广告
加载中

豆包 开始学智谱

定焦One团队 2026-07-02 14:39
定焦One团队 2026/07/02 14:39

邦小白快读

EN
全文速览

这篇文章梳理了当前大模型行业的最新发展动向,核心干货围绕AI编程工具的行业现状和选型参考展开。

1. 行业整体已经从之前做C端免费流量,转向挖掘B端付费的真实生产力,AI编程已经从尝鲜玩具变成开发者必备工具,84%的开发者已经或计划使用AI编程工具,近半数开发者每天都会使用,不少开发者愿意自掏付费订阅工具。

2. 普通开发者可根据自身需求选择工具,当前第一梯队是海外的Claude、Codex,适合处理高难度任务;国内字节新推出的豆包2.1 Pro定价极低,入门首月仅9.9元,后续Lite套餐40元/月,Pro套餐200元/月,API综合成本比行业平均低62.7%,还兼容所有主流开发环境,不需要调整原有工作流就能切换,适合日常简单任务降本,也适合开发者低价尝鲜。

当前大模型行业的商业化转向,给AI及相关行业品牌商提供了消费趋势、定价策略、用户运营等多维度的参考。

1. 行业消费趋势已经明确转变,AI从C端流量生意转向B端付费的生产力赛道,开发者和企业的付费意愿已经得到充分验证,Anthropic的Claude Code推出不到一年年化收入就达到25亿美元,超过一半收入来自企业客户,年支出百万美元以上的大客户两个月内就翻倍增长。

2. 定价策略可参考分层模式,当前行业通用做法是个人开发者做订阅分档位扩大规模,企业客户按API、席位或者合同收费做利润,字节用低价+兼容原有环境的策略快速切入市场,获得了大量用户,品牌商要注意平衡定价和算力成本,智谱就曾因为定价过低销量太好,不得不断奶限量。

3. 用户行为发生明显变化,开发者没有品牌忠诚度,只关注模型能力、价格、稳定性,打磨产品体验比做流量更重要。

当前大模型商业化集体转向toB的AI编程赛道,给AI工具相关卖家明确了新的增长机会,也提示了需要警惕的风险。

1. 市场增长空间明确,行业预测到2028年,90%的企业软件工程师都会使用AI代码助手,2024年初该比例还不到14%,目前市场渗透率还很低,不管是面向个人开发者的订阅服务,还是面向企业的定制化服务,都有大量未被满足的需求。

2. 已经跑出两种可参考的成熟商业模式,一种是Anthropic、OpenAI代表的高端专有模型路线,主打能交付完整任务的AI能力,面向企业客户赚高利润;另一种是DeepSeek、智谱代表的低价开放底座路线,主打高性价比,抢API调用和私有化部署的份额。

3. 需要警惕的核心风险:AI行业的成本结构和传统互联网不同,用户越多算力成本越高,先做规模再变现的C端逻辑已经失效,同时用户忠诚度极低,模型能力差距缩小后行业竞争会非常激烈,还要做好定价和算力的平衡,避免出现卖得越多亏得越多的问题。

当前AI技术的商业化落地进展,对传统工厂推进数字化转型、挖掘新商业机会有不少重要启示。

1. AI已经深度融入研发生产流程,AI编程已经可以独立完成整块开发工作,能大幅降低软件开发的人力和时间成本,工厂搭建自有数字化管理系统、生产系统时,可以借助AI工具提升开发效率,降低技术团队的工作压力,加快自身数字化转型的进度。

2. 存在新的商业机会,AI能力的普及降低了定制化软件开发的门槛,工厂可以依托AI工具更快开发出贴合自身生产场景的工业软件,甚至可以将打磨好的方案输出给同行业的中小工厂,拓展新的收入增长点。

3. 推进数字化的核心启示,不用盲目追求数字化的概念和流量热度,要学习大模型行业的转型思路,从追求规模转向追求真实落地价值,优先聚焦能提升生产效率、降低生产成本的场景,让数字化投入能产生真实回报,实现可持续的自我造血。

