37.9%:Databricks 称 Claude Opus 5.5 六周内拿下其平台专有模型 token 的近四成——这个数字是怎么算出来的
Databricks 称,Claude Opus 5.5 上线六周,在其平台专有模型 token 中的份额从 7.2% 升到 37.9%,Anthropic 整体份额从 57.6% 升到 68.8%。这组数字出自 Databricks 新发布的 Databricks AI Index,一份追踪企业 AI 模型采用、支出趋势与编程代理性能的公开资源。37.9% 这个数字说明的结论是:一款新旗舰模型可以在极短时间内大幅改变企业对模型提供商的流量分配。
这个数字怎么来的
据 Databricks 官方博客,37.9% 的统计口径是”专有模型 token 份额”(proprietary-model tokens)。数据来自 10,000 余家使用 Unity Gateway 的企业的聚合匿名调用数据,企业类型涵盖数字原生公司、财富 500 强和全球 2000 强,包括经由 Unity Gateway 调用 Anthropic、OpenAI 等外部提供商的流量。Databricks AI Index 按专有模型与开放权重模型两个维度,分别追踪 token 份额和支出份额。当前数据集覆盖的时间段为 2026 年 9 月 21 日至 11 月 7 日。
Databricks 介绍,模型支出的估算使用的是各提供商公开标价。编程代理基准测试部分则基于 Databricks 工程师在私有代码库上的真实编程工作流,通过隐藏测试而非大语言模型评判来评估结果。结果反映的是所评估的工作负载和模型,不同组织之间可能存在差异。
据 Databricks 博客,37.9% 统计的是在上述企业群体、上述时间窗口内,Claude Opus 5.5 在所有专有模型被调用的 token 总量中所占的比例。它不是全部模型(含开放权重模型)的 token 份额,也不是支出份额。
和什么比
Databricks 在同一篇博客中给出了多个对照数字。
据该文,Opus 5.5 上线初期份额为 7.2%,六周后升至 37.9%。与此同时,Anthropic 作为提供商的整体专有模型 token 份额从 57.6% 升至 68.8%。
Databricks 介绍,OpenAI 在同一时期的份额也有增长,驱动力主要来自其 6 系列 Sol 和 Astra 模型。但当 Claude Opus 5.5 发布后,势头重新转向 Anthropic,说明”模型质量继续强烈影响提供商的市场份额”。
据 Databricks 博客,开放权重模型的企业 token 流量份额从 7 月的 7.3% 增长到 11 月的 30.9%,不到四个月增长超过四倍,说明 37.9% 是在专有模型这一子集内统计的,不含开放权重流量。
Databricks 还提供了一个反面案例作为参照:Claude Fable 5.1 以 96.0% 的任务成功率位居编程基准测试榜首,但每任务成本为 7.47 美元,其专有模型 token 份额在上线六周内从 5.5% 降至 0.6%。Opus 5.5 在质量提升的同时,每会话成本比其前代低 29%,这一发现帮助 Databricks 决定将其设为 Claude Code 的默认模型。
Databricks 给出的数据是,自 2026 年 5 月以来,大约每周就有一个新的旗舰专有或开放权重模型发布,如果算上区域实验室则约每 3.7 天一个。在这种高频迭代环境中,企业的模型使用也在快速分散:7 月时约 64% 的 Unity Gateway 企业用户只使用一家模型提供商,到 11 月 2 日这一比例降至 28%。
它说明了什么、没说明什么
据 Databricks 博客中的数据,37.9% 这个数字直接说明了两件事:第一,在新模型高频发布的环境下,一款兼具质量优势和成本优势的模型仍然能在短时间内大幅集中流量;第二,企业对模型的切换速度很快,六周足以让一个新模型成为专有模型 token 流量中的最大单一型号。但这个数字的统计范围是使用 Databricks Unity Gateway 的 10,000 余家企业,不覆盖未使用该平台的企业,也不覆盖企业通过其他渠道(如直接调用提供商 API)产生的流量。此外,37.9% 是 token 份额而非支出份额——据 Databricks 博客,在编程基准测试中,GPT-6 Luna 与 Opus 5.5 任务成功率同为 89.1%,但每任务成本分别为 0.05 美元和 1.62 美元,相差约 32 倍——说明 token 份额高的模型,每任务实际花费未必更高。
主题分类:技术与产业
参考资料
- Introducing the Databricks AI Index: The state of enterprise AI tokenomics — Databricks, 日期未标注