会出错。

我不认为现在用一个 tier list 是比较模型的最佳方式，因为可以比较的维度实在太多了。

比如任务能力、成本、token 效率、速度等等。

而且在很多方面，比 tier list 更有意思的，是这些模型组合起来之后的整体构成。

而关于这种构成可能是什么样、以及它正在怎么变化，一个有意思的数据来源是 Vercel。

Vercel 的 CEO Guillermo Rauch 最近展示了，在他们的 AI Gateway 产品上，open weight 模型和 closed weight 模型之间的使用比例是如何变化的。

从六月二十四日的 token 使用占比来看，也就是几个月前，closed model token 大约占百分之七十二，而 open model token 大约占百分之二十八。

两个月之后，这个比例基本反过来了，closed 降到百分之三十八，open 上升到百分之六十二。

当然，如果要说的话，Vercel Gateway 的数据会更明显地偏向开发者，因为它本来就被定位成一个面向开发者的 AI routing 工具。

但即便如此，在一些人看来，它仍然显示了风向可能正在往哪里吹。

投资人 Gavin Baker 分享了这张图，并说，又有更多数据显示，open source AI 正在从 OpenAI 和 Anthropic 手里抢份额。

考虑到 OpenAI 和 Anthropic 加起来在七月份还加速增长了，这一点非常令人印象深刻。

所以净 token 需求和 AI infra 需求的加速，比我们在 frontier 层看到的加速还要更明显。

按照 Gavin 的判断，open source AI 抢占份额，对 AI infrastructure 需求是利好，因为它会压低模型层的利润率，而且一个 open source token 生产出来所需要的算力，和一个 frontier token 一样多。

open source AI inference 没有任何东西是免费的。

Gavin 预测说，在我看来，最有可能的最终状态是，closed frontier token 占经济价值的百分之六十到百分之九十，但只占 token 数量的百分之十五到百分之二十五。

投资人 Daniel Newman 进一步强调这个结论，他补充说，Gavin 这里有两个非常重要的点。

第一，open-source models 的使用率和消耗量会高于 closed source。

第二，Frontier 仍然会拿走大部分经济收益，因为高端 intelligence 本来就能获得经济溢价。

MIT 的 Christian Catalini 认为，实际上它会分成三种不同的类型。

第一类支出是 cheap generalist，也就是商品化的 open-weight models。

光谱的另一端是 state-of-the-art generalist，也就是来自 closed labs 的那些 token。

然后在中间，也就是他新增的这个类别里，是他所说的 state-of-the-art specialists，也就是把 open weights 和企业专有上下文结合起来的模型。

当然，Microsoft 的模型显然不是 open weights，但这似乎正是 Microsoft 通过他们的 Microsoft AI Foundry 产品在推进的一类思路。这个产品允许公司使用自己的数据，在他们的 MAI models 基础上进行 post-train 和构建。

不过我觉得，关于这件事在所有企业里到底会有多普遍，还有很多合理的讨论空间。

可以明确的是，我们已经不再生活在一个只关心“最好的模型是什么”的世界里了。

接下来，理解不同模型因为不同原因适合放在哪里，会变得越来越重要。

即便是企业，没错，它们行动更慢，也更倾向于和单一生态系统保持更紧密的连接，它们大概也会想要建立一些环境，让小规模用户群可以测试各种不同方法，去寻找这些新型效率提升。

但这是否意味着，我们再也不会因为最新的 state-of-the-art 模型发布而感到兴奋了呢？

我们还得再看看。

现在有很多人在聊，说 GPT-5.1 很快就要来了，不过看起来 OpenAI 的 open-weight model 已经推迟到九月了，所以我们很快就有机会看到结果。

好了，今天的 AI Daily Brief 就到这里。

一如既往，感谢你的收听或者观看，我们下次再见，peace！