失去競爭優勢？測試結果顯示美國 AI 模型成本比中國開源模型更低
根據 《The Information》 引述 AI 搜尋與市場調查公司 AlphaSense 的最新研究指出，在部分特定工作執行中，美國 OpenAI 與 Anthropic 的閉源 AI 模型，其實際使用成本其實比中國的開源模型更便宜，且能提供品質更好的回答。
這項研究於本月初公開，AlphaSense 採用了 245 個關係企業財報、投資人電話會議記錄及證券申報書等金融分析問題，對 9 款 AI 模型的回答品質與成本進行了測試。其結果顯示，一般而言，若單看詞元 （Token） 的定價，中國模型確實具有價格優勢。
其在每 100 萬個輸出 Token 的單價上，中國月之暗面 （Moonshot）「Kimi K3」 為 15 美元。Anthropic「Opus 4.8」 來到 25 美元，而 OpenAI「GPT-5.6 Sol」 則是達到 30 美元。然而，AlphaSense 的實測發現，Kimi K3 雖然 Token 單價較低，但為了產生回答，它會消耗更多 Token。這導致在處理單一問題時，實際產生的總成本反而高於 GPT-5.6 Sol。
實測數據顯示，GPT-5.6 Sol 中位數總成本比 Kimi K3 低 13%，且回答品質評分高 20%。Opus 4.8 實際總成本僅 Kimi K3 一半，但品質評分領先 13%。北京智譜（Z.ai）「GLM-5.2」實際成本約為 Kimi K3 兩倍，但品質卻更低。
AlphaSense 執行長 Jack Coco 指出，那些表面看起來昂貴的模型，因使用 Token 效率更高，最終花費反而更少。OpenAI 董事會主席 Bret Taylor 7 月底也表達類似觀點，指出頂級模型回答或執行任務時使用 Token 較少，因此比開源模型更具成本效益。
不過，AI 競爭的勝負仍取決於評估方式。AI 模型分析公司 Artificial Analysis 相同基準對比，便得出 Kimi K3 與 GLM-5.2 成本遠低於美國閉源模型的結論。這代表定價競爭力的最終結論，高度取決於測試的任務類型以及成本的估算方式。
面對這種局勢，Jack Coco 建議，最佳的應對方式是混合使用多種模型。AlphaSense 自身的搜尋服務便採用了這種邏輯。包括透過內部引擎，根據問題的性質，將需要高度規劃與推理的任務分配給高效能模型，而將執行與輸出交給低成本模型，達到確保品質同時最大化降低成本。
(首圖來源：NVIDIA)