开源模型的份额与前沿实验室的估值：一位模型无关厂商 CTO 的完整多空框架（20VC，2026-08-29）

先做两点澄清。其一，本期虽以设问式标题呈现，实际为主持人 Harry Stebbings 对单一嘉宾的一对一访谈，片头的对立金句剪自同一人，反方论点仅以转述形式出现。其二，嘉宾为 Factory 联合创始人兼 CTO Eno Reyes，该公司主打模型无关的企业级 agent 产品并提供本地部署版本——其“开源必胜、前沿实验室估值虚高”的立场与自身商业利益直接绑定，全文观点引用时须计入该利益相关。在此前提下，本期仍给出了市场上较完整的一套开源多头兼实验室估值空头框架，与站上 Gavin Baker 的正和论构成直接对照。

一、定价框架：最便宜的模型未必是最便宜的系统

Reyes 的起点是计价单位的切换：企业不应看输入价格（每 token 单价），应看产出价格（每个结果的成本）。其举例为一次代码审查的价值远比其中 token 的价值有意义——高质量模型可能以百万量级 token 一次做对，便宜模型可能烧数十倍 token 反复试错，按结果口径反而更贵。由此其判断为：“我看到一个世界，最聪明的模型实际上是最便宜的。”

该逻辑的适用边界为高智力密度任务。对大量商品化任务，其预计将由开源模型主导；中间层将出现企业以开源底座做后训练得到的专属模型——仅供自用、不对外提供。其进一步判断后训练配方将被工具民主化，如同二十年前的软件开发，声称该能力只属于少数实验室的说法不会成立。

二、对前沿实验室估值的质疑：市场空间高估与模型锁定

Reyes 认为前沿模型的市场空间被系统性高估：数万亿美元的估值内嵌的假设是“你能把 token 价格翻倍且客户照买”，而替代选项的密度使该假设难以成立。

主持人以 Anthropic 的盈利季度反驳（其自称“我记得是”，属未核实转述）。Reyes 的回应为：驱动盈利的主要是模型之上的应用层，模型本身的利润率明确差于应用。模型商只有两条路：其一，成为 N 家卖推理的平台公司之一；其二，上移做自有模型的应用层。其观察为 Anthropic 走应用路线，OpenAI 两头下注但平台承诺更强。

对应用路线的核心批评为模型锁定的激励错位：被锁定的供应商只能交付“自家最好的模型”的结果，而非“市场上最好的模型”的结果，在按结果计价的竞争中两者价差可能极大。主持人顺势给出全场最尖锐的一问：若 Anthropic 以 2 万亿美元估值上市，“你本质上是在给 Claude Code 定价 2 万亿，而它的切换成本并不高”。Reyes 认可这正是投资人的根本风险，并给出实验室兑现估值的两条互斥路径：走监管俘获、使自己成为前沿能力的唯一供应商；或向全模型开放、贴近成本质量的帕累托前沿。其观察为 OpenAI 已在事实上接纳更多外部模型。

三、补贴战与利润率：两个“无限弹药”玩家在漫灌市场

行业基准（主持人口径）为 AI 公司毛利率约 30% 至 35%，对照 SaaS 时代的 70% 至 80%。Reyes 披露 Factory 自身利润率良好（无具体数字），路径为不做消费端补贴、不做自助服务定价，代价是牺牲自助用户的心智份额。

其对补贴战的定性为：市场上有两个实际拥有无限资金的玩家在漫灌市场，逻辑是“漫灌就能留住你”，但事实证明补贴一撤用户就走。其判断消费者终将流向最具成本效益的方案，而一至三年内该方案就是可本地运行的开源模型。给投资人的提示为：补贴换客户的策略本身不新，但若无利润率上行路径则非常危险——涨价若不伴随结果价值同步提升，用户会流失。

四、路由、harness 与“智能主权”

对 Stripe 收购 OpenRouter，Reyes 的定性为：路由技术本身不构成差异化，买的是资本配置流向的信息——token 是智能、由能源转换而来、用钱购买，Stripe 已控制资金流，借此再控制“智能配置去向”的信息流。“技术不再是护城河。”

其披露的内部数据为：网关型路由带来约 10% 至 20% 的成本节约，但 agent 工作流需要的是任务内部的有状态分配；长上下文的实际解法与持续学习均落在 harness 层——“模型商自己也已承认，所有持续学习发生在 harness 层”。

由此引出其称为“未来五年 AI 核心问题”的命题：谁是你智能的主权者——任务产出的数据、成功工作流的学习成果归谁所有。其类比为律所将全部案件外包后五年被承包方反向碾压。本地部署的真实含义在其表述中并非技术方案，而是“随时可以收回全部控制权”的选项价值——其披露很多谈过本地版的客户最终选了云端版，因为知道随时能切换就有了安心感。

