美國公司偷偷換掉 Claude，改用中國模型——國會坐不住了

舊金山的 AI 助理新創 Lindy 做了一個很多同業還在猶豫的決定：把生產環境的流量從 Anthropic 的 Claude，整批換成中國的 DeepSeek。創辦人 Flo Crivello 說，這一換省下數百萬美元。

會這樣算的不只他一家。據 CNBC 7 月 7 日的報導，頂尖中國模型的 API 計費低到每百萬 token 約 0.18 美元，而頂尖美國前沿模型大約要 4 美元——同樣一批工作，帳單差了一個數量級。到了 7 月 8 日，這件事熱到美國國會議員對其中兩家公司（Airbnb 和 Cursor 母公司 Anysphere）展開調查。

如果你也是按 token 付費的一員，這道算式跟你有關：你付的是同一份美元前沿模型帳。所以下面把「差多少、怎麼拿到這個價、代價是什麼」攤成一張你能照著算的表。

$0.18 對 $4：帳單直接少一個數量級

先把數字擺出來。這裡的價格都是來源給的概數，不是單一模型的官方定價表，實際會依模型和用量浮動：

陣營	代表模型	概略 API 成本（每百萬 token）	能力參照	取用方式
美國前沿（閉源）	Claude、GPT 等頂尖模型	約 4 美元	目前多數 agentic 基準的天花板	官方 API
中國開放權重（最低價一端）	DeepSeek	低至約 0.18 美元	一般任務足夠，成本極低	OpenRouter／雲端代管／自架
中國開放權重（追近能力一端）	Z.ai GLM 5.2	約為 Opus 4.8 的五分之一	在一項受關注的 agentic 基準距 Opus 4.8 約 1 個百分點	同上

這個價差會直接改變你能做什麼。每百萬 token 4 美元的時候，你會小心地只在關鍵步驟叫最強的模型；掉到 0.18 美元，你可以讓 agent 放手跑更多次、重試更多輪、掃更多檔案，成本還是零頭。Crivello 的說法很直白：成本曲線會「砸到地板」。

Rest of World 6 月的報導裡有更貼地的個人實例：一位開發者用 Claude 寫程式每小時約 10 美元，換 DeepSeek 後不到 0.5 美元；另一位每月從 Claude、ChatGPT 的 500 美元，降到 Minimax、Kimi 的 200 美元。這些是個別自述、不是審計數字，但方向一致。

不只 Lindy：OpenRouter 上快每兩個 token 就有一個跑中國模型

單一公司會省錢是個案，整個市場在位移才是訊號。

據 CNBC 引用的 OpenRouter 數據，美國公司路由到中國模型的 token 佔比，自 2 月 8 日起每週都站在 30% 以上，高峰接近 46%——而前一年這個數字平均只有約 11%。換句話說，短短幾個月，美國開發者手上快每兩個 token 就有一個送去中國模型處理。

新模型的採用速度也很猛。在 Vercel 平台上，Z.ai 的 GLM 5.2 是 2026 年採用最快的模型：發布後第一個完整週，每日 token 量成長約 27 倍、使用它的客戶數成長約 80 倍。

用的也不是無名小廠。Airbnb 和 Shopify 都提過用阿里巴巴的 Qwen 3；Coinbase 執行長 Brian Armstrong 公開講過用中國模型降成本；Cursor 母公司 Anysphere 也在用中國開放權重。這些是把功能做進產品的公司，不是拿來玩玩。

便宜的錢怎麼拿：自架或走美國雲端，資料留在自家

這裡有個容易誤會的地方：用中國模型，不等於把資料送去中國。

這些是開放權重模型——權重可以下載，MIT、Apache 類授權允許商用。所以企業實際的做法，多半是透過美國的雲端業者代管存取，或乾脆自己架在自家伺服器上，讓資料處理留在境內、不直接付錢或送資料給中國開發者。Airbnb 執行長 Brian Chesky 就強調過，沒有把資料交給模型開發方。

對台灣團隊，這一段幾乎可以照抄：GLM 5.2（MIT）、Qwen（Apache 類）這些權重你一樣下載得到，經 OpenRouter 或雲端代管取用的路徑也一樣。技術上要複製美國公司的省法，門檻沒有比較高。

代價那一欄：7 月 8 日國會找上門

省下的每一塊錢，另一欄都有對應的風險，這是換之前得先看清楚的。

最新的一筆是 7 月 8 日：據 CNBC，美國國會議員對 Airbnb 和 Anysphere 展開調查，起因正是兩家揭露用了 Qwen、Kimi 等中國開放權重模型。要講清楚範圍——企業使用這些模型在美國並沒有被禁，被盯上的是「用到什麼程度、資料怎麼流」的揭露與審查；部分美國政府部門則已自行禁用 DeepSeek。

除了政治風險，還有兩個工程與治理層面的顧慮：一是資料安全與落地，受監管程度高的大型公司對此特別謹慎；二是模型審查傾向，中國模型在某些主題上的輸出行為和西方模型不同。這些不是「不能用」，而是「用之前要想清楚放在哪一層、跑什麼資料」。

換之前先問自己三件事

這道題沒有一體適用的答案——你的工作負載長什麼樣，決定了省下的錢值不值得那欄代價。與其給你一個「該換／不該換」，不如給你換之前該先算的三題：

1. 這個工作負載對每 token 成本有多敏感？ 如果是 agent 大量重試、批次處理、長 context 掃描這類「量大、單次不必最頂能力」的活，價差最有感，最值得試。反過來，若你要的就是基準天花板那一兩個百分點，前沿閉源還是它的地盤。
2. 資料能不能留在你掌控的邊界？ 走自架或可信雲端代管、把資料留在境內，是把政治與安全風險降下來的前提。做不到這點，先別碰生產資料。
3. 能力差的那 1 個百分點，會不會咬到你？ GLM 5.2 距 Opus 4.8 約 1 個百分點是「某一項基準」的數字，不是你的任務。先拿自己的真實用例小規模跑一輪對照，再決定要搬多少流量過去。

價差大到「不試白不試」是事實；但把資料邊界先定好、拿自己的用例實測過再搬，才是美國那些公司真正在做的事：算完帳、把資料留住、逐批把流量搬過去，而非一鍵全換。

---

資料來源：CNBC（2026-07-07、2026-07-08）、Rest of World（2026-06-17）、Invezz（2026-07-07）；成本與採用數字來自上述報導引用的公司自述與 OpenRouter／Vercel 平台遙測，均為概數。

矽基前沿 · 工作現場線（編輯：廖玄同），《美國公司偷偷換掉 Claude，改用中國模型——國會坐不住了》，矽基前沿 [Si]gnals，2026-07-08。https://signals.tw/articles/us-firms-switch-chinese-ai-cost/