2026.09.22 | AC | LLM | OpenAI Passes Anthropic in Spend Share

摘要

Astra发布后，OpenAI在模型聚合平台上的支出份额超过Anthropic，前沿模型的收费优势再次接受竞争检验。两家旗舰模型的标准输入、输出报价相同，特定评测中的任务费用却相差明显；企业客户又会因业务校验、部署和服务关系保留原有模型。笔 者认为，任务效果、稳定交付和算力紧张共同支撑当前高价，其持续时间各不相同。随着替代选择增加，模型公司需要以更好的任务结果和更低的运行成本保护利润；由暂时供给约束支撑的高利润，应在估值中采用较短的持续期。

一、Astra带来的变化，已经进入客户账单

9月16日，提供多家模型统一接入服务的OpenRouter披露，9月7日至13日，平台用户在OpenAI模型上的支出超过Anthropic。这是自2024年2月26日以来首次出现这一情况。

图1｜OpenRouter平台上OpenAI与Anthropic的周度支出份额。数据来源：OpenRouter、Peter Walker

OpenRouter研究负责人Peter Walker给出的模型分布更值得留意：在这两家公司全部模型的合计支出中，刚发布的GPT-6 Astra占19%，Claude Opus 5占16%，Claude Fable

1. 1占6%。Walker同时指出，OpenAI的回升早已开始，Astra是近期的重要转折。

表1｜2026年9月7—13日OpenRouter平台样本，数据来源：OpenRouter、Peter Walker

这批通过聚合平台采购模型的用户，仍会把相当一部分预算交给新一代前沿能力。已有模型与新品都在争取平台上的付费需求。今天取得领先的一方，下一轮发布后仍要面对新的竞争。

此前在《领先几个月，究竟值多少钱？》中，笔者已经讨论过模型领先的持续时间，以及第一方产品和客户关系的保护 作用。Astra之后，值得进一步追问的是：客户支付的高价，具体由什么支撑，这些支撑又能维持多久？

二、相同的Token报价，可以产生不同的任务费用

Astra与Fable 5.1的官方标准API报价，均为每百万输入Token 10美元、输出Token 50美元。缓存读取反而是Fable 5.1更便宜，每百万Token为0.25美元，Astra为1美元。

但模型评测机构Artificial Analysis的模型比较页显示，在其所测配置下，Astra的加权每道评测任务费用为3.26美元，Fable

1. 1为7.63美元，前者低约57%。同一比较中的加权每任务输出量，分别约为2.7万和7.8万Token。

表2｜报价为Standard基础档，Astra输入超过272K Token另有加价。AA采用Intelligence Index v4.3.2，配置为Astra max与Fable 5.1 Adaptive Reasoning、Max Effort、Default Fallback，综合指数接近、分项表现不同。任务费用包含输入、缓存读写、推理及答案Token，按评测权重计算。数据来源：OpenAI、Anthropic、Artificial Analysis

差异来自完成工作所消耗的资源。模型反复推理、重复读取上下文或多次修改答案，都可能增加账单。一个模型的单Token报价较高，如果能够更快找到有效路径、减少重试，客户支付的总费用仍可能更低。

这种比较也已经进入企业采购。据笔者调研，企业客户开始用单位任务费用选择模型：复杂代码任务若能一次解决，就能节省弱模型反复对话产生的费用与等待时间；简单、重复的任务则更容易交给低价模型。

两类任务可以在同一客户内部共存。处理常规文档分类，客户要求达到稳定的准确率；修复跨系统的复杂错误，客户更在意能否找到原因，以及需要投入多少工程师。能够完成此前做不了的工作，或显著减少人工返工的模型，仍有理由收取较高价格。

Anthropic也在主动调整这笔账。公司推出Fable 5.1时，将缓存读取价格下调75%，估计典型工作负载费用较Fable 5降低约25%，上下文和工具调用密集的Agent任务最高可节省约45%。输入、输出标价保持不变，客户账单已经可以下降。

笔者认为，前沿模型的价格竞争会越来越多地体现在任务费用上。客户每完成一项工作的支出下降，可以由效率改善、缓存降价或更合适的模型组合实现。供应商维持挂牌价格，并不足以维持原有的每项任务收入。

三、企业暂时不换模型，也会要求供应商让利

聚合平台便于开发者尝试和切换模型，已经进入生产系统的企业则要承担更多调整成本。模型输出需要与原有业务规则、权限和验收流程配合。企业会把效果改善、采购价格和重新部署的投入放在一起比较，较低报价节省的费用还要覆盖迁移、校验和流程调整。

6月的Anthropic企业应用调研提供了具体例子。接受访谈的交付侧专家称，在其接触的大客户项目中，OpenAI的低价并未明显触发主模型切换，客户却开始要求Claude转售方提供折扣。

客户留下有实际原因。一个供应链定价项目更换模型后，结果出现百分之几的偏差，就足以阻止迁移。原来的流程已经通过校验，换供应商要重新解释差异、确认业务指标，并协调多个部门。模型价格只是这一决策中的一笔费用。

服务商也在围绕交付条件设计产品。OpenAI的Reserved Tier允许企业预购指定模型的处理容量，高峰期优先保障这部分请求；Astra的API Fast模式则以两倍标准价格提供最高约两倍处理速度。对有明确时限、停机损失较大的业务，容量与响应速度本身就具有商业价值。

数据控制同样影响采购。Anthropic在9月更新企业安排，让符合条件的客户在新的防护方案上线前使用零数据保留；后续方案将数据放在客户控制的云基础设施中。企业购买模型时，也在选择自己的业务资料如何被存储、访问和管理。

这些条件能够延缓客户流失，却无法完全隔绝价格竞争。已有替代模型后，客户即使暂时不迁移，也可以在续约或渠道谈判中要求更好的条件。供应商保住调用量，实际成交价仍可能下降。

