2026年6月13日，一家名为Z.ai的中国AI公司发布了一个叫GLM 5.2的大模型。
三天后，他们把模型的”配方”——一整套模型参数文件——放到了开源社区Hugging Face上，任何人都可以免费下载、修改、甚至自己部署。
这件事一开始没有引起太多关注。毕竟每个月都有新AI模型发布，光是中国公司一年就会推出几十个。但随后几周里，越来越多的工程师和研究者发现了一个让他们坐不住的事实：
GLM 5.2在编程能力上，超越了OpenAI当时最贵的模型GPT-5.5。而它的价格——如果通过API调用的话——只有后者的六分之一。
在笔者看来，这不止是一个”中国公司又出新模型了”的新闻。它是一个信号：AI模型正在变得越来越强，但卖AI模型的公司正在变得越来越不赚钱。而这两个趋势，正在同时发生。
图1：GLM 5.2在多个编程基准测试中超越GPT-5.5，但API价格仅为后者的六分之一。来源：TechStartups
六年造一个”杀手”
先搞清楚GLM 5.2到底是个什么级别的选手。
这个模型有7530亿个参数——你可以把它理解成AI的”脑细胞”数量。不过它采用的是一种叫”混合专家”（MoE）的架构，实际每次运算只激活其中的约400亿个参数。这就好比一个大学里虽然有一千位教授，但回答一个问题时只需要其中五十位——既保证了知识广度，又控制了运转成本。
在编程能力这个AI最赚钱的应用场景里，GLM 5.2交出的成绩单令人侧目：
| 基准测试 | GLM 5.2 | GPT-5.5 | Claude Opus 4.8 |
|---|---|---|---|
| SWE-bench Pro（软件工程） | 62.1 | 58.6 | 69.2 |
| FrontierSWE（前沿任务） | 74.4% | 72.6% | 75.1% |
SWE-bench Pro是当前最权威的AI编程能力考试——它考察的是”在真实软件项目中找到bug并修好”。62.1分意味着GLM 5.2能独立解决60%以上的真实软件问题，这个水平已经超过了GPT-5.5的58.6分。与行业第一Claude Opus 4.8的69.2分相比，差距是7分——而要知道，一两年前这个差距动辄是二三十分。
换句话说，开源模型追上闭源顶级模型的速度，远远快于大多数人的预期。
最要命的不是能力强，是便宜
如果只是能力强，这件事还不致命。真正致命的是价格。
笔者整理了一下目前主流AI模型通过API调用的价格，单位是”每处理100万个token”（token可以粗略理解为一个词或一个字）：
| 模型 | 输入价格（每100万token） | 输出价格（每100万token） |
|---|---|---|
| GLM 5.2（通过OpenRouter） | 1.40美元 | 4.40美元 |
| GPT-5.5 | 5.00美元 | 30.00美元 |
| Claude Opus 4.8 | 5.00美元 | 25.00美元 |
| DeepSeek V4 Pro | 0.44美元 | 0.87美元 |
做一个简单对比：假设一个程序员用AI写代码，每次任务大约产生0.1美元的账单。用GPT-5.5的话，每完成一次任务约花3美元。用GLM 5.2，同样质量的任务只要大约0.46美元——便宜了85%。
85%的成本下降，对于一家每月在AI API上花费100万美元的公司来说，意味着一年能省下超过1000万美元。
技术博客作者马丁·奥尔德森（Martin Alderson）在他那篇引发广泛讨论的文章里写道，他尝试把日常用的AI编程工具从Claude切换成GLM 5.2，结果”几乎感受不到任何区别”——代码质量相当，换模型只需要改一行配置文件。唯一的不足是GLM 5.2的响应慢一些，因为它”想”得太多，输出的token量大约是竞品的两倍。但即便如此，总成本仍然不到原来的一半。
“你的利润，就是我的机会”
到这里，我们需要讨论一个更根本的问题：为什么AI API的利润率会崩塌？
先理解当前AI公司的赚钱逻辑。OpenAI和Anthropic（Claude的母公司）的商业模式大致是这样的：花一大笔钱（数亿美元）训练一个模型，然后把模型放在云端，按使用量收费。训练是一次性的固定成本，但使用——业内叫”推理”——是有真实边际成本的：每次有人问AI一个问题，就需要消耗GPU的算力和电力。
关键的数学在这里：据马丁·奥尔德森估算，当OpenAI或Anthropic以每百万token收费25-30美元时，他们真实的GPU算力和电力成本大概只占其中的10%-20%。也就是说，毛利率高达80%-90%。（OpenAI泄露的财务数据表明其综合毛利率约60%，其中包含了客服、支付等额外成本。）
