今年年初以来，国产大模型的竞争格局可谓日新月异，每隔一两个月就会发生根本性的洗牌。在我看来，竞争态势经历了多次更迭：1至2月，通义千问（Qwen）领先；3月中下旬，Kimi曾短暂占据优势，但当时市场普遍在等待DeepSeek；4月下旬，DeepSeek V4无疑成为了焦点；6月下旬，GLM-5.2凭借强大的编程能力上位，随后在一个月左右的时间里，Kimi K3又夺回了不少风头。不过，最近发布的Qwen 3.7同样表现出色，阿里依然稳居国产大模型的第一梯队。显然，国产大模型不仅数量众多、迭代迅速，且几乎都提供了开源版本。那么，这些模型对如日中天的Claude系列究竟构成了多大冲击？
首先，我们要明确一个背景：自Claude Code和Claude Opus 4.6发布以来，Anthropic一直是全球大模型商业化的标杆。华尔街甚至有人预测，到2027年底，Anthropic的ARR（年化经常性收入）可能达到4000亿美元。即便将这一预测打上五折，也是一个惊人的数字。消费互联网行业历经三十余年，年收入达到千亿美元量级的公司屈指可数。Claude定价高昂，且采取完全闭源策略，这让许多开发者和投资者迫切希望国产大模型能成为“Claude杀手”，甚至从根本上颠覆其地位。近期，这种观点似乎得到了一定佐证：Anthropic自5月起未再披露ARR，第三方估算显示其增速放缓；OpenRouter等平台的数据也显示，国产大模型Token占比很高，新模型总能迅速获取大量用户。然而，事实真的如此简单吗？
事实上，如果仔细对比各方资料，会发现情况并非表面看起来那样。在商业化收入层面，Anthropic的表现依然强劲。它自5月起未披露ARR，是因为在6月秘密提交了上市申请。出于合规和投资者关系管理的需要，上市前夕停止额外披露是完全合理的，将其解读为“被竞争对手威胁、增速放缓或不敢披露”纯属过度解读。TickerTrends在7月中旬的估算显示，Anthropic的ARR已达到741亿美元，两个月内环比增长58%。这一增速确实较此前放缓（2025年Q4 ARR仅为90亿，半年内暴增4倍），但如果能维持这一增长，到2026年底ARR有望达到4000亿美元。即便保守估计月度环比增速降至8%，结果依然令人咋舌。
关于Anthropic增速放缓的原因，除了基数变大外，另一个关键因素是OpenAI正在快速追赶。今年2月底，OpenAI ARR为250亿美元，当时远高于Anthropic的140亿美元。但在GPT-5.6发布及Codex、GPT Work更新后，其企业端API收入大幅上升。TickerTrends估算其ARR已达413亿美元，约为Anthropic的60%。7月29日，OpenAI CFO透露7月ARR已超过整个第二季度的总和，这意味着第三方估算可能严重低估了OpenAI的实际增速。个人估计，在上一轮基座模型更新前，OpenAI与Anthropic的ARR比例约为0.6:1，而现在可能已拉近至0.7:0.8:1。这离不开Anthropic自身的“神助攻”，如Fable 5延期计价、大规模封号以及Claude Code更新落后于Codex等。SemiAnalysis的访谈指出，OpenAI已在编程和Agent任务上与Anthropic形成“双雄”格局。值得注意的是，OpenAI也在筹备上市，信息披露必然谨慎，因此不能简单理解为收入不好看。
再看Token市场份额，国产开源大模型在OpenRouter等面向独立开发者的平台上确实表现强势。数据显示，7月13日至19日，OpenRouter美国用户消耗的Token中有64%来自中国开源模型；自2026年2月以来，国产大模型占比从未低于30%；2026年6月，DeepSeek单模型贡献了16.3%的份额。Claude、GPT与Gemini的份额从一年前的70%降至约30%。然而，这并不意味着国产模型已全面占据市场主导，因为OpenRouter主要服务初创公司和独立开发者，并不包括大企业直接签约或云平台捆绑的消耗。创业者为了节省成本，往往会注册多个账号将Token打满，而大厂采购通常直接对接厂商。因此，高Token份额更多反映了性价比优势，而非全面的商业替代。
当然，国产模型的价值也不应被低估。开源模型可本地部署、可微调，这些场景无法被第三方统计覆盖。对于日常任务和简单开发任务，国产模型已能完美平替Claude或GPT。有创业者反馈，70%的Token消耗来自某个国产模型；也有爱好者表示翻译、资料整理等任务完全可用国产模型完成。在这些场景下，使用Claude或GPT不仅是浪费，简直是“行为艺术”。
真正核心的问题来了：Claude为何还能维持显著的高价？过去三个月，尽管有多个“Claude杀手”以1/5甚至1/10的价格提供API，但Anthropic并未大幅降价，依然保持着全市场最贵、且贵近一个数量级的定价。这显然不是被“显著冲击”后的表现。原因主要有两点：一是部分复杂、高要求的任务仍非Claude莫属，GPT稍逊，开源模型差距更大。就像足球转会市场，顶级球星的薪酬可能是其他球星的2-3倍，俱乐部仍需买单，这是为多出的10-15%能力支付100-200%的溢价，符合经济学规律。二是企业用户看重的不是“单Token价格”，而是“单次任务解决成本”。Kilo Code的研究显示，基于开源模型的任务平均成本虽低，但成功率也低，且失败后的人工干预成本会拉高总成本。相比之下，Claude和GPT的成功率和效率更高，综合成本优势在缩小。
我们仍处于生成式AI的高速发展期。未来竞争格局如何，取决于技术是否能“拉平”。目前来看，国产大模型确实给Anthropic和OpenAI带来了危机感，但在商业收入上的冲击十分有限。它们真正的贡献，在于以低廉的价格和高性价比，加速推动了Agentic Coding（智能体编程）和Workflow（工作流）的进程。如果没有这些高性价比的Token，AI替代人类白领的速度可能会推迟好几年。