一家 AI 公司能力最强的模型，反而没有拿到最多用户。Anthropic 正碰上这个有点反常、其实很现实的问题：旗舰模型负责展示上限，企业客户却把更多日常任务交给便宜工具。
这不等于旗舰模型已经失败。现有线索没有说明“用户”究竟指账户数、API 调用量，还是收入贡献，也没有给出统计平台和时间区间。缺少这些口径，所谓 11% 的份额和收入增长 7 倍都不能当成可靠结论。
但报道指向的趋势很清楚：AI 采购开始按账单投票。模型能力仍然重要，只是“最强”已经不足以自动换来“最常用”。
Opus展示上限，便宜模型承担日常工作
Anthropic 长期用 Opus、Sonnet、Haiku 区分不同档位。具体代际会更新，产品分工大体稳定：Opus面向高难度任务，Sonnet平衡能力与成本，Haiku强调速度和低价。
| 模型档位 | 常见任务 | 客户最在意的变量 |
|---|---|---|
| Opus 等旗舰模型 | 复杂推理、高难度编码、长流程分析 | 准确率上限、少返工、复杂任务完成率 |
| Sonnet 等中档模型 | 日常编码、文档处理、通用智能体 | 效果、延迟和价格的平衡 |
| Haiku 等轻量模型 | 分类、抽取、简单问答、大批量处理 | 单次成本、响应速度、并发能力 |
问题也由此出现。
旗舰模型在评测榜单上领先，不代表它适合每一笔请求。让最贵的模型处理邮件分类、字段提取和格式转换，类似于开重型卡车送一只信封。能送到，但财务部门不会喜欢。
这也是为什么“便宜工具增长更快”不能直接等同于 Anthropic 失去竞争力。低价模型可能来自竞争对手，也可能来自自家产品线；可能在蚕食旗舰调用，也可能让原本用不起 AI 的任务第一次进入生产环境。现有信息还不足以证明是哪一种。
如果低价模型带来更大的总调用量，Anthropic得到的是市场扩张。若客户只是从高价模型集体下迁，收入和利润率才会真正承压。
两种情况，商业含义完全不同。
企业不再为参数买单，而是为完成任务买单
企业选模型，很少只看一次回答的价格。真正的成本通常包括：
API 费用 + 重试次数 + 响应延迟 + 人工修正 + 系统集成成本。
便宜模型如果频繁答错，省下的调用费会从人工审核和重复请求里吐回去。旗舰模型也可能因为一次通过率更高，在合同审阅、复杂代码修改等高风险任务中更便宜。
所以，采购团队不该用同一道演示题决定全部预算。更现实的做法，是拿自己的任务集做分层测试：
- 给分类、摘要、抽取和代码修改分别建立样本；
- 同时记录首次通过率、重试率、延迟和人工修正时间；
- 把模型费用除以最终完成的任务数，而不是只比较每百万 token 的标价；
- 高风险任务保留旗舰模型，稳定的重复任务交给低价模型。
如果你负责企业 AI 预算，接下来最可能发生的变化不是“统一换成某个最强模型”，而是部署模型路由。系统先判断任务难度，再决定调用 Opus、Sonnet、Haiku，或者其他厂商的模型。
开发者也会感到这种变化。团队可能不再允许每个应用随意调用旗舰模型，而是在网关层设定价格上限、延迟要求和降级规则。模型选择会从个人偏好，变成一项成本治理工作。
反方观点也成立：路由并不免费。判断任务难度会出错，多模型并存还会增加测试、监控和合规负担。规模较小的团队，未必能靠复杂路由省回这些工程成本。对它们来说，一个效果稳定的中档模型往往更省事。
真正危险的是模型品牌被路由层架空
“天下熙熙，皆为利来。”放到 AI 市场，就是用户嘴上讨论谁最聪明，系统最终调用谁，往往由价格、延迟和稳定性决定。
这让我更在意另一个变量：以后做选择的可能不再是人，而是平台。
当代码工具、智能体平台和企业网关自动分配请求时，普通用户甚至不知道后台调用了哪家模型。模型公司辛苦建立的品牌认知，会被路由层压缩成几项参数：成功率多少、延迟多高、这一单多少钱。
移动互联网也出现过类似的权力转移。早期用户主动寻找网站和软件，后来应用商店、信息流和推荐算法掌握分发。AI 模型市场与它并不完全一样，但控制入口的一方，通常比单纯提供能力的一方更接近用户，也更有议价权。
Anthropic因此要证明两件事。
一是旗舰模型能否在高价值任务中形成足够大的效果差距，让客户愿意长期支付溢价。二是便宜模型能否扩大总需求，而不是单纯把高价调用替换掉。
接下来该看的也不是某一次榜单名次。更有用的信号，是企业客户是否把 Anthropic 留在默认工具链里，以及旗舰模型在复杂编码、智能体执行和高风险分析中，能否持续降低返工成本。
模型可以靠评测赢得掌声。产品最终要靠一张张真实账单留下来。