当前大模型商业化的发展动向,给toB服务商展现了最新的行业趋势、客户痛点,明确了新的业务方向。

1. 行业发展趋势明确,2026年已经成为大模型商业化转向toB的分水岭,AI编程是当前最明确的核心增长赛道,行业预测未来会成为所有企业研发的标配,市场需求正在快速增长,ToB服务商可以围绕AI编程拓展新的业务方向,抢占增长红利。

2. 当前客户的核心痛点已经清晰,目前AI可以生成超过80%的代码,但在决定能否上线的UI适配、可靠性、可维护性这些维度,合格率只有40%到60%,企业投入了大量算力成本,却得不到对等的产出,同时企业对降本、接入现有工作流的需求非常强烈。

3. 可探索的解决方案方向,服务商可以围绕AI开发全流程,打造覆盖上下文工程、团队知识沉淀、技术债梳理、测试交付的配套系统,帮企业把AI生成的半成品打磨成可交付的产出,也可以推出高性价比、兼容主流开发环境的模型接入服务,满足企业降本的需求。

大模型行业集体转向toB的发展趋势,给AI相关平台商的战略调整、运营管理、风险规避都提供了重要参考。

1. 当前市场对AI平台的核心需求已经转变,从提供通用的C端聊天AI,转向能稳定支持AI编程、嵌入企业真实研发工作流的B端能力,平台需要及时调整资源分配方向,适配市场需求的变化。

2. 头部平台的最新调整可参考,字节已经将更多资源从C端大众产品转向B端企业服务和编程模型,将大模型数据审核团队从1500人扩到3000人专门清洗编程数据,给B端MaaS业务定下收入翻10倍的目标,采用低价+兼容主流开发环境的策略快速获客,依托现有火山引擎、飞书的B端资源构建生态。

3. 需要重点规避的风险,一是不能照搬C端先做规模再变现的逻辑,AI算力成本随使用量增长,要提前做好算力计量和成本管控,避免入不敷出;二是B端用户更看重稳定性和服务能力,要避免C端快速试错的文化,重点打磨产品能力建立用户信任;三是要设计好分层付费结构,平衡拉规模和利润的关系,避免出现算力缺口。

这篇文章记录了2026年大模型商业化发展的最新动向,呈现了产业发展的新特征、新问题,对产业研究有较高的参考价值。

1. 产业发展的新动向清晰,大模型商业化已经走过C端流量竞争的阶段,正式进入转向toB的分水岭,核心赛道聚焦AI编程,全球大模型的能力格局从美国少数实验室主导走向多极化,中国头部大模型已经能匹敌美国头部公开模型,赛道分化出高端专有模型、低价开放底座两条清晰路线,字节探索出中间路线尝试两头通吃。

2. 产业发展出现了多个新问题,一是AI行业的成本结构和传统互联网完全不同,算力成本随用户使用量同步增长,C端免费流量模式难以为继,平衡算力成本和收入成为全行业的核心命题;二是模型能力差距不断缩小,用户忠诚度极低,行业已经进入贴身肉搏阶段,对厂商的成本控制能力提出了极高要求;三是AI生成内容的最终交付率不足,算力投入转化为真实生产力还有关键节点需要突破。

3. 商业模式层面,验证了AI coding分层付费模式的可行性,个人订阅做规模、企业付费做利润的结构已经跑通,为后续行业发展提供了可参考的样本。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

This article maps out the latest developments in the current large language model (LLM) industry, with core insights focusing on the industry status and selection guidance of AI coding tools.

1. The overall industry has shifted from chasing free consumer-facing traffic to monetizing real productivity through B2B paid services. AI coding has evolved from a novelty toy to an essential tool for developers: 84% of developers already use or plan to adopt AI coding tools, nearly half use it daily, and many are willing to pay for subscriptions out of their own pockets.

