曾经token管够的公司，如今纷纷开始精打细算过日子了。
最近，美国Agent公司Lindy将100%托管Agent流量，从Claude全面迁移至DeepSeek V4。
原因很实在：此举可节省数百万美元推理成本，迁移后流量支出下降约90%。
这并非孤例。
一批美国开发者与中小型企业正加速转向中国模型——它们在大量常规任务中表现“够用且极具性价比”。
据外媒披露，西门子（Siemens）、雷诺（Renault）、法国电信Orange、ChapsVision等欧洲企业，已普遍采用混合策略：同时调用美国、中国与欧洲本地模型。
回望过去一年，不少企业曾大力倡导员工“多用AI”，仿佛Token烧得越猛，就越能彰显“AI优先”的决心。
然而当月度账单真实摆在财务桌上，全球企业仿佛默契达成共识，集体开启理性复盘：该省则省，该投则投。
一场以“小模型经济学”为名的务实风潮，正悄然席卷产业一线。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Token无节制使用的代价
所谓小模型经济学，本质是拒绝“凡事都请最贵专家”。
以往企业接入AI，常默认启用最强模型：
写代码用Claude，构建Agent也用Claude，无论任务复杂与否，一律先上前沿大模型。
但现实是，顶尖模型堪称“Token粉碎机”——每多加载一段上下文、每多执行一轮Agent循环，账单数字就令人头皮发麻。
于是人们开始反思：难道所有任务都非得动用旗舰级模型？
答案逐渐清晰：简单任务交给高性价比模型，关键环节再启用高价强模型，整体效果同样稳健。
这套“按需分配”的省钱逻辑，被业内亲切称为“小模型经济学”。
它并非空想产物，而是被真实账单倒逼出的生存策略。
Uber就是一个典型缩影。
该公司曾鼓励工程师广泛使用AI编程工具，Claude Code、Cursor等一度被视为提效利器。
结果短短数月，AI编程预算即告耗尽。
Uber COO Andrew Macdonald后来公开坦言：很难将Claude Code的使用量，与“多交付25%有效用户功能”建立直接因果关联。
随后，公司迅速出台管控措施：为每位员工、每类工具设定每月1500美元Token上限，超支须经审批。
亚马逊的故事更具讽刺意味。
为响应集团AI倡议，内部员工自发搭建KiroRank排行榜，比拼谁消耗Token最多。
不料很快有人钻空子——无需解决实际问题，只需让Agent反复执行低价值指令，排名照样飙升。
最终，高级副总裁Dave Treadwell亲自发声：“别为了用AI而用AI。”该榜单随即悄然下线。
Meta内部也曾推出类似机制，甚至起名“Claudeonomics”，把“经济学”都搬进命名里，却同样栽在同一坑中。
如今，头部科技公司已普遍收紧Token使用权限。
微软被曝大幅削减Claude Code直连许可，转而主推GitHub Copilot CLI，并推动Copilot由包年订阅转向按量计费模式。
Meta亦从“Token最大化”战略，全面转向“Token最小化”运营。
外媒报道称，Meta正计划限制员工AI调用量，因内部AI开销预计将达到数十亿美元量级。
这些转变传递出明确信号：企业终于意识到，Token支出与业务产出之间并不存在线性正相关，“盲目烧钱”的时代已然终结。
小模型经济学，正在变成一门真生意
仅靠企业内部抠预算远远不够。真正让“小模型经济学”站稳脚跟的，是供给侧发生了实质性进化——便宜模型，真的好用了。
DeepSeek V4系列便是最直观的代表。
同等任务下，DeepSeek V4 Flash的定价仅为Anthropic同类模型的1/20至1/50。
在Ramp发布的《企业软件采购趋势榜》中，DeepSeek一度跃居榜首。
使用 @youdotcom-oss/teams-anthropic 将 Anthropic Claude 模型（Opus、Sonnet、Haiku）添加到 Microsoft Teams.ai 应用程序中。可选集成 You.com MCP 服务器以进行网页搜索和内容提取。
Vercel AI网关数据更显震撼：
其生产环境中，DeepSeek的Token占比在一个月内从不足1%，飙升至17%。