五、核心辩题：开源模型的来源标签与三问清单

这是与标题对应的主段落。Reyes 的核心论点（其判断，且利益相关）为：“把开源模型叫作中国模型，是前沿实验室的一次话术操纵，目的是让人觉得它们可怕、把它们他者化。”在其看来，对任何来源的模型应问的问题完全同构，其三问清单为：模型创造者可能审查了什么；模型能否解决我关心的问题；若该模型 6 至 12 个月后消失、能否切换。

安全审计层面的关键表态（其判断，未引用具体审计报告）：“迄今没有展示出任何一例相对美国模型的安全风险或后门。它们只是以偏向自身创造者偏好的方式存在偏见——美国模型同样如此。这些是你必须知晓的事，但通常不改变日常使用。”

合规边界其画得清楚：当前应由企业针对自身任务逐一分析后再用；涉及国家安全与防务工作的机构不应使用；而对代码审查这类任务，不同来源的模型“很可能给你同样的结果”。其举了一个反向例子说明内容限制并非单一来源模型独有：特定供应商的模型会拦截其创造者不认可的用途——“你必须知道是谁造的，这一点对所有模型都成立”。

需要说明的是：本段未出现任何具体模型名称、价格对比或许可条款细节，论证停留在框架层而非逐款审计证据层。

六、份额预测：“99% 的工作流、但 1% 的任务占 30% 至 40% 的价值”

主持人转述 Vercel 创始人的观察：开源模型的用量权重正以显著更快的速度上升。Reyes 给出全场最锋利的量化判断：“三年内 99% 的工作流将在开源模型上完成，但其中约 1% 的任务可能占未来智能经济价值的 30% 至 40%。”即用量几乎全部开源化，而前沿与开源的能力差距反而会比今天更大。论证为：实验室创始人谈自家前沿模型的用例——前沿生物研究、AI 研发本身、安全与防务——都是极窄的科技前沿画像；走进任何一家大型企业，“99% 的情况都不需要真前沿智能，因此成本将主导”。其甚至建议实验室可以发布开源模型再自营推理，“那可能反而是笔好生意”。

巨头站位评估（均为其判断）：微软可能是 AI 时代位置最好的超大规模厂商——模型独立性将极具价值，“微软拥有那些数据中心，无论上面跑谁的模型，微软都赢”。债务周期的判断与站上 Murdock、Dylan Patel 两篇同向：有耐久业务垫底的巨头即便预测受损也活得下去，而实验室为数据中心与下一次大训练举债后，“必须成为科技史上现金流最强的企业才能活下来，这是极高的门槛”。

七、行业格局：新实验室死亡率与竞争排名

对新兴模型实验室（neolab）的存亡，其判断比市场常见口径更激进：“未来 18 个月 80% 至 90% 的 neolab 死掉是可能的”，但多数以被收购的形式收场，问题在于作为独立公司不成立。其判别三问为：是否绑定耐久工作流；新前沿模型变强是否改变该工作流；新的组织方式出现时该工作流是否仍然成立。法律赛道三问全过，通用型中间知识工作则不具差异化。

竞争威胁排名来自其一线企业销售观察（披露性质）：企业对话中出现频率第一为 Claude Code；第二为 Codex，且越来越多客户自述已完成切换——其称这反而证明这类工具缺乏黏性，并注意到客户提的是面向工作而非面向编码的版本；第三为 Cognition；第四为 Cursor（被企业视为 IDE 而非开发战略）。

token 开支侧的三个数据点值得单独记录：某数据公司 CEO 称 token 支出已超工程师薪酬总额（转述）；给最佳工程师配 10 万美元 token 额度的说法再次被引用（转述）；Factory 披露曾为攻克一项评测单日烧掉近七位数美元额度、由一人操作，并判断部分企业的项目制 token 预算将达到八至九位数。

收尾的快问快答：三选一长持微软（嵌入每家大型企业）；对 SaaS 公司的判断为“当代 SaaS 更像电影公司，必须连出爆款”，将见到一波在被蚕食前出售的并购潮。其认为五年后回看今天最荒谬的事：“我们曾让一个约 200 万人的'祭司阶层'决定全人类所有软件的命运”——按需即时生成软件将在三到五年内成为常态。

（口径提示：本文基于补抓的自动字幕整理。嘉宾为模型无关工具厂商 CTO，其立场与公司利益直接绑定；“Anthropic 盈利季度”为主持人未核实转述；文中各笔并购与估值数字为主持人口头转述、精确度不一；开源模型安全性的表态为嘉宾判断、未引用审计证据，引用前请核对原始来源。）