2. General developers can select tools based on their specific needs. The current first-tier options are overseas models Claude and Codex, which are suitable for handling high-difficulty tasks. Domestically, ByteDance's newly launched Doubao 2.1 Pro is priced very low: the first introductory month costs only 9.9 yuan, followed by a 40 yuan/month Lite plan and a 200 yuan/month Pro plan. Its overall API cost is 62.7% lower than the industry average, and it is compatible with all mainstream development environments, allowing users to switch without adjusting their existing workflows. It is ideal for cutting costs on simple daily tasks and for developers looking to test AI coding at a low price.

The current commercialization shift in the LLM industry provides multi-dimensional insights for AI and related industry brands, including consumer trends, pricing strategies, and user operations.

1. The industry's consumer trend has shifted clearly: AI has moved from a consumer-facing traffic business to the B2B paid productivity track, and the willingness to pay from developers and enterprises has been fully validated. Anthropic's Claude Code reached an annualized revenue of $2.5 billion in less than one year after launch, with more than half of revenue coming from enterprise clients, and the number of large clients spending over $1 million annually doubled in just two months.

2. Brands can reference a tiered pricing strategy: the common industry practice is to offer tiered subscriptions for individual developers to scale user base, while charging enterprise clients via API usage, seats or customized contracts to capture profits. ByteDance has quickly captured market share with its low-price, backwards-compatible strategy. Brands need to balance pricing and computing power costs, as Zhipu AI once had to restrict access after its overly low pricing led to unexpectedly high sales that strained capacity.

3. User behavior has changed significantly: developers have little brand loyalty, and only care about model capability, price and stability. Refining product experience is more important than chasing traffic.

The industry-wide shift of LLM commercialization toward B2B AI coding has identified new growth opportunities for AI tool sellers, while also highlighting key risks to watch for.

1. The market has clear growth potential: industry forecasts project that 90% of corporate software engineers will use AI coding assistants by 2028, up from less than 14% in early 2024. Current market penetration remains very low, and there is large unmet demand for both subscription services targeting individual developers and customized solutions targeting enterprises.

2. Two mature, proven business models have emerged: One is the high-end proprietary model route represented by Anthropic and OpenAI, which focuses on delivering full-task AI capabilities and earns high margins from enterprise clients. The other is the low-cost open base model route represented by DeepSeek and Zhipu AI, which competes on cost-performance to capture share in API calls and private deployment.

3. The core risk to watch for: The cost structure of the AI industry differs fundamentally from traditional internet—more users translate directly to higher computing power costs, so the consumer-side "scale first, monetize later" logic no longer works. Meanwhile, extremely low user loyalty means competition will intensify sharply once model capability gaps narrow. Sellers must also carefully balance pricing and computing capacity to avoid losing more money as sales grow.

The current commercialization progress of AI technology offers important insights for traditional factories advancing digital transformation and exploring new business opportunities.

1. AI has been deeply integrated into R&D and production processes. AI coding can now complete entire development blocks independently, greatly cutting the labor and time costs of software development. When factories build their own digital management and production systems, they can leverage AI tools to boost development efficiency, reduce pressure on technical teams, and speed up digital transformation.

2. New business opportunities are emerging: the widespread adoption of AI capabilities lowers the barrier for customized software development. Factories can use AI tools to develop industrial software tailored to their specific production scenarios faster, and can even sell refined solutions to small and medium-sized factories in the same industry to open up new revenue streams.

3. A core takeaway for digital transformation: factories do not need to blindly chase digitalization buzz or traffic trends. Instead, they can learn from the LLM industry's transformation shift—moving from chasing scale to pursuing real落地 value, prioritizing scenarios that boost production efficiency and cut costs, to ensure digital investment generates real returns and enables sustainable self-financing growth.

The latest developments in LLM commercialization show B2B service providers the newest industry trends, core customer pain points, and clear new business directions.

