闭源模型主动降价，中国前沿开放模型的有效使用价格却在上升——这组看似矛盾的信号，正在改变资本市场衡量大模型公司的方式。投资者并不怀疑OpenAI和Anthropic仍能实现高速收入增长，真正担心的是模型能力加速扩散、企业转向多模型路由，而训练与推理投入继续膨胀，收入增长未必同步转化为毛利率和自由现金流。AI产业的核心问题，正从需求是否存在，转向利润最终留在哪一层。

过去两年，大模型市场有一套相对清晰的价格秩序：OpenAI、Anthropic等闭源厂商凭借能力上限收取更高价格，开放权重模型则以低成本、可部署和可定制争取客户。如今，这套秩序正在松动。美国厂商并未放弃旗舰模型的高溢价，而是把价格竞争集中在调用量最大、适用范围最广的主流产品上，用低价型号承接高频任务，同时将最复杂、最看重稳定性与速度的工作负载留给旗舰模型。

投行杰富瑞认为，这种分层仍然有效，而降价空间不仅来自模型结构优化，也来自推理系统、缓存、批处理和连接工具与上下文的Agent框架。推理效率提高决定厂商能否降价，中国模型进入企业可用范围，则决定厂商是否必须把效率红利更多让给客户；当替代方案尚弱时，降本可以沉淀为毛利率，一旦替代关系成立，降价便带有明显的防守意味。

开放权重模型的使用加权平均价格上升，并不意味着所有旧模型统一涨价，而是生态的能力中心和调用重心正在迁移。早期开源模型多用于分类、摘要、简单客服和轻量RAG，用户购买的是“足够便宜且基本可用”；现在，新增调用越来越集中于DeepSeek、Qwen、Kimi、GLM等中国前沿模型，并延伸至复杂推理、代码、长上下文和多步骤Agent任务，这些任务消耗更多算力，也更看重并发、显存和服务稳定性，自然落在更高价格区间。

Silicon Data指标按实际使用或支出加权，因此即便具体模型没有提价，只要用户从廉价小模型转向能力更强、调用成本更高的前沿模型，开源指数也会抬升。所谓“开源变贵”，更接近开源能力由低价工具向高价值生产工具迁移，而不是成本优势消失；市场开始愿意为开放模型的推理、代码和Agent能力付费，反而说明其商业化正在从生态扩张走向价值兑现。

对投资者而言，这组价格信号意味着什么？一方面，闭源厂商的降价策略可能压缩其毛利率空间，尤其当降价更多出于防守而非效率提升时；另一方面，开源模型的价值兑现可能吸引更多资本进入开放生态，但同时也加剧了模型层的竞争。华尔街的焦虑在于，收入增长能否最终转化为利润，而利润究竟会留在模型层、基础设施层还是应用层。随着企业采用多模型路由，单一模型的议价能力可能被削弱，这进一步增加了模型层公司盈利的不确定性。

总体来看，AI产业正从“需求是否存在”的验证期，进入“利润归属”的博弈期。闭源与开源的价格反向运动，既是技术效率提升的体现，也是市场竞争加剧的信号。对于关注AI产业链的投资者而言，理解这一价格动态，比追逐单一模型的性能指标更为关键。