AI news

1300 万月活、近 6000 万美元 ARR:OpenCode 如何在 Claude Code、Codex 夹缝中长出来?

By Founder Park1 viewsSource: Founder Park
1300 万月活、近 6000 万美元 ARR:OpenCode 如何在 Claude Code、Codex 夹缝中长出来?

我们整理了最近半年来 OpenCode CEO Jay V 以及联合创始人 Dax Raad 近期在多档播客和访谈中的核心观点,试图还原一个完整的图景,一家开源公司究竟如何在巨头夹缝中找到自己的位置,以及他们怎么看待商业化和模型编排。

The full text has not been translated yet. The Chinese original is shown below.

OpenCode 有些被低估了。

毕竟,现在是模型即产品的时代,每家模型公司都推出了自己的 Agent 产品,Codex、Claude Code、Kimi Code、Zcode,还有 Cursor 这样的明星 Coding 产品。

一款以开源模型为主的开源 Coding Agent,听起来就没那么性感。

但 OpenCode 的数据有点惊人,一年时间,从零到 1300 万月活,每天处理 7 万亿 token,年化营收逼近 6000 万美元。

可能是过去一年增长最快的 Coding Agent 之一了,甚至给人一种悄悄长成了一个巨头的感觉。

某种意义上,今年一月份 Anthropic 禁止用户通过 OpenCode 调用 Claude 订阅,让 OpenCode 真正成为话题。帮助他们迅速谈下了 ChatGPT 的订阅支持,并且因为成为了 Claude Code 的对手而为人所知。

而更长远的视角看,这家公司所押注的,是一个关于 AI 时代开源定位的判断:模型之间的竞争只会愈演愈烈。当它们互相厮杀时,占据中间那个开放、中立、不锁定用户的位置,就是最大的受益者。

我们整理了最近半年来 OpenCode CEO Jay V 以及联合创始人 Dax Raad 近期在多档播客和访谈中的核心观点,试图还原一个完整的图景,一家开源公司究竟如何在巨头夹缝中找到自己的位置,以及他们怎么看待商业化和模型编排。

01

月活 1300 万,

每日处理 Token 量比 OpenRouter 多

Q:OpenCode 在过去几个月里真的是爆炸式增长,你能带我们回顾一下 OpenCode 是怎么诞生的吗?你们又是怎么走到今天这一步的?

Dax Radd:我们做开源已经很长时间了,一直在给开发者造工具。之前的项目 SST 还挺受欢迎的,大概 2025 年 2 月实现了盈利。

盈利之后,我们有机会停下来想一想,接下来做什么?继续做 SST,还是去探索新方向?AI 显然是这个十年最重要的事,完全忽视它,感觉有点说不过去。

我们试了几个方向,但都没真正跑起来。有些东西我们自己觉得挺有意思,对我们也有用,但就是想不清楚怎么把它变成一个真正的产品。

就在这时候,我们开始用 Claude Code。其实在这之前,我们已经盯着 AI 编程工具看了挺长时间。大家都开始用 LLM 辅助工作,但那个体验一直很割裂。在编辑器里进入状态,遇到问题,不得不切出去,打开浏览器 chat,粘代码,等回复,再复制回来。这套流程太打断人了。

Cursor 那时候挺火,但我们团队没一个人真正用起来。我们都是 Vim 用户,什么都在终端里干,切换到 Cursor 代价太大。而且在 Cursor 里还是得编辑文本,但对我们来说那是更差的文本编辑体验,换来的收益却没那么明显。

Claude Code 是第一个让我们觉得「对,这才是对的」的工具。它在终端里跑,和编辑器并排放着。你问它问题,它直接操作你的文件系统,干净利落。我们当时就觉得,如果这是第一个真正让我们用起来的工具,那这件事可能真的不一样。

然后自然就问了一句:为什么不是我们来做这个东西?我们意识到,凭着在开源这块积累的经验,也许还有机会。

从定位来看,市面上编码 Agent 一堆,但没有一个占了开源这块地。没人站出来说「我们就是开源的那个选项」,而这块地显然非常值钱。

再加上模型那边竞争已经打得很激烈了。Claude 很受欢迎,但 OpenAI 在追,开源那边也在推进。我们看到了这种混战局面,也看到了一件事的价值,拿下开源定位、跟所有模型都合作。所以我们最初的冲刺目标很简单,先不管市场上在发生什么,把那个开源的位置占住。我们做到了。从那之后,数据就开始飞了。

Q:OpenCode 的增长有多快?

