最強模型只佔客戶支出一成一：Fable 5 遇冷，算的是企業 AI 採購的分層帳

據英國《金融時時報》報導，支付集團 Ramp 收集的約 7 萬家企業支出數據顯示，Anthropic 旗下最大、最貴的模型 Fable 5，在發布兩個多月後，客戶在其身上的支出僅佔 Anthropic 相關總支出的約 11%，且曲線已趨於平坦。換句話說，客戶持續付費給 Anthropic，但錢的大頭落在更便宜的模型上。這組數字值得攤開來算：它質疑的並非模型能力，而是「能力最強」這個標籤在企業採購決策裡的定價權上限。

先把數字放回座標系

11% 這個數字需要對照才有意義。Ramp 的數據覆蓋的是實際刷卡與帳務支出，也就是企業真金白銀的訂閱與 API 帳單，而非模型評分榜上的名次。歷史規律是：新一代旗艦模型發布後，支出佔比通常在前一至兩個月快速爬升，因為開發者會第一時間遷移測試。Fable 5 的曲線在兩個多月後就走平且停在 11%，意味著遷移在早期採用者完成後就基本停止，中長尾客戶沒有跟上。

跨週期看，這與雲端運算市場的成熟路徑相似。AWS 早期靠最強的執行個體吸引遷移，但規模化之後，收入主力長期是中等規格、單價較低的產品線。企業軟體的採購邏輯從來是「夠用且便宜」壓倒「最強但貴」，模型市場看來沒有例外。

結構拆解：一張 API 帳單裡的三種客戶

把 7 萬家企業的支出拆開，大致能看到三層需求。

第一層是前沿應用開發者，需要最強的推理與長上下文能力，願意為每一個 token 付溢價。這批人數量少，是 Fable 5 那 11% 的主要貢獻者。第二層是一般應用嵌入者，做客服摘要、文件處理、內部工具，便宜模型的輸出品質已經越過他們的可用門檻。第三層是嘗試性採購的中小企業，對價格彈性最高，模型之間的切換成本趨近於零。

問題在於，模型能力的進步曲線與客戶需求的滿足曲線出現了脫鉤。當便宜模型的輸出品質達到企業工作流的及格線之後，旗艦模型多出來的那段能力，在多數場景裡沒有對應的付費意願。這與我們先前在AI 配音踩壞聲音生意定價地板一文看到的結構類似：技術供給往上走，買方的支付意願卻錨定在原有任務的價值上，溢價空間被任務本身的商業價值封頂。

影響推演：誰受惠，誰承壓

最直接承壓的是以「最強模型」作為核心敘事支撐估值的業者。前沿 AI 公司的融資與估值高度綁定旗艦模型的技術領先，但營收結構若顯示旗艦模型只佔支出一成出頭，資本市場自然會問：訓練下一代旗艦的資本支出，要靠什麼回收？以產業慣例估算，訓練前沿模型的單次成本已達數億美元量級，若對應產品的收入貢獻停留在低雙位數百分比，資本效率的帳就很難算平。

受惠的一方是便宜模型與蒸餾路線。當 11% 的旗艦支出結構被公開，企業採購部門會更理直氣壯地把預設模型換成低階版本，並把省下的預算投向工程整合與資料治理。這對主打性價比的開源模型與二線供應商是明確利多，採購決策的天平從「誰最強」移向「誰的單位任務成本最低」。

傳導鏈的另一端在算力基建。若企業支出持續向便宜模型集中，推理端對最高階晶片的需求增速可能低於市場預期，這對我們先前討論過的OpenAI 資料中心負責人離職與上兆美元資本支出表所代表的算力建設敘事，構成同一方向的需求端約束：支出側的結構性偏移，最終會反映為基建投資回收週期的拉長。

收束判斷

Fable 5 遇冷並不代表模型能力失效，而是定價結構的訊號。企業 AI 採購已經從嚐鮮期進入例行採購期，支出開始像買雲端資源一樣分層：旗艦模型負責少數高價值任務，量大價低的中階模型承擔絕大多數工作量。11% 這個數字如果成為產業常態，下一輪競爭的焦點將從排行榜轉向單位任務成本與穩定性，而這兩項都不是靠「更強」兩個字就能收取溢價的。

（《金融時報》報導與 Ramp 支出數據為本文主要事實依據；涉及未來趨勢的部分屬情境推演，非預測承諾。）