1. The industry development trend is clear: 2026 marks the turning point for LLM commercialization's shift to B2B, and AI coding is the most clearly defined core growth track. Industry forecasts project AI coding will become a standard component of R&D for all enterprises, with market demand growing rapidly. B2B service providers can expand into new business lines around AI coding to capture first-mover growth opportunities.

2. Core customer pain points are now clear: current AI can generate over 80% of code, but only 40% to 60% of AI-generated code passes quality checks for dimensions that determine production readiness, including UI compatibility, reliability, and maintainability. Enterprises are spending heavily on computing power without getting proportional output, while demand for cost reduction and compatibility with existing workflows is extremely strong.

3. Service providers can explore solutions around the full AI development workflow: they can build supporting systems covering context engineering, team knowledge management, technical debt梳理, testing and delivery, to help enterprises refine AI-generated half-finished code into production-ready deliverables. They can also launch high cost-performance model access services compatible with mainstream development environments to meet enterprises' demand for cost reduction.

The industry-wide shift of the LLM industry toward B2B provides important references for AI-related platform operators on strategic adjustment, operations management, and risk mitigation.

1. The core market demand for AI platforms has shifted: from offering general-purpose consumer-facing chat AI to providing stable B2B capabilities that support AI coding and integrate into enterprises' actual R&D workflows. Platforms need to reallocate resources in time to adapt to changing market demand.

2. Platforms can reference the latest adjustments made by industry leader ByteDance: ByteDance has shifted more resources from consumer-facing mass products to B2B enterprise services and coding models. It expanded its large model data audit team from 1,500 to 3,000 employees specifically to clean coding data, set a target of 10x revenue growth for its B2B Model-as-a-Service (MaaS) business, and adopted a low-price, mainstream-development-environment-compatible strategy to acquire customers quickly, building an ecosystem leveraging its existing B2B resources from Volcano Engine and Feishu.

3. Key risks to avoid: First, do not copy the consumer-side "scale first, monetize later" logic. Since AI computing power costs grow with usage, platforms need to implement computing metering and cost control in advance to avoid insolvency. Second, B2B users prioritize stability and service capability over rapid iteration, so platforms should abandon the consumer-side culture of rapid trial-and-error, and focus on refining product capabilities to build user trust. Third, design a well-structured tiered pricing model to balance user scaling and profitability, and avoid computing capacity shortages.

This article documents the latest developments in LLM commercialization in 2026, presents new characteristics and emerging problems of industrial development, and offers high reference value for industry research.

1. The new industrial trend is clear: LLM commercialization has completed the C-end traffic competition phase, and officially entered the turning point of shifting to B2B, with AI coding as the core focus of the industry. The global capability landscape of large models has shifted from being dominated by a small number of U.S. research labs to a multipolar structure; leading Chinese large models can now rival top open models from the U.S. The track has clearly split into two segments: high-end proprietary models and low-cost open base models, and ByteDance is exploring a middle route to capture share in both markets.

2. Multiple new industrial problems have emerged: First, the AI industry has a fundamentally different cost structure from traditional internet, with computing power costs growing in lockstep with user usage. The C-end free traffic model is no longer viable, and balancing computing costs and revenue has become the core challenge for the entire industry. Second, as model capability gaps continue to narrow and user loyalty remains extremely low, the industry has entered a phase of cut-throat competition, placing extremely high requirements on vendors' cost control capabilities. Third, the final delivery rate of AI-generated content remains low, and key bottlenecks still need to be broken through to convert computing investment into real productivity.