Dax Radd:我们 2025 年 6 月发布,当时就三个联合创始人加一个朋友,四个人。12 月达到了 65 万月活,1 月份达到了 250 万。今年 6 月底的月活跃用户大约是 1300 万,是年初的 20 倍。我们最近每天处理大约七万亿 token,年初大概在三千亿左右。作为参考,OpenRouter 全平台大概是六万亿。

就订阅产品的营收而言,如果按照六月的数据年化,营收大约在 3100 万到 3300 万美元之间。如果按照上周的数据年化,则接近 3800 万到 4000 万美元。这里主要指的是我们的推理(Inference,应该是指 OpenCode Zen)业务,大概去年 9 月底、10 月初上线的。也就是说,八个月左右做到了接近 4000 万美元的年化收入规模。

除此之外,我们还有 OpenCode 的月度订阅业务,大约是在今年 2 月底、3 月初上线的。目前月度付费订阅用户已经增长到约 16 万人,对应贡献的年化收入约 1800 万美元。

02

市场需要一个「坏人」,

Anthropic 正好处在那个位置

Q:增长的关键拐点是什么?

Jay V:一月份 Anthropic 帮了我们大忙。Anthropic 试图阻止人们在 OpenCode 上使用 Claude Code 订阅。这是一种非常普遍的使用 Claude Code 订阅的方式。他们封锁的方式,是如果系统提示中包含「open code」这个词,就会拒绝请求。从我们的角度来说,这可以理解,因为他们在补贴用量,这是他们的考量,但当然很多用户不高兴了。

当他们这么做的时候,无意中把 OpenCode 和 Claude Code 放在了同一个台阶上,在某种程度上将两款产品等同起来。即便对于当时还没有使用 OpenCode 的人来说,他们也注意到了,Claude Code 对 OpenCode 采取了这种行动。

其实,我们是不配这样对比的,因为他们是一家规模大得多、更成功的公司。但那一周,这件事偶然发生了,让我们的数字疯狂上涨。

Q:因为人们第一次听说了你,想到 Claude Code 在封杀或者限制这个东西,所以你获得了新用户。

Jay V:是的,或者说觉得这个东西值得一看,它不只是市面上十几款编程 Agent 中的普通一款。

Q:在看到被 Anthropic 封锁后,你的反应是什么?

Dax Radd:奇怪的是,我们早就知道这一天某个时候会来。不知为何当它真的来临时,我们都感到兴奋,因为我们已经思考这件事一段时间了,知道这会发生。

在此之前的几周,我们一直在与几乎所有其他公司洽谈,以便在 OpenCode 中获得对他们订阅的官方支持。我们努力说服他们,你们提供 LLM 服务、有一批想用编程工具的用户,可以试着把 OpenCode 作为一种好的使用方式来推荐,因为我们在这上面投入的时间远比你们用于原生工具的要多,而且用户似乎也喜欢它。

当时 Microsoft 同意了让 OpenCode 获得 GitHub Copilot 的官方认可,还有一堆其他公司在洽谈中,但还没有宣布任何一个。还有一个大的我们那时候没有拿到,甚至没有接触,那就是 OpenAI。

那天晚上封锁发生时,我在 X 上收到了一百多条提醒。我心想,好,时机到了。于是给 OpenAI 发消息说:明天早上,每个人醒来都会对 Anthropic 非常愤怒。你们有机会采取相反的立场,通过官方支持 OpenCode 来赢得一次 PR 胜利。

