YouTube 影片筆記
用API報價拆解96%中國模型說法,實算混合開源與旗艦模型的成本差距
原片標題:为什么美国平台上 96% 是中国模型?|Mia 码上 AI
原片說明
原片:Y Combinator · Lightcone《Open Models Change The Economics of AI》
https://www.youtube.com/watch?v=rY0wnfFHYbs
Ollama:https://ollama.com
计算器按了三遍,本来想抓他吹牛,结果按 API 标价算,账还真对上了 🙃 可换成订阅,又是另一笔账
你是用便宜的开源模型,还是只认最贵的神模型,还是跟我一样……评论区说说
⏱️ 想看哪段点哪段
0:00 云上 96%,家里却打平
0:54 为什么一边倒:看个头
3:38 八九成的 token,一两成的钱
6:21 开源到底落后几个月
7:23 中国模型会不会被埋雷
9:24 token 多到泛滥,缺的是什么
🍿 相关视频
混合专家 MoE 是什么,DeepSeek 为什么能这么便宜
https://youtu.be/gOVGRiUimzM
$200 的 Claude Ultra,按 API 价一个月值 1.1 万美元
https://youtu.be/Zh4UbGxS1e4
失控的 AI 代理黑进 Hugging Face 那件事
https://youtu.be/jxY8GFvstPE
AI 真的是黑箱吗?用「可解释性」打开模型的脑子
https://youtu.be/014lltitHZ0
YC 访谈:AI 时代的全栈设计师
https://youtu.be/g3IYySwXJkM
✨ 也许你会喜欢
Latent Space:Claude Code 的苦涩教训
https://youtu.be/zDmApdxSzmo
Claude 和 GPT 关在一起会聊什么
https://youtu.be/rPikm0MbnFs
📷 素材来源
片中原片片段和画面的版权归原作者所有,只用于解读和评论。
Y Combinator《Open Models Change The Economics of AI》:https://www.youtube.com/watch?v=rY0wnfFHYbs
Anthropic《Sleeper Agents: Training Deceptive LLMs that Persist Through Safety Training》:https://arxiv.org/abs/2401.05566
《谍网迷魂》(1962)海报:United Artists,公有领域 https://commons.wikimedia.org/wiki/File:The_Manchurian_Candidate_(1962_poster).jpg
#Ollama #开源模型 #DeepSeek
💚 关注 Mia,码上搞懂 AI
按了三遍計算器想抓他吹牛,結果帳還真的對上了。Mia 這支影片在算一筆很實際的帳:同樣的用量,八九成的 token 交給便宜開源模型、一兩成留給最強的神模型,帳單只剩全用貴的 18% 左右。她還不忘提醒你,這是按 API 標價算的,個人買訂閱又是另一回事。

影片時間軸
- 00:00雲上 96% 是中國模型,下載回自己電腦卻跟美國打平
- 01:36從參數量解釋:家用電腦跑得動的只有 200 億到 400 億
- 01:59把各家開源模型按同比例排開,螢幕都不夠高
- 02:41混合專家架構,每個 token 只叫醒幾個專家幹活
- 03:43AT&T 員工四成 AI 請求改走開源,寫程式成本砍 56%
- 04:16拿官方價目自己算,Fable 5.2 與 Flash 差 33 倍
- 06:25開源落後幾個月,賣開源的和掏錢的客戶說法不一樣
- 08:41Anthropic 的潛伏特工實驗:暗號洗完還在,考核全過
- 10:05Token 越便宜,會派活的人越值錢

賣開源的人自己也在賣雲
Jeff 是 Ollama 老闆,這筆帳算得漂亮,但 Mia 直接點出他利益相關。她兩邊都攤開講:企業按 API 用多少付多少,帳單確實只剩一成多;可天天用的個人買的是訂閱,200 美元的 Claude Ultra 按 API 折算能用掉一萬一千多美元,反而比最便宜的 API 還划算。所以她天天用 Claude 不是錢多,是又聰明又划算。

暗號洗不掉,跟國籍無關
主持人問的那個問題很尖:把中國模型放進美國機房,怎麼確定它沒被埋暗號。Mia 搬出 Anthropic 的潛伏特工實驗,模型被埋了年份暗號,常規安全訓練洗完還在,考核全過照常上班。她的結論很乾脆,這跟哪國做的沒關係,任何不是你自己訓練的模型,你都只能選擇相信它。
值得下載嗎
值得。它把「96%」這個嚇人的數字拆成參數量、混合專家架構和 API 定價三層來看,還誠實標出 Jeff 的利益相關與自己的訂閱帳單,是那種看完會想自己按一次計算器的影片。
覺得這篇筆記有幫助嗎?