过去一周，AI 圈最热闹的话题不是哪家又发布了什么新模型，而是一篇博客在 Hacker News 上拿下了近三百个赞和一百八十五条讨论——作者 Martin Alderson 在《GLM 5.2 and the coming AI margin collapse》里抛出了一个让所有人后背发凉的判断：真正的 DeepSeek 时刻才刚刚开始，而这一次冲击的不是英伟达的股价，是 OpenAI、Anthropic 这些前沿实验室的毛利率。
之所以说它”刚刚开始”，是因为 GLM 5.2 第一次让一个开源权重的模型在体感上逼近 Claude Opus 和 GPT-5.5 这种付费旗舰。作者用了两周的体验结论是——他已经很难分清楚自己每天用的 Opus 和 GLM 5.2 的输出区别。一个性能追平头部闭源模型的开源产品摆在桌面上，这件事本身就已经足够让 API 定价承压，但更关键的问题还在后面。
过去两年，整个行业一直活在一个错位的叙事里：媒体反复渲染”训练成本六百万美元”的 DeepSeek 时刻，把这当成 AI 算力泡沫破裂的证据。但 Alderson 指出，这种解读严重低估了推理的边际成本——训练是一次性资本支出，推理却是和需求线性挂钩的真正烧钱机器。他用最朴素的草算就揭穿了一个公开的秘密：当 OpenAI 和 Anthropic 收每百万 token 二十五美元的时候，其中真正花在算力上的可能只占一成，毛利至少九成。
这才是这套商业模式得以运转的全部奥义——前期在人才和算力上重金押注，换来一个性能最好的模型，然后把这个模型按 token 卖给全球的开发者和企业，用高毛利把训练成本摊薄。如果用户量足够大，前期重投入就会被稀释成一项回报极高的投资；如果开源对手追上来，这个摊薄游戏就立刻失灵。
GLM 5.2 的可怕之处不在它”够好”，而在于它把闭源模型的护城河削薄到了一个危险的水位。当一家公司可以用自托管的开源权重替代每天调用 Opus 的成本，他为什么要继续为二十五美元每百万 token 买单？Alderson 没有回避这个问题的延伸：一旦企业客户大规模迁移，那些把赌注压在推理利润上的前沿实验室，会在一夜之间发现自己同时面对三件事——收入下滑、训练摊销周期被拉长、还要继续砸钱训练下一代模型。
有人会说，开源模型跑得慢、缺乏视觉理解、网页搜索拉胯，这些短板足以让企业客户留在闭源生态里。但这种辩护在 SaaS 的历史上几乎从来没有赢过——每一次”开源够用”的临界点跨过去之后，性能差距都会被时间填平，成本差距却会立刻转化为定价压力。今天的 GLM 5.2 跑得慢且没有视觉，明天就会有更快的变体和补齐多模态能力的继任者。
换个角度想，这种”毛利崩塌”未必全是坏事。当 API 价格被开源权重压到接近真实算力成本，中小创业公司用得起顶配模型，原本被月费挡在门外的应用场景会被集体释放出来。Alderson 真正想提醒的，是那些把这门生意当作 SaaS 来估值的投资人——AI 实验室从来不是订阅软件公司，它们的护城河是性能领先，而性能领先的时间窗口正在以肉眼可见的速度收窄。
距离真正的”价格雪崩”还有多远，取决于开源生态接下来几个月能不能补齐推理速度、多模态和工具调用这三块短板。但 GLM 5.2 已经证明了一件事：前沿实验室的毛利率，再也不会是市场过去两年习惯的那种数字了。