第二天早上他们确认了,「我们来做吧」。早上大家都在说 Anthropic 封锁了 OpenCode,完了、归零了之类的话,而我在暗自高兴。当天结束时,我们就宣布 OpenCode 获得了 OpenAI 官方支持。

我不知道这是否意味着 OpenAI 从根本上接受了这种设置,还是只是在利用这种短期激励来对抗 Anthropic。但这就是我们公司擅长做的事,找到这些时机,在正确的地方施压,让事情朝着对我们有利、对用户有利、通常对整个开源社区也有利的方向发展。

说到底,这个策略就是选择一个暂时的「坏人」,然后团结所有竞争对手推动某事向前发展,与那个「坏人」对抗。Anthropic 不幸处于那个位置,所以我们让整个行业都来支持 OpenCode,支持在不同地方访问这些模型,因为他们都在与 Anthropic 竞争。所以这是一些你可以在这些情况下运用的好策略,哪怕是作为一家小公司。

Q:你对之前做的 SST 有过一个有趣的看法,SST 大体上就是给某些 AWS 基础设施和工具提供一个更好的体验,并不是所有事情都是零和的。Anthropic 这件事有没有改变你对竞争层面的看法?

Dax Radd:这确实挺复杂的。总体来说,我不认为这个世界是零和的,大多数系统都是设计成让所有人受益的。但这不意味着世界的每一个角落都不是零和的。

说到商业,很多人喜欢说公关话术。你会看到大公司、甚至小公司,摆出一副"虽然我们是竞争对手,但我们可以一起赢"的姿态,描绘一幅所有人携手共进的美好画面。但那不是真的。

商业更像体育竞技。你和另一家公司在争夺对世界的两种不同愿景。也许不会是一方完全赢、另一方完全输,但竞争是真实的,人们喜欢否认这一点,可能是因为大家都想相信一切都是美好积极的。我不觉得竞争是什么负面的事,就像体育一样,两支队伍上场,都想击败对方。某种程度上他们也互相尊重,因为对面也是业内顶尖的人在认真做事。但确实有赢家和输家,你确实想赢。所以我是有竞争心的,也会从这个角度想问题。

不过有一件事很多人没想到:定位非常重要。即使两个产品看起来很像、看起来是竞争对手,定位上可能完全没有重叠。如果你看 OpenCode 做的所有事,我觉得我们产品做得还不错,但成功说到底主要来自定位做对了。

我们看了一遍市场,觉得模型之间的竞争只会越来越激烈,不只是前沿模型,开源模型那边也一样。这是持续会发生的事,价格会有很大的下行压力,大量公司都在押注推理。模型那边一片混战。从定位角度来说,做一个不绑死在某个模型上的工具,是更聪明的选择。因为每当一个模型想击败另一个,我们就是受益者。我们觉得这种事会一直发生下去。

第二点,我们想牢牢守住开源这个头部位置。对于任何想做开源编程工具的公司,我们会非常有竞争性,因为那是我们唯一想守的阵地。这个位置很有价值,历史上几乎所有开发者工具最终都走向了开源。专有工具当然还有空间,但那个「默认选项」往往是开源的。你的数据库是开源的,C 编译器以前是专有的、现在是开源的。看看你技术栈里几乎所有东西,市场份额的大头都流向了开源那边。

所以从定位上讲,我不觉得我们和 Claude Code 有技术层面的竞争,他们做的不是这件事。他们在构建一个垂直整合的体验,这在市场上永远有一席之地,我们对那一侧没什么兴趣。他们做他们的,挺好。

但再往深了说,竞争关系还是存在的。我们在乎的某些东西和他们的存在本身就有冲突,我们想证明我们相信的那套东西能带来更好的结果。从这个层面上,我们当然是竞争对手。

03

市场上有一两个主导玩家时,

占据中立位很重要

Q:为什么要让 OpenCode 开源?

