开源模型正在扫荡应用层——API定价被打到什么位置

课程第六集讲了应用层的悖论，一个关键判断是：开源模型正在把应用层的护城河挖平。

这一篇把这个判断做实——你只要看一眼API价格表，就能理解现在应用层公司面对的压力有多大。

回到2024年初，GPT-4是绝对的王者。API输入每百万token 30美元、输出60美元。所有做AI应用的公司都在调用GPT-4，用户体验和开源模型有代际差距。当时你的产品哪怕只是套壳，只要接了GPT-4，就能收用户钱。

两年过去，情况变了。

看当前的API价格，GPT-4o输入每百万token 2.5美元、输出10美元。DeepSeek V3输入0.27美元、输出1.10美元。Qwen 3.5输入0.39美元、输出2.34美元。Mistral Small输入0.10美元。DeepSeek R1对标OpenAI o1这种推理模型，价格只有后者的5%。

开源模型的价格，平均只有闭源顶级模型的十分之一到二十分之一。

价格塌陷不是关键，能力接近才是关键。

DeepSeek V3在多项基准测试上已经接近GPT-4o，DeepSeek R1在数学和代码上和OpenAI o1相当，Llama、Qwen在通用能力上都在追平GPT-4。这意味着，对绝大多数应用场景——客服、写作、分析、代码补全——开源模型的输出质量已经“够用了”。

够用加上便宜十倍，那就是终结型的组合。

这对应用层公司意味着什么？

他们过去的商业模式是：调用GPT-4，套一个界面，收用户订阅费。差价就是利润。现在开源模型把底层成本打下来之后，应用层的差价空间被压得很薄。用户会说：你的产品这么贵，但底层调的可能是开源模型，凭什么？竞争对手会说：我调DeepSeek，同样功能收你三分之一价格。护城河没了。

更麻烦的是，开源模型的部署门槛在快速下降。Llama、Qwen、DeepSeek都可以本地部署，大型企业可以自己拉一份开源模型放进内网，连API都不用调。这就把“应用层调用模型API”这个环节彻底短路。企业级客户过去是应用层最肥的那块肉，现在他们越来越倾向自建。

课程里的核心判断——应用层最好的公司都没上市，而上市的应用层公司在开源冲击下护城河很薄——就是这么一层一层被现实验证的。

你不是不能在应用层赚钱，而是二级市场几乎买不到能真正赚钱的那批；能买到的，大多数是在被开源模型和大模型公司的“应用化”两头挤压。

反过来看，开源模型的胜利，恰恰是基建层的胜利。DeepSeek训练要用GPU，Llama部署要用GPU，Qwen推理要用GPU。开源模型越普及，推理算力的需求越大，而推理算力最终还是要落到英伟达、HBM、云、电这条链上。

这就是为什么“看好开源”和“看好基建”其实是同一个判断的两面。