- 文章指出，开源AI模型与领先的独占（商业）模型之间的差距已大幅缩小。多位专家表示，开源模型在能力上仅落后约4个月，但成本却低了约10倍。
- Apelogic 首席执行官鲍里斯·伦斯基（Boris Renski）认为，企业主要是在为身份管理、系统连接、监控和路由等企业级功能付费，而非AI能力本身。他警告称，与独占AI实验室签署长期合同可能会导致类似于以往甲骨文（Oracle）许可证的依赖状态。
- 云原生计算基金会（Cloud Native Computing Foundation）执行董事乔纳森·布赖斯（Jonathan Bryce）认为，仅仅为了获得几个月的技术优势而支付高昂的费用并不是一种合理的AI战略。他建议企业构建在开放基础设施上，以便轻松更换模型和硬件。
- Featherless 表示，在 AMD 基础设施上运行的 Z.ai 开源模型 GLM 5.2 与独占模型相比，可降低约 94% 的AI推理（inference）成本。对于每月消耗约 1000 亿个 Token 的开发团队，其年成本估计约为 9 万美元，而 GPT-5.5 约为 156 万美元，Claude Opus 4.8 约为 151 万美元。
- 根据德勤（Deloitte）的数据，一家医疗企业在 6 个月内消耗了约 1 万亿个 Token，这表明AI成本正成为大型企业面临的重大问题。
- 一些开发人员评估认为，在技术研究、算法和界面组件开发任务中，GLM 5.2 的质量与 Claude Opus 4.8 相当甚至更好，但在 3D 或大规模项目中仍存在局限性。
- 专家还指出，目前许多领先的开源模型都来自中国，这引发了关于隐私、安全以及在内部基础设施上自主部署的问题。同时，实际成本还取决于部署规模和每个模型各自的 Token 计算方式。
- 文章总结道，随着AI模型日益成为通用商品，竞争优势将从模型本身转向企业内部的高效集成、配置和运营能力。
- 📌 结论： AI 竞争正在从纯粹的能力转向成本和部署可行性。当 GLM 5.2 等开源模型仅比独占模型落后约 4 个月，但在某些场景下可降低高达 10 倍或更多的成本时，许多企业开始重新审视其AI战略。然而，安全、隐私、实际运营成本和集成质量等因素仍将决定哪种模型适合各自的组织。