Dax Radd:不是说开源就一定比闭源版本更好。只有当需要覆盖大量长尾需求时,开源才真正有意义。我们需要覆盖所有不同的模型,需要社区里的人去把玩各种各样的模型。这种情况下开源才说得通,让社区来帮助推进。

以 Claude Code 为例,它不是开源的,我认为这完全合理,因为 Claude Code 没有任何问题是靠大规模开源努力能解决的。Claude Code 只需要和 Anthropic 的模型配合,一切都紧密集成,不太需要社区的太多帮助。

我们这边则需要确保产品在所有模型上都能运行良好。每天都有新模型出现,我不可能每天亲自用遍每一个模型,我不会了解它们之间的各种怪癖。我从来不用 Gemini,那不是我平时用的东西,我们永远无法靠自己交付一个好的 Gemini 体验。

但这正是开源社区能帮上忙的地方,因为某个人每天都在用 Gemini,他们会说:「Gemini 在调用工具时经常犯这些错误,这里有个修复方案。」或者「你们 API 有个 bug,我们来修。」

所以如果你做的事情需要大量人力,但又无法直接资助这些努力,开源帮助就非常大。这是我们的核心定位,我们是这个领域的开源选项。

Jay V:开源作为一种运动,作为一种构建软件的方式,实在是被低估了。我们所使用的一切在某种程度上都依赖于开源,细想起来真的很不可思议。

从 AI 的角度来说,如果 AI 将要对经济的每一个部分、全球的每一个角落产生它所预期的那种影响,那么这些东西的多样性就真的非常重要。所有这一切不能集中在少数几个实体手中,开源最终是实现这种多样性的最佳方式。

Q:作为一个用过 OpenCode 和 Claude Code 的用户,我确实觉得 OpenCode 体验非常好。它是开源的,可以轻松切换模型、没有锁定,还有你们大概是第一个做这件事的主要开源工具,有先发优势。这三点是定位层面的主要贡献吗?

Dax Radd:对。开源的好处是你能让更多人在你内部无法复现的各种环境中试用它。这意味着 OpenCode 从一开始就被设计成能悄悄渗入各种环境。如果你是一个在锁得很严的企业笔记本上工作、公司只能用 Amazon Bedrock 的人,我们确保它能运行。Amazon Bedrock 在不同地区有各种小问题,我们覆盖了所有那些繁琐的细节,确保它能在各种地方工作。我们自己无法复现那些环境,但别人可以,他们可以提交 issue 和修复。

老实说,如果我们的产品质量只有现在的一半,我觉得我们可能依然会一样成功,因为我们大部分的成功来自于把定位做对了。

Q:有什么特定的产品选择或设计决策,导致了你们现在的增长和成功?

Jay V:我们的思路是,当市场上有一两个主导玩家时,其他参与者会向一个开放的替代方案靠拢。占据那个位置非常有价值,因为一旦你占据了,很难有人撵走你。

我们在上线时,声称支持 70 多个模型和提供商。为了实现这一点,我们创建了一个独立的开源项目叫 models.dev,建立了一个当时根本不存在的数据库。现在它可能是世界上最好的所有模型和提供商的数据集。但当时,这一切只是为了占据那个位置而做的刻意选择。

当你听说有一个新模型出来,尤其是开源模型,你想去尝试,可以费点劲把它整合到 Claude Code 或其他闭源替代品里。但 OpenCode 非常适合这个,直接进去,看看模型选择器,GLM 5.2 或者任何最新的开源模型,大概率就在上面,你可以直接选中然后开始用。

Dax Radd:如果你把定位做对了,这个世界就会不断给你带来你没想到的胜利。如果有一个中立方,所有这些拥有数十亿美元的公司都会利用中立方来推进自己的公司利益,所以处于中间那个位置是有利可图的。

Q:你们的用户是谁,他们从哪里来?

Jay V:我们推出面向开源模型用户的 OpenCode GO 计划就是为了服务全球用户,从中国排名第一(占 17%)就可以看出来。

但美国的数字也很有趣。因为我们最初构建这个计划时并没有考虑美国,这边的人就是不计成本地砸 token。但没想到它在美国也增长得非常好。也许这确实说明了一种风向转变,大家应该稍微更有意识地使用 token。而另一方面,当 GLM 5.2 开始流行时,很多人为了能使用它而来试用我们的订阅计划,因为这是使用它的选项之一。

Q:还有很多预算几乎无限的大型美国公司也在使用 OpenCode,他们为什么用你们?