3. In terms of business model, the feasibility of the tiered pricing model for AI coding has been validated: the structure of using individual subscriptions to scale user base and enterprise payments to drive profits is now proven, providing a reference template for future industry development.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

AI商业化集体toB。

定焦One(dingjiaoone)原创

作者 | 陈丹

编辑 | 魏佳

一年多前,Cursor还是林鸣最常用的编程软件之一。

他是互联网大厂里负责Agent落地的工程师。那时候,他用AI写代码,主要让它补几行或者改个参数。在这个软件里,大模型塞进编辑器,他可以随时调用。

现在,林鸣已经很久没有打开Cursor了,日常用得更多的,是Claude Code、Codex,以及公司自研的AI编程工具。

这不只是工具的变化。如果说用Cursor的时候,AI更像一个副驾,程序员还坐在驾驶位上;那么到了Claude Code和Codex,模型被直接接进了研发流程。给它一个任务,它可以自己拆需求、读代码、调用工具、跑测试,并最终交付。

也就是说,林鸣可以把一整块工作都交出去了。但代价是,token的消耗也上去了。

过去,公司给工程师的额度几乎不限量,后来额度收紧,林鸣干脆自己订阅了好几款工具,身边像他一样的同事很多。

当一个开发者愿意自掏腰包,背后是一个已经跑出来的市场。

Anthropic是最早接住这个市场的AI公司。它虽然没有ChatGPT那样的C端流量,却靠Claude Code讲出了一个更容易算清账本的故事——开发者愿意付费,企业愿意采购。如今,它的用户量虽远远不及OpenAI,但估值已经反超,接近万亿美元。

承压的OpenAI也在调整重心。ChatGPT仍然是最大入口,但Codex的位置越来越重要。据报道,Codex半年周活增长逾7倍,目前已经突破500万。

国内的智谱是另一种样本。

其最新模型GLM5.2的软件工程能力逼近Claude Opus 4.8,Coding Plan的价格却只有Claude的七分之一。这家2025年营收仅7.24亿元、净亏损却高达47.18亿元的公司,市值一度突破万亿港元。市场买单的显然不是眼下的财报,而是“中国版Anthropic”的预期。

比起继续追用户规模,找到愿意持续付费的开发者和企业,正在变得更重要,这是2026年大模型商业化的分水岭。

字节现在也在靠近这条路。

其最新发布的豆包2.1 Pro,补上了Coding和Agent能力。在现场演示和评测中,火山引擎反复拿自己和Claude Opus等模型对标。种种迹象表明,字节不再只是追求更多用户打开豆包,而是开始瞄准开发者、Agent和真实工作流。

对于一家长期信奉“模型即产品”,最擅长用C端流量滚出飞轮的公司来说,这个转身本身就代表了一种信号:免费聊天能带来热度,却很难撑起一门生意。

01.豆包掉头:一半是诱惑,一半是成本

豆包的掉头并非突然发生。

据多家媒体报道,字节高层到访Anthropic后,内部启动AI资源重整,把更多资源从豆包这类大众产品,挪向企业服务和编程模型。为此,大模型数据审核团队从约1500人扩到3000多人,专门为编程模型清洗数据。火山引擎MaaS还被定下收入翻10倍的目标。

这次,它不仅仅是发布了一个更会写代码的新模型,是在组织和资源层面,把AI商业化的重心往B端推。

字节转向B端,动力来自两个方向。

向外看,企业市场已经开始为AI能力付费;向内看,持续高企的算力支出,也迫使每家公司尽快找到一条能够自我造血的路。

先看收入端。

短短两年,AIcoding已从程序员尝鲜的玩具,变成企业软件工程的一部分。Stack Overflow 2025年开发者调查显示,84%的受访者已在开发流程中使用或计划使用AI工具,较前一年的76%持续攀升;其中近半数(47.1%)开发者每天都在使用AI编程。Gartner则预测,到2028年,90%的企业软件工程师将使用AI代码助手,而2024年初这一比例还不到14%。

AI coding的商业价值,体现在两个层面。

一层是开发者的付费意愿。过去,AI编程工具只是几美元一个月的插件。现在,主流产品普遍采用订阅加用量的模式,个人版每月十几到几十美元,高强度Agent版本可以到100美元以上。

