AI模型遭遇消费降级：顶级模型使用占比从55%降至14%，用户转向性价比

AI大模型行业正面临一个反差：科技巨头仍在竞相推出性能更强的前沿模型，用户却开始转向更便宜、足以满足实际需求的产品。Meta此时推出Muse Wonder，试图证明自身的前沿模型实力，但市场需求正从追求极致性能转向注重性价比。

据The Information近日报道，通过OpenRouter调用的AI模型中，使用量排名前十的高性能模型占比已从2025年第一季度的55%降至2026年第三季度的14%。随着低成本模型的能力不断提升，越来越多用户发现，完成日常任务并不需要调用最昂贵的模型。

这意味着，AI行业的竞争正在从单纯比拼模型性能，转向比拼性能、成本与实际应用价值。对于Meta而言，即使Muse Wonder能够在特定任务上达到领先水平，也仍需证明这种性能优势能够转化为用户需求。

“前沿”标签泛滥，模型性能竞赛仍在升温

近期，主要AI公司密集推出旗舰模型，并强调其技术领先性。谷歌推出Gemini 4 Argon，称其在多个领域的复杂工作流中达到前沿水平；OpenAI发布GPT-6 Astra，宣称其在计算机操作、软件工程、网络安全及专业工作等领域达到最先进水平；Anthropic则推出Claude Fable 5.1和Mythos 5.1，将其定位为全球领先的编程与知识工作模型。

Meta推出Muse Wonder，也是在这一背景下重新强调自身的技术竞争力。经历约14个月的大规模招聘扩张后，公司希望借助新模型证明自己仍处于AI前沿。不过，当各家厂商都在强调性能领先时，“前沿”本身越来越难以成为差异化优势。

据报道，Meta计划将Muse Wonder用于支持其个人智能体产品Muse。但新模型的技术表现能否转化为用户可感知的体验提升，以及这种提升是否足以支撑更高的使用成本，仍有待验证。

低成本模型崛起，用户更看重性价比

OpenRouter的数据揭示了需求端的变化：高性能模型的使用占比大幅下降，反映出用户正在重新权衡模型能力与调用成本。随着低成本模型不断进步，许多日常任务已不再需要最昂贵的模型。

企业尤其倾向于根据任务难度分配模型：常规工作交给价格更低的模型，只有复杂推理、专业分析等高要求任务才调用顶级模型。这种做法既能满足实际需求，也能控制AI支出。

消费者市场也面临类似变化。对普通用户而言，模型能否准确回答问题、顺利完成任务，往往比其是否达到行业性能榜单的顶端更重要。当“足够好用”的模型能够以更低价格满足大部分需求时，顶级模型即使持续刷新性能纪录，也未必能获得相应的使用增长。

对Meta等科技巨头而言，挑战已不只是推出更强的模型，还在于证明性能提升能够带来真实的用户需求。在AI竞争从追逐性能转向衡量性价比的过程中，技术领先与商业成功之间的关系正在发生变化。

本文来自华尔街见闻，欢迎下载APP查看更多