Jay V:是的,这是我们早期就看到的现象,甚至在这些开源模型走红之前。很多公司开始使用 OpenCode 是因为他们不想被锁定在某个特定的模型或特定的框架上。所以,一些用户就是想要更多选择。这是一个中立的好选项,给了他们未来切换到任何模型的灵活性。

04

模型「足够聪明」就够了,

模型路由的价值在于编排层

Q:开源编程模型领域正在发生什么,我们为什么应该更认真地对待它?

Jay V:我们最初起步的时候,前提是 Claude Code 非常好用,Sonnet 系列和 Opus 系列显然已经可以在无需太多人工干预的情况下编写代码了。但当时并不清楚能否构建出一个与之媲美的开源模型,所以大家的默认假设是,你永远都想要房间里最聪明的工程师。这里的「工程师」指的是 LLM,你总是想要这些模型中最强大的版本。

然而,过去几个月里发生的事情是,我们开始意识到,由于市场和生态系统如此庞大,可能会出现多样化的应用场景或模型形态。当我们看今天那些表现出色的开源模型时,这很像以前你在招聘工程师时会想的,我可以从硅谷招,也可以从其他薪资水平相对较低的国家招。所以这里有一个成本特性,但从根本上说,这些开源模型有些也确实快了一些,用起来也更顺手。

最初的前提是追求最聪明的东西,而现在我们开始认识到,某种程度上「足够聪明」就已经够了,同时其他一些特性变得越来越重要。这正是开源生态系统在填补的空白。

更宏观地看,一个前沿实验室想要覆盖所有用例是非常困难的,总会有人对某个特定用例或特定形态更有动力去深耕。这就是我们看到的趋势,更大的多样性,使得更多用例得到探索。而且我认为这很难逆转,所以你应该认真对待,因为这大概就是事物发展的方向。

Q:什么时候开始出现这种迹象的?Kimi 2.5 出来的时候?那是第一次出现持平或反转?

Jay V:确实是这样。今年二月,在连续四周的时间里,我们发现大量用户用 Kimi 的次数明显多于 Anthropic 的模型(当时是 Sonnet 加 Opus),这在我们的数据中以前从未发生过。就在那时,我们意识到,应该推出订阅产品了,因为现在这些模型也许真的适合做真实工作了。

Kimi 最初走红是因为它的托管方式使得 token 每秒速度远高于 Opus,所以它就是一个快得多的模型,感觉几乎在实时运行。有些模型确实具备这样的特点,这使得它们在使用体验上与前沿模型有所不同。但成本显然也是一个重要驱动因素。另一个时不时出现的原因是,人们会感觉 GLM 5.2 在前端设计方面比其他一些模型更好,这也带动了一些使用量。

Q:我们在节目里讨论了很多关于模型路由的话题,以及合理路由到正确模型的可行技术。你觉得这个领域现在处于什么阶段?

Dax:我觉得模型路由这个品类有点虚高。市场上有一大批中间商,他们不是模型实验室,但又想找到自己能做的事。能做的其实就一件,提供来自不同厂商的模型,这是模型实验室自己做不到的,因为 Anthropic 永远不会在自己平台上提供 OpenAI 的模型。于是这些中间商就抓住这一点,把模型路由包装成自己的核心价值。

但坐在这一层,能做的事情其实很有限。最多是请求进来的时候,如果初始提示词足够复杂,系统大概能判断出该用哪个模型。而一旦会话开始,就几乎没法在中途动态切换,因为切换模型意味着缓存完全失效,代价非常高。所以这个层面本身就有天花板。

