IBM CEO财报发声：开源权重模型九成战力一成价格，前沿API付费逻辑正在瓦解

2026年10月21日，IBM CEO阿文德·克里希纳在公司三季度财报电话会议上提出：如果一个东西只要十分之一的价格，却能实现九成的效果，企业会选择前者。据《The Register》报道，他表示当前开源权重模型的推理成本仅为前沿闭源模型的10%至25%，效果已达后者的90%。

基准分数：从悬崖到斜坡

克里希纳描述了演进曲线：2024年闭源前沿模型在广泛基准测评中得70分，开源替代品仅得20至30分；2025年底差距收窄至70对50；2026年已达到“90%有效性”。独立评测显示，2026年领先开源模型（如Qwen3-235B、Llama 3.3）在MMLU等基准上与GPT-4o差距缩小至5至8个百分点，代码生成等专项任务部分型号已接近闭源水平。

隐藏的利益方程式

克里希纳在同一通电话中提到，z17大型机带来10亿美元额外营收，Red Hat增长11%，IBM的Spyre加速器卡将受益于企业本地部署AI趋势。“开源模型已经足够好”的结论服务于IBM的硬件、本地部署软件及Red Hat容器业务。

主权AI：比成本更硬的驱动力

克里希纳指出，企业需要“以主权方式运行，意味着没有人能拿走底层数据或底层日志”。在欧洲，《AI法案》推动金融和医疗行业审视API调用中的数据流向；在亚洲，政府采购合同常出现“数据不得出境”条款。对这些买家而言，本地开源模型首先满足合规要求。

“90%有效性”背后的那10%

克里希纳列出低门槛任务包括摘要邮件、审查合同、接听客服电话、撰写邮件回复。这些场景对精度容错率较高。但代码生成需维持99%测试通过率，或法律合规审查需在边缘案例做精细推理时，10%缺口可能带来不成比例风险。财务总监可验证token费用，但难以审计合同审查失误是否源于模型5分差距。

才能缺口：被掩盖的隐性成本

克里希纳表示：“企业面临的问题是：我的内核工程师在哪里？谁来负责底层网络？谁能确保模型在网络拓扑上相邻的GPU上正确聚合？谁来做缓存优化？”两三个机架硬件门槛不高，但模型推理优化、GPU网络延迟调优、量化与精度权衡等专业知识，需要企业自行消化。对拥有工程团队的科技公司而言这不是问题；对依赖IT外包的传统企业而言，节省的推理成本可能被人力成本抵消。

对前沿API生意的真实冲击

克里希纳的论断重新划定市场分层。企业AI采购默认路径从“先上GPT-4，看效果再说”转向“默认开源本地部署，需要更高精度时才为差价付费”。这对OpenAI、Anthropic等API厂商意味着，企业客户基础将向两极分化：高价值场景（高风险决策、复杂推理、多模态）保留前沿能力，高频低复杂度任务流向开源方案。

独立判断

开源模型能力提升和成本优势是事实。该命题成立的前提是企业具备运维本地AI基础设施的能力，且核心任务落在开源模型已覆盖区间。两年前开源模型在30分徘徊，如今已逼近90。企业今天因“最后10%能力差距”选择付费的前沿API，在18个月后可能重新评估。