这个高毛利，是他们赖以收回巨额训练投资的手段——就像电影公司花2亿美元拍一部电影，然后在全球院线卖票赚回来。只要票价够高，放映场次够多，就能盈利。
但问题来了：如果有另一家电影公司拍出了差不多的电影，票价只收原来的六分之一呢？而且这部电影的”配方”还公开了——其他影院甚至可以自己放映，不需要给制片方分成？
这就是GLM 5.2带来的冲击。亚马逊创始人贝佐斯有句名言：“你的利润，就是我的机会。“现在，这句话正在AI行业应验。
图2：综合评测显示GLM 5.2在多项指标上已接近或超越闭源顶级模型。来源：TechStartups
切换成本为零：AI行业最脆弱的护城河
在传统软件行业，一个公司很难轻易更换核心供应商。比如一家银行把全部系统建在Oracle的数据库上，想要迁移到另一家数据库，需要几年时间、数百万美元的迁移成本、以及承担巨大的业务风险。这就是”锁定效应”——也是软件行业高利润的根本保障。
AI模型行业呢？完全不一样。
GLM 5.2的API接口故意设计成和OpenAI、Anthropic完全兼容。什么意思呢？一个公司如果已经在用GPT的API写代码，想切换成GLM 5.2，只需要改一行配置：把API地址从OpenAI的服务器改成Z.ai或Fireworks等提供商的服务器。代码一行都不需要改。
奥尔德森在文章中写道：“这不是微软或Salesforce那种级别的锁定——你需要花几年时间来规划一次迁移。这里的切换成本低得离谱。“他在自己的实际测试中，从Claude切换到GLM 5.2全程不到五分钟。
HN上有位评论者说得更直白：“未来的AI API就像一个电力公司。谁会管你的电是IBM发的还是德州发的？一安培就是一安培。”
如果这个比喻成立，那AI API的利润率将不可避免地走向公共事业的水平——个位数的利润率，而不是现在的80%以上。
三条曲线正在合围
在笔者看来，AI API利润率的崩塌由三条曲线同时向下压：
第一条曲线：开源模型的追赶速度。
斯坦福大学2025年AI指数报告显示，在Chatbot Arena排行榜上（一个让用户盲测各种AI回答质量的平台），开源模型和闭源模型的性能差距从一年前的8%缩小到了1.7%。一年缩短了6.3个百分点。按照这个速度，2026年底前，开源模型将完全追平甚至超越闭源模型。
GLM 5.2就是这条趋势线上的一个里程碑。
第二条曲线：推理成本的断崖式下降。
根据AgentMarketCap的研究，自2023年GPT-4发布以来（当时每百万token收费30美元），到今天顶级AI模型的API价格已经下降了超过300倍。这背后的驱动力包括：更高效的芯片（AMD的MI300X据说跑GLM 5.2的成本仅为NVIDIA Blackwell的36%）、更聪明的模型架构（MoE以更少的运算量达到同等效果）、以及软件层面的持续优化。
第三条曲线：中国国产替代的加速。
Z.ai不是孤例。DeepSeek V4 Pro的价格甚至比GLM 5.2还低10倍（每百万token仅0.44美元），虽然能力稍弱。字节跳动的豆包、MiniMax、智谱——每一家中国AI公司都在以远低于美国同行的价格提供接近SOTA（当前最佳水平）的服务。这背后既有中国芯片供应链受限倒逼的效率创新，也有巨大的国内市场竞争压力迫使价格不断下探。
一条HN评论写道：“我们现在把公司内部所有AI agent都切换到了GLM 5.2上。因为它是开源的，我们甚至可以在特定地区部署模型，获得更多自由和额外的数据保护。“
谁会赢、谁会输？
这件事的结局，在笔者的判断里，大致会走向以下几个方向：
首先，闭源AI API的高毛利时代正在进入倒计时。 OpenAI 2025年上半年的调整后毛利率已经从前一年的40%降到了33%，同期亏损高达135亿美元。这不是短期波动——当开源替代品的质量差距缩小到用户几乎无法感知时，价格战就不可避免。
其次，赢家可能是那些不靠卖API赚钱的公司。 比如芯片公司NVIDIA和AMD——无论谁家的模型跑得好，都需要买他们的GPU。再比如云服务商——模型是开源的，但跑模型需要的算力还得有人提供。用奥尔德森的话说：“如果没办法通过卖API暴利来收回训练成本，那整个AI行业的经济模型就需要重写。”
第三，最大的隐形赢家可能是用户。 无论是企业用户还是个人开发者，他们正在以每年砍半的价格，获得质量越来越高的AI服务。这和PC行业的历史很像——电脑性能每年翻倍，价格不变甚至下降，最大的受益者是每一个用上电脑的人。
