德意志银行在其最新研报中指出 ，AI行业存在一个被市场低估的结构性矛盾：前沿专有AI模型与开源/开放权重模型之间存在显著的“成本鸿沟” 。根据Artificial Analysis智能指数的数据，Anthropic旗下顶尖前沿模型Claude Fable 5的得分为60，每项任务加权平均成本约为3.25美元；而DeepSeek V4-Pro得分为44 ，每项任务成本仅约5美分 ，前者是后者的约65倍 。然而，对于日常90%的普通任务 ，廉价模型的表现与前沿模型几乎相当。
德银认为 ，前沿专有模型的高溢价更像是奢侈品包包的“身份象征 ”定价，而非纯粹的性能溢价。随着头部AI公司备战IPO 、从包月制转向按Token计费 ，企业用户将被迫重新审视这笔“前沿溢价 ”是否值得支付 。这一趋势可能引发一场比2025年初"DeepSeek时刻"更深远 、更持久的市场重估 。
AI模型成本对比 模型名称 智能指数得分 每任务成本（美元） Anthropic Claude Fable 5 60 3.25 OpenAI GPT-5.5 高成本区间 - Google Gemini 3.1 Pro Preview 高成本前沿阵营 - DeepSeek V4-Pro 44 0.05 Meta Muse Spark 低成本区间 - Nvidia Nemotron 3 Ultra 低成本区间 - OpenAI gpt-oss-120b 低成本区间 -德银特别指出 ，廉价阵营并非清一色的中国模型。Meta、Nvidia、OpenAI自身的开放权重模型同样处于低成本区间 。因此，这场竞争的本质分野不是"美国 vs 中国" ，而是"前沿专有 vs 开放权重" 。
报告承认 ，在最难的推理任务和智能体(Agentic)工作上，前沿模型确实具备真实的 、显著的能力优势。智能指数60分与44分之间的差距 ，在处理最复杂任务时是实质性的 。然而 ，关键问题在于：对于日常约90%的普通任务，廉价的开源模型能完成几乎相同的工作，而成本仅为前沿模型的约1.5% 。
德银提出了一个重要的结构性观察：AI能力的成本正以每年约十倍的速度下降 ，但前沿溢价并不会因此消失 ，而是会持续"迁移"。其逻辑链如下：今天的前沿模型，明天将成为商品化能力；与此同时 ，新一代更强的前沿模型将以新的高溢价出现；因此 ，"最佳可用"与"足够好用"之间的价格鸿沟，在结构上将长期存在；但整条价格曲线上的每一个点 ，都在持续向零滑落 。
德银指出 ，AI成本问题之所以在当下变得尤为紧迫，有一个关键的商业催化剂：头部专有AI实验室正在为IPO做准备 ，商业模式正从固定费率的包月制 ，转向按Token计费的使用量定价模式 。这一转变将把成本压力直接传导至企业用户。报告援引了一个极具说服力的真实案例：Uber已经烧光了其全部Token预算，耗时仅四个月 ，目前已限制所有员工每月AI使用支出上限为1500美元 。
德银将当前局面与2025年初的"DeepSeek时刻"进行了对比 ，并提出了一个值得高度警惕的前瞻判断 。核心逻辑在于：如果专有AI模型此前部分是作为"地位商品"(Status Goods)被定价和交易的——即其高价本身就是吸引力的一部分——那么，一旦其真实的成本效益比被市场充分曝光和定价，可能为AI估值体系带来第二次重估 ，这次冲击不会那么戏剧性 ，但影响将更为深刻和持久。
报告还援引了Epoch AI的研究数据，为上述分析提供了独立佐证：美国与中国在前沿AI能力上的差距 ，平均约为七个月；Epoch AI同时指出 ，这一差距与专有模型和开放权重模型之间的能力差距几乎完全吻合。这一发现进一步强化了德银的核心论点：地缘政治维度的"美中AI差距"与商业维度的"专有/开源差距"，在本质上是同一条鸿沟的两种表述 。这意味着在评估AI地缘政治风险时 ，不应将其与商业竞争逻辑割裂看待 。
