2026 年 7 月 7 日，CNBC 一篇報導把一個安靜累積了半年的轉向擺上檯面：美國公司正把愈來愈多的 AI 用量，轉到中國開源模型上，而 OpenAI、Anthropic 的成本卻在往上走。最刺眼的數字來自模型路由平台 OpenRouter：美國公司在中國模型上消耗的 token 佔比，自 2 月 8 日起每週都站上 30%，最高衝到 46%。而過去 12 個月的平均只有 11%，2025 上半年更只有 4.5%。半年之內，這條線幾乎翻了四倍。
要看懂這個轉向，得先看價格結構。自從 DeepSeek 在 2025 年初用「跟 ChatGPT 一樣好、但費用低一個數量級」震撼市場後，中國模型的定價就一路把西方對手甩在後面。今天 DeepSeek 的輸入 token 報價約 0.28 美元／百萬，而同級的 GPT-5.2 大約 10 美元／百萬——35 倍的價差。Moonshot 的 Kimi K2.5 約是 Anthropic Claude Opus 的七分之一價。整體而言，開源中國模型比 OpenAI、Anthropic 的旗艦便宜 60% 到 90%。當「夠好」和「便宜一個數量級」同時成立，企業的採購邏輯就變了。
同場競技的不只 DeepSeek。阿里巴巴的 Qwen、Moonshot 的 Kimi、智譜的 GLM 各自佔住不同利基；DeepSeek V4 更把價格壓到地板、還深度整合華為晶片。對照西方陣營：Sam Altman 七月初開始談 AI 的「新世界秩序」，一邊是 OpenAI 相對 Google、Anthropic 節節流失版圖，一邊是成本壓力往客戶端傳導。這不是單一產品新聞，是整個「模型即商品」的分水嶺。
對中小企業與接案商來說，真正要問的不是「中國模型會不會贏」，而是：你的 AI 功能，有多少其實不需要旗艦模型？接下來我們拆解完整數字、三類人今天該做什麼、一張模型比較表、以及不綁單一雲端 SaaS、也能自己控成本的做法。
事件細節：數字背後真正在發生什麼
先把硬數字擺齊（皆為 OpenRouter 與 CNBC 引用之數據）：
- 用量佔比：美國公司在中國模型上的 token 佔比，自 2/8 起每週 > 30%，峰值 46%；12 個月均值 11%，2025 上半年 4.5%。
- 價差：DeepSeek 輸入約 $0.28／百萬 token vs GPT-5.2 約 $10／百萬 = 約 35×；Kimi K2.5 約 Claude Opus 的 1/7。
- 整體級距：開源中國模型比西方旗艦便宜 60%–90%，API 報價普遍低 5–30 倍。
- 誰受益：把大量「不需要頂級推理」的任務（客服、分類、摘要、翻譯、抽取）跑在便宜模型上的團隊。
- 誰受壓：把整條產品都綁死在單一旗艦 API、又沒有 fallback 的公司——成本隨用量線性爆走。
值得注意的是，這裡的「中國模型」多半是開源權重，可以自架、也可以透過 OpenRouter 等中立平台調用。這一點，正是它和「單純換一家雲端 API」最大的差別。
三類讀者的立刻行動
給品牌主／中小企業老闆：
- 把「我們用不用得起 AI」這個問題，換成「哪些功能值得用旗艦、哪些用便宜模型就夠」。多數詢價自動回覆、分類、摘要，不需要最貴的推理。
- 要求你的技術夥伴給一份「AI 月成本 × 各功能用哪個模型」對照，而不是一張含糊的訂閱帳單。
- 若涉及個資／法遵，優先選「開源權重自架」路線，避免把客戶資料送進境外託管 API。
給行銷／SEO 操作者：
- 內容生成、改寫、翻譯這類批量任務，改用便宜模型跑草稿、只用旗艦做最後潤飾，成本可砍一大截。
- 把「模型選擇」納入你的內容 SOP：品質敏感的用貴的，量大的用便宜的。
給開發者／接案商：
- 導入模型路由（model routing）：依任務難度自動分流到不同價位模型，並設 fallback。這比壓在單一供應商穩定太多。
- 把「不綁單一雲」寫進架構：用相容 OpenAI 介面的抽象層，讓你能一行設定切換 DeepSeek／Qwen／GPT／Claude。
- 對法遵敏感的客戶，準備一套「開源模型自架」交付模組（GPU 主機或雲端 inference）。
模型比較表
| 模型 | 輸入價（約／百萬 token） | 權重 | 最適任務 |
|---|---|---|---|
| DeepSeek V4／V3.2 | 約 $0.28 | 開源可自架 | 大量分類／摘要／程式輔助，成本敏感場景 |
| Alibaba Qwen | 低（同級開源區間） | 開源可自架 | 多語（含中文）內容、抽取、agent 工具呼叫 |