我们更感兴趣的是另一个方向,尤其是随着新一代模型的出现,模型越来越擅长做「编排者」。以前也有人试过这个思路,但当时的模型能力不够,对普通用户来说不实用。现在不一样了。我们团队里已经有人把工作流设置成这样,主会话用一个高性能模型,但这个模型被明确提示,不要自己直接执行任何任务,只负责为所有子任务生成子智能体,再由子智能体调用更便宜的模型来完成实际工作。

这个设计更合理,因为子智能体可以针对不同任务,探索、改代码、查资料,分别匹配最合适的模型,同时主模型的高阶判断能力还在。整体成本反而更低。而且新一代模型很擅长并行,你可以在一个会话里同时跑很多事,后台子智能体并行处理,完成了再唤醒主模型。体验很流畅,因为你始终在同一个会话里。

这才是我认为真正有价值的模型路由。

Q:很多初创公司都在 LLM 之上构建产品,这是每家初创公司都必须思考的一个生死问题。有两种世界观,一是实验室构建模型、拥有智能层,因此会以更高的专注度赢得应用层。另一种是未来会有多个模型、竞争会更激烈、模型的切换成本很低,因此初创公司在应用层具有结构性优势。这是个开放性问题,没有正确答案,你如何看待这个行业问题?

Jay V:做应用的初创公司,有时候会把模型公司捧得很高,觉得「他们在造这些不可思议的东西,世界跟着他们的模型发布节奏走,他们能主导一切。」

但实际上,他们在模型这一层面临的竞争已经激烈到难以想象,光是应对自身的研发压力就已经焦头烂额了。在这种情况下,还要选定某个具体的应用方向、打磨出一款真正高质量的产品,是非常难的事。更容易被忽视的是,做好一款应用需要深厚的领域专业知识,但大家往往觉得「LLM 什么都能做」,这部分就被低估了。所以,如果你面对的是真实用户,能把某个具体用例做到真正出色,你就已经赢了。

当然,也有一些模型实验室在应用层站稳了脚跟,Claude Code 就是个好例子。他们有一个天然优势:因为自己在做模型,可以直接说「这是我们推荐你使用 Claude 的方式」,这种默认定位本身就很有价值。但这不代表它一定就是最好的产品。所以当我们在这个层面竞争,拼的还是产品本身,每天用你工具的开发者标准很高,这才是真正的竞争核心。而且往大了看,模型实验室还有太多其他战线要打。

Q:你觉得有可能出现这样的情况,他们发布了一个新模型,根本没有 API,只能通过他们自己的应用使用?

Dax:我觉得这同样折射出公司内部的结构性张力。产品团队会非常支持这种方向,因为他们可以说,我们可以打造高度专业化的模型,围绕它构建高度专业化的产品,再把模型与产品深度绑定。想用模型,就得用我们的产品。这是一套非常有效的用户锁定机制。

但销售组织有收入目标。他们的逻辑是,我们的目标是 1000 亿,纯 API 或产品模式最多能做到 500 亿,剩下 500 亿的缺口怎么填?销售团队的答案是,必须开放 API,这样才能更好地完成指标。

只要这种内部博弈存在,组织就很难为「放弃锁定」做出有说服力的论证。因为本质上,他们是在主动放弃一部分可见的收入,去换取更难量化的市场份额优势。

我不是说他们永远无法做出这种取舍,也许可以。但这件事让我相当担心。随着这些实验室越来越深入产品层,他们手里握着一个不公平的按钮,我不会对他们某天真的按下去感到意外。

而且他们会用一套听起来冠冕堂皇的说辞来包装这个决定。比如「这个模型存在安全风险,只有在我们自己的工具内使用才能得到充分管控,我们无法允许它在第三方工具中运行。」这不是真实原因,但很可能是他们对外的话语框架。

05

推理业务利润率可达 80%-90%,

Token 是新的获客成本

Q:OpenCode 背后的商业模式是什么?

