大模型网摘“开源模型以 1/20 成本完成九成智能体工作”：说法溯源、拆解与成立条件
11 月 3 日前后，Hacker News 上出现多个标题相近的帖子，核心说法是：开源权重模型能以闭源旗舰约二十分之一的成本，完成九成的智能体（agentic）工作。这个数字在开发者社区引发了熟悉的争论——一半人晒账单表示认同，另一半人贴出失败案例反驳。本篇不站队，先把说法拆开看：它从哪来、"九成"指什么、什么条件下成立。
说法从哪来
就本站核查所及，这一说法目前主要流通于社区讨论（HN 多个帖子、X 上的开发者线程），未见对应同一口径的严格基准报告——没有说明任务集、没有统一成功率定义、也没有公开成本计算表。换言之，它是经验性判断而非测量结论。同类判断其实早有先例：10 月初"DeepSeek 调用量达 OpenAI 三倍"的报道（见本站整理）侧面说明低价开放模型的真实负载承接能力，市场已经用脚投票过一次。
"九成"拆开看：哪部分站得住
把"智能体工作"按子任务拆开，开源模型的覆盖并不均匀。站得住的部分：路由与分发、结构化抽取、格式转换、带明确验收标准的代码修改、检索增强问答、批处理——这些任务的成功率容易被自动化验证，开源模型经过专项强化后表现稳定。以 DeepSeek 为例，V4.1-Flash-1017 就是明确面向智能体编码调优的版本（技术路线见本站技术报告解读）；Kimi K3.1 Pro 以 3T 级开放权重提供 1M 上下文（上手观察），单卷面积不输旗舰。存疑的部分：长程规划（几十步工具调用不跑偏）、跨系统复杂编排、需要模型自主决定"何时停止"的开放任务——社区反驳帖贴的失败案例多集中于这一段。"九成"若按子任务数量计，前半段恰好占绝大多数调用频次，这正是说法能流传的原因。
成本账：1/20 是怎么算出来的
用市面标价做个坐标系：deepseek-flash 错峰输入 0.15 美元/输出 0.6 美元（百万 tokens），缓存命中 0.003 美元；主流闭源旗舰多在输入 1 美元级、输出 3–5 美元级（如 GPT-6.1 Terra 的 1/5，见本站对比文）。按标价直接除，输出价差约 5–8 倍；要凑到"1/20"，还得叠上三个条件：错峰时段跑批、缓存命中把输入价压到忽略不计、以及开源权重自托管（此时边际成本只剩电费与卡折旧）。三个条件齐备的团队说 1/20 不夸张；只按 API 标价的用户，实际差距更接近 1/5 到 1/10。
给读者的自查方法
别信任何人的九成，包括这篇。取你业务里最近 100 次真实的智能体调用，按"自动化可验证/需人工复核"分两类，分别用开源档（deepseek-flash、Kimi、Qwen、GLM 任选）与闭源旗舰各跑一遍，统计成功率与单次成本。两周就能拿到属于你自己的两个数字——大概率你会发现，开源模型在你的任务谱系里的"九成"，可能是七成，也可能是九成五。数字会随版本快速变化，这个结论本身却很稳定：成本敏感的智能体负载，值得每季度重新做一次这样的对照。
附注：本站为非官方多模型资讯站，内容选自网上公开资料；文中价格以各官方页面最新版本为准。