AI 行业接下来可能出现的一次成本和利润结构变化。市场之前把 DeepSeek R1 的影响理解偏了：大家关注的是训练成本下降，进而判断大模型公司的资本开支会被削弱。 但在 Martin Alderson 看来，训练虽然昂贵，却更接近一次性投入。真正随着用户需求持续增长的，是推理成本。OpenAI、Anthropic 等公司面向 API 收取较高价格，背后依赖的是推理环节较高的毛利，再用大量推理收入去摊薄前期训练和运营成本。 Alderson 过去几周试用了 Z.ai 的 GLM5.2，认为它已经达到可以和 Opus、GPT 竞争的开放权重模型水平。它的实际表现很强，很多时候让他难以和自己日常使用的 Opus 区分开来。 问题也很明显：模型经常进行较长“思考”，交互时显得偏慢。暂时没有视觉能力，无法处理基于图像的 PDF、截图和设计文件；网页搜索能力也不足，而很多智能体任务恰恰需要频繁检索网络信息。 让前沿实验室感到压力的地方，是迁移成本很低。Z.ai 和 Fireworks 都提供兼容 OpenAI 与 Anthropic 的接口，用户只要替换 base URL、配置 API key，就能在 Claude Code、Codex 等工具里接入 GLM5.2。这不是 Microsoft 或 Salesforce 那种需要长期规划的迁移，很多场景里几乎可以直接替换。即便 Claude Code 未来限制第三方供应商，开源生态里也还有 Codex、OpenCode 等替代选择。 企业侧的顾虑主要在数据隐私和安全。直接使用 Z.ai 官方 API 和订阅服务，对不少企业来说可能难以接受，尤其是条款和地域关联带来的风险。但开放权重模型的优势在于，市场上可以出现更多提供合规合同条款的推理服务商，企业也可以选择本地部署。这样一来，一些原本不能交给第三方模型处理的敏感数据，也有机会进入接近 Opus 质量的智能体工作流。 GLM5.2 当前推理价格大约为每百万 token 4.40 美元，低于 Opus 零售价的 20%，约为 GPT5.5 成本的 15%。虽然它在同一任务中可能消耗更多 token，不能简单按单价比较，但在多数工作流里，它仍可能便宜 50% 以上，同时保持相近质量。 随着推理服务栈继续优化，GLM5.2 的成本可能进一步下降。如果开放权重模型持续逼近前沿模型体验，AI 行业依靠高推理毛利支撑商业模式的空间，就会被明显压缩。 #AI #GLM https://martinalderson.com/posts/the-upcoming-ai-margin-collapse-part-1-glm-5-2/