Dax Radd:我们基本上有两条业务线。

第一条,是从一个实际问题出发长出来的。OpenCode 刚发布时,我们发现用户面临一个很基础的障碍,他们需要自己去绑定各种模型服务,比如 Anthropic 账户、OpenAI 账户。但即便注册了 Anthropic 账户,早期的速率限制也很难支撑 OpenCode 这种工具的正常运行。结果就是,很多用户根本跑不起来。

所以我们想,至少应该提供一个统一的推理入口,让用户注册之后就能以合适的速率访问不同模型,不用自己去各处折腾。这就是 OpenCode Zen 的起点,最初只是为了降低接入门槛,没想到增长完全超出了预期。

随着开源模型越来越受欢迎,我们也意识到一件事,高质量地托管开源模型,其实比想象中难得多。前沿闭源模型的接入相对标准化,但开源模型的推理性能调优是另一回事。于是 Zen 逐渐演变成了一个聚合多家最优推理服务的平台。几个月前我们披露过一个数字,Zen 上线五六个月,年化收入就到了 1500 万美元。利润率也相当可观,因为开源模型的托管成本结构给了我们不错的利润空间。这部分增长真的出乎我们意料,现在已经是业务里很重要的一块。

第二条业务线说起来没那么性感,但同样关键。想象一下,你是一家有一千名工程师的公司,想全面推行 OpenCode。你不可能让所有人自己去下载、自己配 API 密钥。你需要一个统一的控制面板来管理所有模型提供商、权限分配、预算上限、速率限制。没有这个,OpenCode 根本无法在企业里规模化落地。这个产品目前还在企业定向部署阶段,很快会公开。它本身是开源的,但大多数企业还是会选择直接付费用我们的托管版本。

现在时机也到了。越来越多的公司开始认真审视自己在 LLM 上的投入,问一个很现实的问题:我们花了这么多,到底换来了什么?这种成本意识的觉醒,恰好遇上开源模型能力的快速提升,同等效果,成本可以便宜十倍。所以我们的方向是,把开源模型的高质量推理能力也整合进来,作为企业控制面板的一部分。长远来看,如果推理业务成为主要收入来源,我们甚至可能停止对控制面板本身收费,只靠推理侧的收入来跑。

Jay V:我们有免费层,这就是新的 CAC(客户获取成本),不是广告,而是 token。因为这是人们体验到那种「魔力时刻」的方式,我们让他们进入产品、理解编程 Agent 是什么。

如今开源模型已足够便宜、足够强大,完全可以胜任真实的生产工作。订阅计划的意义,正在于让用户能够持续、稳定地用它交付成果。当用户切实感受到「我现在可以用它证明更高投入的价值,甚至重新设计公司内部的工作流程来充分发挥编程 Agent 的潜力」,付费意愿才会真正形成。我们期待其中一部分人,最终成长为高价值的深度用户。

顺便说一句,当企业主动来催你赶紧签安全协议、好让他们能正式用你的产品,那一刻你就知道 PMF 到了。

单位经济学上有一个有趣的地方。我们和 Anthropic 都是按 token 付费的,但由于我们处理的 token 体量足够大,可以拿到批量折扣。这意味着,每一笔按 token 计费的收入,都能直接转化为我们的利润空间。当然,补贴阶段是在承担成本的,免费层同样如此。但随着越来越多的重度用户的涌现,他们带来的 token 消耗是真实付费的,这部分收入会直接反映在利润率上。

Q:推理业务真的赚钱吗?

Dax Radd:单看纯推理业务,先从成本结构说起。成本的下限,是电费和硬件采购的资本支出。一旦硬件到位,交付每个 token 的边际成本,主要就是维持运转的电力,此外还有基础设施和运营人员的日常开销。

但现实情况比这更有意思。我们自己也在大规模租用 GPU 跑模型,用的还是中间商,成本并没有压到最低。即便如此,对比一些模型的官方定价与我们的实际成本,利润率仍然可以达到 80% 左右。

