核心论点：国产大模型在Token消耗份额上显著增长，但在商业收入层面尚未对Anthropic构成实质性冲击，其最大作用是以高性价比加速Agentic Coding普及，而非颠覆Anthropic的定价能力。
2026年以来，国产大模型每隔1-2个月出现新领先者（Qwen、Kimi、DeepSeek V4、GLM-5.2、Kimi K3等），且几乎全部开源，形成对Claude系列模型的舆论压力。
“创业者朋友表示70%的Token消耗来自某个国产大模型；AI爱好者认为翻译、资料整理可完全由国产模型平替。”
Anthropic自2026年5月后未披露ARR，6月秘密交表（上市前合规暂停披露）。第三方估算7月中旬ARR约741亿美元，两个月环比增长58%，增速绝对值仍高但较前几季度明显放缓。
第三方估算数据，反映收入层面国产模型尚未构成实质性冲击
OpenRouter等平台的数据高估了国产模型的实际商业影响力，因为不包括大企业直签、云平台打包采购以及Claude/GPT订阅用户。
Kilo Code 2026年6月测试显示成本与成功率的真实差距：
考虑失败后人工干预成本，价格差距缩小。
“一部分非常复杂、高要求的任务非Claude不可，GPT都差一点，开源模型差得更多；客户愿意为多出的10-15%能力支付100-200%溢价。”
Anthropic的定价策略（全市场最贵，接近一个数量级）并未因国产模型涌现而大幅下调，说明在高端任务上缺乏直接替代品。
原文通过区分收入层面与Token市场份额层面，揭示了国产模型表面冲击与实际商业影响的错位。在OpenRouter等平台的高份额数据背后，是企业级购买行为、本地部署和任务复杂度等因素导致的统计偏差。Anthropic增速放缓更多归因于OpenAI的追赶，而非国产模型直接替代。
结论：国产大模型对Anthropic的冲击更多体现在价格战和舆论层面，而非实质性的收入侵蚀。其真正价值在于以低成本推动AI Agent的普及，扩大了整个市场蛋糕。Anthropic的高定价能力源于高端任务的不可替代性，短期内难以被颠覆。