在写完这篇文章时，笔者注意到奥尔德森已经预告了”第二部分”——专门分析利润率崩塌后整个行业格局会如何重塑。也许下一次，我们讨论的不再是”AI API还有多少利润”，而是”如果卖AI API根本不赚钱，这个行业该怎么活下去”。
参考链接：
- Martin Alderson, “GLM 5.2 and the coming AI margin collapse (part 1)”, 2026-07-06. https://martinalderson.com/posts/the-upcoming-ai-margin-collapse-part-1-glm-5-2/
- Hacker News 讨论, https://news.ycombinator.com/item?id=48809877
- Lobsters 讨论, https://lobste.rs/s/ua1gxl/glm_5_2_coming_ai_margin_collapse
- Danilchenko, “GLM-5.2 Review”, 2026-06-18. https://www.danilchenko.dev/posts/glm-5-2-review/
- Thesys, “GLM 5.2: Benchmarks, Pricing, and Features”, 2026-06-19. https://www.thesys.dev/blogs/glm-5-2
- TechStartups, “Z.ai’s GLM-5.2 beats GPT-5.5 on coding benchmarks at one-sixth the cost”, 2026-06-17. https://techstartups.com/2026/06/17/z-ais-open-source-glm-5-2-beats-gpt-5-5-on-coding-benchmarks-at-one-sixth-the-cost/
- AgentMarketCap, “The Token Cost Collapse: LLM Prices Fell 300x in 3 Years”, 2026-04-06. https://agentmarketcap.ai/blog/2026/04/06/model-price-deflation-flywheel-token-costs-llm-api-commoditization
- Philipp Dubach, “AI Models Are the New Rebar”, 2026-03-11. https://philippdubach.com/posts/ai-models-are-the-new-rebar/
- Epsilla, “The DeepSeek Disruption: How Open-Source Commoditization Forces API Margins to Zero”, 2026-04-26. https://www.epsilla.com/blogs/2026-04-26-the-deepseek-disruption-how-open-source-commoditization-forc
- Wafer, “Running GLM 5.2 on AMD Hardware”, https://www.wafer.ai/blog/glm52-amd
- Artificial Analysis, “GLM 5.2 Intelligence, Performance & Price Analysis”, https://artificialanalysis.ai/models/glm-5-2
- Apidog, “How to Use GLM-5.2: $1.40/1M input, $4.40/1M output”, 2026-06-17. https://apidog.com/blog/how-to-use-glm-5-2-for-free/
图片来源说明： 原文（martinalderson.com）为纯文本博客，无内嵌内容图片，仅有用于社交分享的OG图片一张：https://martinalderson.com/img/og/glm-5-2-and-the-coming-ai-margin-collapse-part-1.png（1200×630px）。本文中两张内容配图来自TechStartups相关报道，已标注来源。
