2026年11月16日,Databricks 推出公开资源 Databricks AI Index,把 1 万多家企业在 Unity Gateway 上的真实用量,和一套基于私有代码库的编码智能体评测拼在一起,每周更新。它不只看榜单分数,而是告诉你企业实际在用什么、花了多少钱、换模型值不值。首批数据覆盖 9 月 21 日到 11 月 7 日,内部评测套件第一次对外公开。
企业用模型的风向转得有多快
今年年中,企业还只依赖少数几款 Anthropic 模型;到 11 月,采用分布明显碎片化了。OpenAI 的 6 系列 Sol 与 Astra 模型推动其企业 token 流量份额显著增长;Claude Opus 5.5 发布后风向又转回去,短短六周,它在专有模型 token 中的占比从 7.2% 冲到 37.9%,Anthropic 整体份额从 57.6% 回升到 68.8%。Databricks 两个月前建立了“首日上线”流程,新模型几天内完成评估再推广;按其测算,Opus 5.5 比上一代每次会话成本低 29%,成了 Claude Code 的默认模型。
开源权重份额四个月翻了四倍
多供应商正在成为常态:7 月约 64% 的企业只用一家供应商,到 11 月 2 日降到 28%。开源权重模型的 token 份额同期从 7.3% 涨到 30.9%,不到四个月翻了四倍多。编码评测里三款开源模型进了前十,DeepSeek V4.1 和 GLM 5.3 都以 93.1% 的通过率并列第三。开源模型的能力、成本和部署灵活性正在缩小与闭源模型的差距,预算敏感的团队值得认真评估。
别只看 token 单价,要看每任务成本
GPT-6 Luna 和 Claude Opus 5.5 的任务成功率都是 89.1%,每任务平均成本却分别是 0.05 美元和 1.62 美元,相差约 32 倍。Gemini 3.8 Flash 的 token 单价很低,但平均每任务要跑 140 轮对话,最终成了评测里最贵的模型之一,每任务 11.97 美元。榜首 Claude Fable 5.1 成功率 96.0%,每任务 7.47 美元;成功率 94.9% 的 Muse Wonder 每任务只要 1.53 美元,多 1.1 个百分点要付近五倍价钱。支出也很集中:用户每周 AI 花费中位数 2.49 美元,99 分位高达 699.74 美元,是中位数的 281 倍。企业可以用自己的工作负载重放 trace 比选型,再用 Unity Gateway 的智能路由和预算上限控制开支。Databricks 此前已把预测函数带进 SQL,这次的指数是同一条路线的延伸。