就连微软也在认真评估：是否可用DeepSeek V4微调版本，替代Copilot Cowork中原本运行于Anthropic与OpenAI之上的核心模块。
由此，行业内部形成了一套心照不宣的分层实践逻辑：
- 预算充裕或任务高度复杂时，继续选用OpenAI、Anthropic旗舰模型；
- 若追求投入产出比，则果断切换至DeepSeek、Kimi、智谱GLM、MiniMax等“够用且低价”阵营。
双轨并行，按需调度。
开源项目ClawRouter实测显示，采用该分层组合方案后，平均成本可从每百万Token 25美元，压缩至约2美元。
在此背景下，OpenRouter这类模型路由服务商突然变得炙手可热。
OpenRouter并不训练模型，而是打造智能调度中枢，协助企业与开发者在OpenAI、Anthropic、Google、DeepSeek、Mistral等数百个模型间动态分配请求。
价格、延迟、稳定性、上下文长度……皆为其调度决策的关键维度。
外媒消息称，OpenRouter今年完成1.13亿美元B轮融资，估值达13亿美元；周处理Token量激增5倍至25万亿，注册用户突破800万。
Vercel数据亦印证这一趋势：成熟AI应用早已告别“单模型通吃”。
在其AI Gateway平台中，月请求量超千万次的团队，平均同时调用35个不同模型。
有的专司意图识别，有的专注信息检索，有的负责摘要生成，有的承担复杂推理——AI应用正演化为一条分工精细、各司其职的智能流水线。
LiteLLM、Helicone等工具，则进一步将模型路由升级为“财务操作系统”：
支持按团队、项目、模型设置预算阈值，实时监控各接口Token消耗；一旦某家供应商涨价或变慢，系统即可自动切流。
云厂商亦快速跟进。
AWS Bedrock推出的Intelligent Prompt Routing，已能在同一模型家族内实现请求智能分流。
内部测试表明：在Claude Haiku与Sonnet之间动态调度，可在不牺牲质量前提下，降低48%–56%推理成本。
这场由成本驱动的产业变革，正让“帮企业省钱”的小模型经济学，蜕变为一门可持续增长的新生意。
企业如何落地执行？
道理谁都懂，“该省省、该花花”听起来简单，但落到技术层面，企业面对的是实实在在的工程挑战：
这一次请求，究竟该交给便宜模型，还是贵模型？
这绝非简单地把Claude替换成DeepSeek，而是要把一个完整AI任务，拆解为多个可分级处理的子步骤。
例如一个电商客服Agent，当用户提问“我的订单到哪了”，背后模型协作流程大致如下：
- 先由低成本模型判断用户意图：属物流查询，非投诉、非退换货；
- 再由同档模型精准抽取订单号，并调用物流API获取状态；
- 最后仅需中等能力模型，将原始数据润色成自然语言回复。
用户看到的仍是那句：“您的包裹已抵达杭州转运中心”，而企业已在后台规避了大量昂贵推理。
AI编程场景同样适用此逻辑。
Coding Agent无需全程依赖顶级模型：
- 读取目录结构、归纳文件关系、生成基础测试用例、撰写PR摘要——这些均可交由轻量模型完成；
- 而涉及跨文件重构、全局依赖分析、安全敏感代码审查等高风险环节，则再交由Claude、GPT等强模型兜底。
从技术实现角度看，主流模型路由方案通常包括以下几类：
最基础的是规则路由：例如，订单类查询走小模型+API直连，法律合规类问题则强制路由至强模型+人工复核。
更常见的是级联路由：先由低价模型尝试回答，若格式校验失败、事实核查存疑、置信度低于阈值，则自动升级至高价模型重试。
进阶形态则是学习型路由：系统基于提示词难度、历史响应质量、当前预算余额与延迟要求，实时决策最优模型路径。
近两年，这类工程实践已从工程师口耳相传的经验，上升为严肃学术课题。
例如，ParetoBandit聚焦于动态环境下的预算感知路由——模型价格浮动、性能悄然衰减、新模型持续入场，系统如何在控制总预算的同时，持续在线优化调度策略？
Budget-Aware Agentic Routing则专攻Agent长链任务场景：每一步都调用强模型不可持续，因此必须在每个节点实时判断——此刻该省钱，还是该加码？
当企业主动剥离“Token管够”的幻想，拥抱更理性的“小模型经济学”，恰恰标志着AI规模化落地，真正迈入深水区。
本文来自微信公众号“世界模型工场”，作者：世界模型工场，36氪经授权发布。
