随着企业开始收紧AI支出，并转向性价比更高的替代方案，像 Anthropic 这样的行业巨头的增长可能正面临压力。
AI初创公司 Lindy 就是一个典型的例子。其首席执行官 Flo Crivello 透露，他们已经完全弃用了 Claude，转而采用由美国公司在美国本土托管的 DeepSeek 模型。此举让其AI成本“跌至谷底”，直接省下了数百万美元。对于这家只有25人的初创公司来说，此前的AI算力成本甚至超过了员工薪酬，已经到了“难以为继”的地步。Crivello直言，如果Anthropic降价，他会考虑换回来，但这关乎“企业的生死存亡”。
这一现象并非孤例。根据 Snowflake 首席执行官最近的一项分析，虽然像 GLM-5.2 这样高性价比的中国大模型在绝对性能上可能无法完全比肩#Claude，但在特定任务中极具竞争力，性价比优势明显。此外，OpenAI 首席执行官 Sam Altman 最近也指出，随着企业级应用向 AI Agent（智能体）系统演进，由于Agent需要消耗海量的 Token，AI调用成本已成为各大企业面临的“巨大挑战”。
Lindy 此次“倒戈”事件，揭示了当前 AI Agent 落地过程中的核心痛点：Token 经济学。早期的单次对话式 AI 对 API 成本并不敏感，但当系统向主动规划、多轮工具调用、自我反思的 Agent 架构演进时，Token 的消耗量呈现指数级增长。在这种背景下，“足够好用且极度便宜”的模型（如 #DeepSeek）正迅速击败“性能极佳但价格昂贵”的模型（如 Claude 3.5 Sonnet）。这一趋势将迫使 Anthropic 和 OpenAI 等头部厂商陷入激烈的价格战，同时也昭示着未来 Agent 生态的分化：复杂的推理和规划交由顶级模型，而高频的执行和数据处理则由高性价比模型托管。对于开发者而言，构建多模型路由机制以动态平衡成本与算力，已成为当前 Agent 商业化落地的必备技能。