而且，提供服务和取得收入的主体可能不同。摩根士丹利8月对开放模型的研究指出，云平台可以通过托管、数据库、存储、安全治理和监控收费，模型API甚至可以承担低价引流作用。企业支付的整套服务费用，可能由模型公司、云平台和交付方分别取得。

笔者认为，在已经完成业务校验、涉及多部门协作的项目中，稳定交付能够延长客户关系，短期模型排名变化较难立即改写采购。掌握客户合同的一方更有机会保留后续收入，同时要承担实施、维护和续约让利。客户留存较高的业务，也可能持续让出一部分价格。

四、算力紧张，给当前价格增加了时间上的保护

客户愿意付费之后，供应商还会考虑是否有必要主动降价。科技商业分析刊物Stratechery创办人Ben Thompson在9月21日发布的文章《Frontier Overhangs》中提出，前沿实验室以当前价格就能消化可用供给，降价争取更多调用的动机受到限制。训练、强化学习和研发又占用了大量算力，新增采购未必全部变成对外推理容量。

巴克莱8月28日对AI实验室单位经济性的研究，也预计前沿竞争增加、算力稀缺缓解后，推理利润率可能回落。短缺为供应商提供了一段时间：只要已有客户需求足以占满服务能力，就可以优先把有限容量分配给回报较高的业务。

有效供给还取决于设备能否运行。高盛9月20日的微软管理层交流纪要记录，约束主要在芯片安装运行所需的空间；GPU到场至上线的时间缩短了约一半。公司每周在第一方应用、模型研发和外部客户之间分配容量，续约折扣也比惯常更少。

这一经营过程说明，机房、电力、上线速度与内部资源分配，会共同决定客户实际能购买多少服务。紧张时期的定价改善，除了提高报价，还可以表现为减少折扣、控制额度、优先满足高价值客户。

供给压力缓和以后，这些安排会重新接受竞争检验。已经建成的设备需要持续产生收入，供应商会更有动力争取新增任务，提高利用率。如果竞争者也能提供相近的能力与交付条件，客户获得的选择就会增加。

价格竞争也可以在总量仍紧张时发生。部分成熟任务已经出现可用替代，某一家供应商又可能拥有更低的运行成本，它就有条件主动争取订单。行业总体缺少算力，与某些模型开始降价，可以出现在同一个阶段。

因此，笔者认为，算力供给紧张能够延缓竞争对利润率的影响，但不适合支撑长期固定的高利润率假设。随着可售容量和任务替代方案增加，成本较高、效果差异较小的服务会更早面临让利压力。

五、价格下降后，利润取决于成本改善和收费关系

巴克莱估计，当前直接API推理利润率可能高于80%。这个口径聚焦付费推理，未扣除全部免费用户、训练研发及其他经营投入。报告同时把任务Token效率、服务效率和业务结构列为利润改善的因素。

图2｜直接API业务的单位经济。Lab A/B为巴克莱的假设模型；表内70%和50%为示意利润率，右侧红框另列报告时点高于80%的推理利润率估计。数据来源：Barclays，2026年8月28日

每项任务消耗更少Token，会减少客户账单，也可能减少供应商的计算支出；设备闲置、研发和服务费用却未必同步下降。如果客户费用下降快于供应商成本改善，原有高利润就会受到挤压。

可以用一笔简化的单位经济账说明。假设某项服务收入为100、推理成本为20，推理贡献率为80%；若售价降低20%，成本不变，贡献率降至75%。若成本也同步下降20%，贡献率仍为80%，但在任务量不变时，贡献利润金额从80降至64。供应商还需要 更大的使用量，才能保持原来的绝对利润。

长期经营由此分出三类不同的保护。

能力优势需要持续研发支持。新一代模型即使迅速取得收入，企业也可能很快开始为下一轮领先支付费用。服务优势需要实施与维护，渠道掌握客户账单后，也会要求分享收入。供给紧张带来的价格保护，则可能随着新增容量上线而缩短。

图3｜业务结构与推理成本如何影响模型公司的利润。Lab A/B为巴克莱的假设模型，2026年数字为研究估计；付费推理利润之后，还需扣除生产训练及研发训练支出。数据来源：Barclays，2026年8月28日

对依赖新品领先的模型公司，同行追赶越快，同代产品可维持高收费的销售窗口越短；保持增长又要求更频繁地更新，训练费用率下降就更难实现。企业服务收入可能持续更久，续约折扣、渠道分成和实施成本仍会压缩利润。低成本供应商即使主动降价，也有机会通过更大 的任务量保留利润。笔者认为，大模型公司估值中的长期利润率应由这些可持续的经营能力支撑，暂时短缺带来的额外收益适合放在较近的预测期。

结论

Astra在OpenRouter取得的支出份额说明，新一代前沿模型仍能迅速参与客户预算。任务费用的差异，又让这场竞争同时涉及效果和效率。已有企业部署可以延缓客户迁移，客户仍会利用替代选择争取折扣；算力紧张则为当前价格提供了额外的时间保护。

笔者认为，前沿模型的高收费将继续存在于能够创造足够任务收益、提供可靠交付的场景中。对模型公司的长期估值，更重要的是这些收入能否覆盖持续研发和运行投入，以及竞争加剧后还能留下多少利润。一次发布能够改变收入份额，跨越多轮发布后仍可保留的现金回报 ，才决定这项领先值得支付多高价格。

风险提示

本文所述观点仅代表笔者个人研究和分析，不构成任何投资建议。文中涉及的公司、行业及市场分析均基于公开信息和合理推测，可能存在信息滞后或理解偏差。投资有风险，入市需谨慎。