| Moonshot Kimi K2.5 | 約 Claude Opus 的 1/7 | 開源／API | 長上下文、文件問答 |
| OpenAI GPT-5.x | 約 $10 | 封閉 | 最難的推理、複雜 agent 編排 |
| Anthropic Claude Opus | 高階區間 | 封閉 | 高風險程式、需要穩定長鏈邏輯的任務 |
價格為公開報價概略值，實際以各家官方定價頁為準（OpenAI、Anthropic、DeepSeek）。重點不是「哪個最好」，而是「同一個工作流裡混用」。
不會告訴你的事
- 便宜不等於免費午餐。境外託管 API 的資料落地、稽核與合規風險，對處理個資的台灣中小企業是真成本。想吃便宜又要合規，答案通常是自架開源權重，而不是直接打對方的雲端 API。
- 「35 倍價差」是輸入 token 的比較，不是總擁有成本。自架要算 GPU、維運、離峰閒置；用中立平台要算路由與失敗重試。真正該比的是「每個成功業務結果的成本」，不是單價。
- benchmark 漂亮 ≠ 你的場景可用。模型排行榜和你的客服語料、你的法遵要求是兩回事。任何切換都要用你自己的資料做 A/B，而不是信榜單。
不花 SaaS 訂閱的 SMB 替代方案
- 中立路由層：透過 OpenRouter 這類相容 OpenAI 介面的平台，用同一份程式碼切換多家模型、按量計費，不綁單一供應商。
- 開源自架：把 DeepSeek／Qwen 之類開源權重跑在自己的 GPU 主機或雲端 inference 上，資料不出境、邊際成本可控。
- 分層路由：90% 的量走便宜模型、10% 最難的走旗艦，再加 fallback。用開源框架（如相容 OpenAI 的閘道）就能自己搭，不必買企業級 SaaS。
- 成本量測：先接一層 usage log，記錄每個功能的 token 與成本——沒有量測，任何「省錢」都是猜的。
常見問題 FAQ
中國開源模型能自架嗎？資料會外流嗎？
DeepSeek、Qwen 等多為開源權重，可下載後跑在你自己的 GPU 主機或雲端 inference，資料不必送到對方的雲。若你打的是對方的託管 API，資料就會出境，這時才有落地與合規疑慮。要便宜又要合規，選自架。
我的產品現在綁死 GPT，切換成本高嗎？
若你當初用的是相容 OpenAI 介面的 SDK，切換多半是改 base URL 與模型名稱的層級；若你散寫了很多供應商專屬邏輯，就得先抽一層抽象。建議一開始就用路由層，未來換模型是設定檔的事。
便宜模型品質夠嗎？
看任務。客服回覆、分類、摘要、翻譯這類，便宜模型多半綽綽有餘；最難的推理與複雜 agent 編排，旗艦仍領先。正確做法是分層路由，不是二選一。
接案商可以把這個變成服務嗎？
可以，而且是現在最好賣的其中一種：AI 成本稽核 + 模型路由導入。幫客戶量測現有 LLM 花費、把便宜任務分流、保留旗艦給關鍵路徑，通常能在不掉品質下砍掉可觀的月費。
我的觀點
市場的敘事是「中國模型正在贏」，但這個框架會讓你做錯決定。對中小企業，真正的訊號不是地緣政治，而是：把 AI 功能綁死在單一旗艦模型，正在把一個本該是變動成本的東西，變成失控的固定成本中心。我的判斷跟「追最強模型」的主流相反——未來 12 個月，「你用哪個模型」會愈來愈不重要，「你有沒有路由與 fallback」才是分水嶺。單一供應商鎖定，才是這波真正的風險。對 ScriptWalker 這種 Laravel／Flutter 接案工作室，這是一個清楚的服務化機會：把「AI 成本稽核 + 模型路由」做成標準交付模組——量測客戶現有花費、把 90% 不需要旗艦的任務分流到便宜（最好是自架的開源）模型、只把最難的 10% 留給 GPT／Claude。省下來的月費，就是你每個月被記得的理由。
資料來源
- CNBC — Chinese AI models gaining ground with U.S. companies as OpenAI, Anthropic costs surge（2026/07/07）（第一手報導）
- OpenRouter — 模型用量與路由平台（第一手數據來源）
- DeepSeek — 官方 API 定價（第一手）
- Fortune — DeepSeek V4 price/performance（第三方）
- Rest of World — Low-cost Chinese AI models gain traction in the U.S.（第三方）