摘要：企业在选择人工智能解决方案时面临的成本考量正变得愈发复杂。Nous Research最新发布的研究报告显示，尽管开源AI模型在许可费用上具有明显优势，但其在实际运行中的计算资源消耗却可能大幅超过闭源竞争对手，从而抵消甚至超越初期的成本节省。

企业在选择人工智能解决方案时面临的成本考量正变得愈发复杂。Nous Research最新发布的研究报告显示，尽管开源AI模型在许可费用上具有明显优势，但其在实际运行中的计算资源消耗却可能大幅超过闭源竞争对手，从而抵消甚至超越初期的成本节省。

该研究通过对数十种主流AI模型的深度测试发现，开源模型在执行相同任务时平均消耗1.5至4倍的计算资源，在处理简单知识问题时这一差距甚至可达10倍。这一发现对正在考虑AI部署策略的企业具有重要指导意义。

令牌效率成为关键指标

© Jones/Bloomberg via Getty Images

研究团队采用令牌使用量作为衡量计算效率的核心指标。在AI系统中，令牌代表模型处理的最小文本单位，可能是完整单词、词汇片段或标点符号。模型生成响应的质量和速度直接取决于其处理令牌的效率。

研究涵盖了包括谷歌、OpenAI等科技巨头的闭源系统，以及DeepSeek、Magistral等公司的开源模型。测试任务分为三个主要类别：基础知识问答、数学计算和逻辑推理。结果显示，开源模型在所有测试类别中都表现出更高的令牌消耗率。

令牌效率的重要性不仅体现在成本控制上，还直接影响系统响应速度和用户体验。更高的令牌使用量意味着更长的处理时间和更高的延迟，这在需要实时响应的商业应用中可能成为致命短板。

性能差异背后的技术逻辑

研究结果揭示了开源与闭源AI模型在设计理念上的根本差异。闭源模型制造商，特别是OpenAI等公司，在模型开发过程中高度重视计算效率优化，这主要源于其基于使用量的商业模式。每个令牌的处理成本直接影响企业盈利能力，因此这些公司投入大量资源优化模型架构，减少不必要的计算开销。

相比之下，开源模型的开发者往往更注重推理能力和准确性，而非计算效率。这种设计倾向导致开源模型在处理复杂问题时可能采用更详细的推理过程，生成更多中间步骤，从而消耗更多计算资源。

OpenAI的模型在测试中表现尤为突出。其o4-mini模型和新发布的开放权重gpt-oss模型都展现出卓越的令牌效率，特别是在数学问题处理方面。研究人员指出，OpenAI的gpt-oss模型凭借其简洁的思维链设计，可以作为其他开源模型提升效率的参考标准。

企业决策的新维度

这项研究为企业AI采购决策提供了重要的新视角。传统上，企业往往将开源模型视为成本效益的首选，主要考虑许可费用、定制化能力和数据控制等因素。然而，计算效率这一隐藏成本正在改变这种简单的成本计算模式。

对于大规模部署AI应用的企业而言，计算资源成本可能远超软件许可费用。特别是在云计算环境中，按使用量付费的模式使得令牌效率直接转化为运营成本。一个需要处理大量查询的客服系统或内容生成平台，如果选择了令牌效率较低的开源模型，其长期运营成本可能显著超过使用高效闭源模型的总体支出。

此外，令牌效率还影响系统的可扩展性。在用户请求激增的情况下，低效率模型可能导致系统响应缓慢甚至崩溃，而高效率模型则能更好地处理流量峰值，保证服务质量。

企业在选择AI解决方案时需要进行全面的总拥有成本分析，不仅要考虑初期投资，还要评估长期的计算资源消耗、维护成本和性能表现。对于某些特定应用场景，闭源模型的高计算效率可能使其成为更经济的选择，尽管其初期许可成本较高。

研究还显示，开源模型之间的效率差异同样显著。llama-3.3-nemotron-super-49b-v1在开源模型中表现最优，而Magistral模型效率最低。这提醒企业即使选择开源路线，也需要仔细评估不同模型的实际性能表现。

随着AI技术的快速发展和商业应用的深入，计算效率将成为模型评估的重要标准。这项研究不仅为当前的技术选择提供了参考，也为未来AI模型的发展方向提供了重要启示。

来源：人工智能学家