一位开发者打趣说,过去担心的是“别让AI取代我”,现在变成了“别把AI从我手里夺走”。

另一层是企业的买单意愿。企业按席位、按token、按合同付费。只要工具能进入研发流程,就有机会变成可预测的现金流。

Anthropic的收入曲线,更是让行业看到了这个市场的潜力。去年5月才发布的Claude Code,到2026年2月,年化收入已经达到了25亿美元。其中,超过一半来自企业客户,年支出100万美元以上的大客户,两个月内从500多家增至1000多家。整个公司的年化收入也随之水涨船高,从2月的140亿美元,一路攀升至5月的470亿美元以上。

再来看成本端。

互联网时代生意逻辑是“先做规模、再谈变现”。用户够多、停留够久,靠着广告、电商、会员,总能赚到钱。

但现在这一套不灵了。AI应用不是信息流,每一次提问、生成,背后都是真实烧掉的算力。甚至,用户越多,成本越高。

豆包正承受着这种压力。据《晚点LatePost》报道,每天2亿多人使用的豆包,日收入不足百万元,且主要来自电商佣金。但今年5月,豆包每天消耗的算力成本达数千万元——文字聊天尚不算贵,而推理、图片识别、语音聊天、视频聊天等多模态功能的算力成本,是纯文本交互的几倍甚至几十倍。

支出压力也体现在企业内部的token使用上。

林鸣表示,他所在的公司一开始给的额度几乎不限量,是因为管理层看到AI能力强,但不清楚到底多强、能给企业带来什么,只能让大家先用起来看效果。可用了一阵,发现收益并没有成倍增长,于是公司开始控制成本。

字节技术副总裁洪定坤在一次公开演讲中,也提到过类似落差。字节专做AI coding的TRAE团队,90%的代码已经由AI写出,但人均需求吞吐率只提升了60%。

洪定坤认为,问题出在写代码之后。字节做过一组实验,在不同模型和框架下,AI生成代码的功能正确率普遍超过80%,但到了UI、可靠性、可维护性这些真正决定能否上线的维度,分数却只有40到60分。

算力烧掉了,可交付的产出却没跟上。这个差距,正是大厂转向B端时必须先解的题。只有把那些40到60分的半成品打磨成可交付的产出,烧掉的每一分算力才算真正转化成了生产力。

02.字节的优势,也可能是包袱

豆包的这次转向,是字节整体AI战略的一部分。

字节的AI业务大致有四条主线:世界模型、视频模型、Coding与Agent、豆包商业化。现在拨动的,正是后两条。

Coding与Agent负责打开企业入口,豆包商业化负责回答另一个问题:庞大的C端流量怎么换成收入。

AI coding这条赛道,目前已经分化成三个层级。面向程序员日常开发的Copilot式插件、重做开发环境的AI IDE,以及试图接管整个任务流程的Coding Agent。

字节的布局恰好覆盖了这三层。前端用TRAE和插件抢占开发者入口,中间层以CLI和企业版切入研发流程,底层由火山方舟和豆包模型提供算力与模型供给。6月23日发布的豆包2.1 Pro,则将重心明确押在了Coding和Agent上,官方称其在多项测试中接近甚至追平GPT-5.5和Claude Opus 4.7。

字节这套打法的底气,来自于其已经验证过的企业服务能力。

火山引擎在B端服务企业多年,握有从云、模型调用、MaaS到交付的完整链条。飞书沉淀了大量企业客户和办公协同场景。Seedance则已经跑通了“把模型能力卖给企业”的模式,年化收入约143亿元,毛利率约70%,单月进账几乎覆盖豆包的算力成本。

字节真正想做的,是比模型更底层的基建。洪定坤在演讲中提到一个词——Harness。它指向的是一套涵盖上下文工程、架构约束、团队知识沉淀、技术债梳理,以及测试与交付流程的系统。他的判断是,只有把这些齿轮重新咬合,AI coding才能从生成代码跨越到完成需求。

铺开这套基建,字节仍然沿用了低价策略。

根据豆包Coding Plan定价,最低首月仅需9.9元,Lite套餐后续40元/月,Pro套餐后续200元/月。相比之下,海外主流AI编程工具每月订阅普遍20美元起步,高强度Agent版本可达100美元以上——字节给出的入门价格,几乎是“尝鲜无负担”。

