跳到主要内容
返回时间线
Databricks Blog来源发表:

Databricks公开企业AI指数:同一通过率下,每任务成本可差约32倍

核心概要

Databricks推出公开的AI指数,把1万多家企业经Unity Gateway产生的匿名用量数据与基于真实代码库任务的编程智能体评测放在一起,按周更新。指数显示企业模型选择正快速分散,开源权重模型在token流量中的份额从7月的7.3%升至11月的30.9%。在编程基准中,GPT-6 Luna与Claude Opus 5.5同为89.1%的任务成功率,但每任务平均成本分别为0.05美元和1.62美元。

Source-provided article image: Introducing the Databricks AI Index: The state of enterprise AI tokenomics
Databricks Blog

深度剖析

企业选择AI模型的方式正在从少数几家供应商集中转向跨版本、跨供应商分散,模型质量仍是份额变化的主要推力。 7月时约64%使用Unity Gateway的企业只依赖一家模型供应商,到11月2日这一比例降至28%。 Claude Opus 5.5发布后六周内,其在专有模型token中的占比从7.2%升至37.9%,Anthropic整体份额从57.6%升至68.8%。

指数把两类数据并置:一类是企业实际用量与支出,另一类是持续更新的编程智能体评测。 客户反复询问新模型之间如何比较、企业采用情况如何,指数把这些内部评测与用量观察一并公开。 用量数据来自1万多家使用Unity Gateway的企业,评测任务取自Databricks私有代码库的真实拉取请求,并用隐藏测试判定,而非由大模型充当裁判。

编程智能体的成本由token价格和完成任务所需工作量共同决定,单看单价会误判。 Gemini 3.8 Flash的token单价低,但平均每任务需140轮,最终以每任务11.97美元成为基准中最贵的模型之一。 同一基准中,Claude Fable 5.1以96.0%的任务成功率对应每任务7.47美元,Muse Wonder以94.9%对应1.53美元,前者多出1.1个百分点却接近五倍成本。

启示与展望

指数面向需要比较模型采用、编程智能体性能与成本的企业读者,数据覆盖2026年9月21日至11月7日,支出按供应商公开标价估算。结果反映所评估的工作负载与模型,可能因组织而异。

指数说明结果可能随组织不同而变化,并建议企业针对自身开发任务再做评估;开源权重模型在编程质量基准前十中占三席,其中DeepSeek V4.1与GLM 5.3以93.1%的通过率并列第三。