API侧的打法更为直接。Doubao-Seed-Code按上下文长度分层计费,输入价格每百万tokens最低1.2元,输出价格最低8元;火山引擎称,配合缓存后综合使用成本比行业平均低62.7%。

Coding Plan还支持Claude Code、Cursor、Cline、Codex CLI等主流开发环境,意味着开发者不需要迁移工作流,只要把底层模型换掉,就能把原本花在Claude和OpenAI上的部分用量切到豆包。这相当于用价格换切量,用兼容换迁移成本。

对比Claude Code和Codex,字节选择了一个“低价+产品化+生态打包”的组合,把价格压下来、把接入做顺、把工具做轻,让开发者低成本试用,再争取进入工作流。

这正是字节在C端最熟练的打法,也是它眼下最大的优势。火山、飞书、豆包模型构成的底盘,是智谱、DeepSeek们短期内复制不了的;低价策略和兼容主流开发环境的设计,也几乎是为快速渗透量身打造的。

但B端和C端不同。C端可以靠低价、补贴和快速试错拉动增长,B端相反,程序员可以为便宜来试用,但能不能长期留下,看的是产品能不能稳定接住复杂任务、能不能在出问题时给出及时的响应。字节最擅长的快速试错文化,恰恰是B端最警惕的东西。

谷歌是一个值得参考的对照。

它手握Google Cloud、Android、Chrome、Workspace,几乎拥有全球最强的开发者生态,也早早推出了Gemini Code Assist和Gemini CLI。论入口、论生态、论企业客户,谷歌并不缺牌;论价格,它也不算激进——Gemini Code Assist Standard年付折合每人每月仅19美元。

但至少到目前为止,开发者心智并没有自然流向谷歌。这说明,在AI coding这门生意里,生态和价格都只是入场券,真正难的,是产品体验、模型能力、任务完成率和开发者信任。

字节靠低价和生态切入,目前也只是拿到了留在牌桌上的资格。

03.贴身肉搏才刚刚开始

在林鸣这样的重度用户心里,模型早已排好座次。

第一梯队是Claude和ChatGPT,第二梯队是智谱、Kimi、DeepSeek,其余大多滑入第三梯队。他算过一笔账,自己花在大模型上的钱,九成给了第一梯队,剩下的大多投向DeepSeek。道理很简单,Claude和Codex负责最难的任务,DeepSeek便宜、耐烧,适合日常的简单活儿。

“这就像游戏里的外挂,”他打了个比方,“最难的任务当然用最强的武器,简单的才交给性价比更高的模型。”

这种“谁好用就用谁”的态度,在开发者中相当普遍。

一位科技博主的说法更直接,AI时代,用户没有忠诚度,换一个AI工具很多时候只是换个输入框。各家辛苦争来的开发者,随时可能因为别家更好用、更便宜、更稳定而流走。

更麻烦的是,模型之间拉开差距正变得越来越难。

林鸣能明显感觉到,模型还在进步,但进步速度已经不如之前,各个模型之间的差距也更小了。

这类判断也出现在很多公开的讨论里。a16z创始人Marc Andreessen近期发文称,多位从业者认为GLM-5.2可能是第一个在多数任务上匹敌、甚至超越美国头部实验室公开模型的中国模型。他将此视为一个关键节点,认为大模型的能力格局正从少数美国实验室主导走向多极化。

当能力差距缩小,各家的定价策略就成为关键。如果算不好账,可能会伤到自家账本。

目前Coding的付费结构主要包括两部分,个人开发者买订阅,企业客户走API、席位费或合同;前者负责扩大规模、养成付费习惯;后者才是利润的大头。

就拿Claude的定价策略来说,个人订阅分为20美元、100美元和200美元三档,虽然不同档位有相应的用量上限,但整体上收入仍受限于月费模式。API则按token计费,以常用于Coding的Sonnet模型为例,输入和输出价格分别为每百万tokens3美元和15美元,更高端的Opus模型则分别为5美元和25美元。在高强度、全天候的Agent任务等极端使用场景下,企业的API支出可能达到个人订阅的数十倍。

Agent一旦进入真实工作流,算力成本持续攀升,订阅收入却有上限,厂商只能靠限额、峰值扣减来兜底。智谱就吃过苦头。其Coding Plan一度卖得太好,不得不限量发售,高峰期按更高倍率扣减额度。

即便是Anthropic和OpenAI,也得小心维持这道平衡。它们一边要让开发者高频使用、形成黏性,一边用精细的限额管理重度用户。Claude的Pro和Max分档限容,Codex的调用计入专门的额度。订阅看似是固定价格,背后却是一本被严格计量的算力账。

这条赛道,还在不断涌入新玩家。

仅6月下旬,DeepSeek就高调扩招、筹建对标Claude Code的团队,Kimi也把企业业务摆到了更重要的位置。

而越往深处看,赛道越清晰地分成两条路线。

一条是Anthropic和OpenAI代表的专有模型高端路线。它们卖的不是一个便宜模型,而是企业里的AI员工。它们的底牌,是模型能力、产品心智和企业信任。

另一条是更低价、更开放的模型底座路线,DeepSeek、智谱、Kimi、MiniMax扎堆于此。它们想成为别人AI员工背后的模型底座,抢的是API调用、工具集成和私有化部署的份额。

DeepSeek以开源和低价切入,智谱更靠近B端,把模型、Agent、私有化和政企服务打包出售;Kimi和MiniMax则用长上下文、多模态和性价比争夺开发者。

字节恰好卡在两条路线的中间。

它想要的,是闭源高端路线的终点——一套能稳定交付、能写进企业合同、能嵌进工作流的Agent系统。但它选择的入口,却更接近低价路线,压低价格的同时,用兼容性把开发者原本花在Claude和OpenAI上的用量切过来。

这种打法,可能让它两头通吃,也可能让它两头都不够硬。因为,论开发者心智,它一时还难超过Claude Code和Codex;论极致性价比,又得直面DeepSeek、Kimi、智谱的持续挤压。

模型还在变强,差距却在变小。这场竞争最终拼的,是谁能在算力账本上撑得更久。谁能跑出来还没有答案,但接下来一定是一场谁都不敢松手的贴身肉搏。

注:文/定焦One团队,文章来源:定焦One,本文为作者独立观点,不代表亿邦动力立场。

文章来源:定焦One

广告
微信
朋友圈

FAQ回顾

大模型厂商为什么纷纷转向B端商业化?

一方面AI编程企业付费市场已经成熟,84%的开发者已使用或计划使用AI工具,企业付费可带来稳定可预测的现金流;另一方面C端AI应用算力成本高企,流量变现逻辑难以为继,B端商业化是2026年大模型赛道的分水岭。

豆包2.1 Pro升级后有哪些核心优势?

豆包2.1 Pro新增Coding与Agent能力,多项测试表现接近甚至追平GPT-5.5、Claude Opus 4.7;Coding Plan首月最低仅9.9元,API综合使用成本比行业平均低62.7%,还兼容主流开发环境,开发者无需迁移工作流即可切换使用。

当前AI编程赛道主要分为哪几类竞争路线?

AI编程赛道主要分为两类竞争路线,一类是Anthropic、OpenAI为代表的专有模型高端路线,主打模型能力与企业信任;另一类是低价开放的模型底座路线,代表玩家包括智谱、DeepSeek、Kimi等,主打性价比与工具集成。

AI编程工具的主流付费模式是什么?

AI编程工具付费分为两大板块,个人端采用订阅加用量模式,每月价格从十几元到上百元不等,主要用于扩大用户规模、培养付费习惯;企业端按席位、token、合同付费,是厂商的核心利润来源。

这么好看,分享一下?

朋友圈 分享

APP内打开

赞 +1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0