还有一点鲜少被人注意到,用户实际支付的价格,其实是涨了的。表面上看似乎没有变化,但换个角度就很清楚了。我们以前默认使用 Sonnet,因为 Opus 定价太高。后来 Opus 降价,我们便将其切换为默认选项,但它依然比 Sonnet 贵得多。结果是,用户的平均支出上去了,而我们托管这些模型的成本并没有同步上涨。这正是推理业务利润丰厚的原因之一。

Anthropic 和 OpenAI 的情况则更为极端。凭借庞大的规模优势,他们能签下市场上体量最大的 GPU 采购协议,成本被压到极低。在当前定价水平下,他们的利润率接近 90%,这并不令人意外。

当然,如此高的利润率很难长期维持。但就眼下这个阶段而言,有这么大规模的资金流过,同时还能赚取如此丰厚的利润,确实是一件极为罕见的事。

Q:GPU 供应对你们有什么影响?

Dax Radd:纵观整个 GPU 供应链,从芯片生产到配套硬件,再到人力资源,各个环节都处于高度紧绷的状态。推理需求的增长近乎指数级,而 GPU 的产能扩张本质上是一个线性过程。当这两条曲线的斜率出现明显落差,供应收紧便成为必然。

对我们而言,这意味着必须提前锁定 GPU 产能,并为此预付大量资金。目前市场上几乎所有玩家都在囤积算力,因为普遍预期供应紧张将持续相当长的时间。推理容量的获取,已经变得极为困难。

更值得关注的是规模层面的悬殊差距。创业公司单轮融资 20 亿美元,在行业内已算得上轰动新闻。但放到大型科技公司的视角下,这不过是零头,Amazon、Meta 等巨头每年在算力上的投入高达数百亿美元。正是这种量级上的碾压,使得巨头们几乎将市场上所有的 GPU 供给一并吸走。对于供应链上的任何厂商而言,与其花时间应付一家创业公司,不如全力搞定 Amazon、Microsoft 或 Google 的大单,这是再清晰不过的商业逻辑。

Q:所有这些 OpenCode 驱动的算力发生在哪里?

Jay V:因为我们的全球用量,一天中 GPU 利用率的峰值和谷值差别不大。当东方在工作时,西方在睡觉。当西方在工作时,东方在睡觉。所以我们有一个相当稳定的 24 小时 GPU 使用周期,这使得利用率相当高,帮助我们更高效地运行这些模型,改善了单位经济学。这最终成为了一个竞争优势,当我们考虑那些可能只服务世界一部分地区的竞争对手时尤其如此。

06

AI 让人能发布十倍的软件,

不意味着有十倍的好想法

Q:OpenCode 正在加速人们编写代码、大量产出软件的速度。然而你却声称这还不够,它本身不足以让我们获得更好的软件。

Dax Radd:那些长久以来困扰我的问题,依然没有消失。我投入的精力和以前一样多,思考的负担也没有减轻。客观上,执行层面的事情确实变得更容易了,但为什么思考本身依然同样费力?这两件事同时成立,却让人感到某种难以言说的违和。

AI 出现之前,我大约 95% 的精力用于思考做什么,5% 用于怎么做。现在这个比例变成了 96% 对 4%。执行效率提升了约 20%,但每一天的感受,依然和从前一样沉。

Q:很多 CEO、CTO 和创业者会有一个很自然的想法,过去写代码是软件开发里最耗时间的环节。如果 AI 能帮工程师大幅提高写代码的速度,那么开发效率应该也会随之提升。但现实似乎并没有完全发生,你认为是什么阻碍了更快、更好地交付高质量软件?

Dax Radd:这个问题需要分不同维度来看,不同发展阶段的公司,面临的处境截然不同。

在找到产品市场契合度之前,AI 的帮助其实相当有限。因为这个阶段真正的难题是想清楚「该做什么」,而不是「怎么做」。也许 AI 能帮你快速验证更多方向,但我始终认为,多思考比多尝试更好。通过在团队内部充分讨论、反复推敲,往往能在动手之前就排除掉大量错误方向。这个过程,AI 无法替代,也无法加速。

我们现在已经过了找方向的阶段,PMF 有了,接下来的问题是怎么把手里的牌打好。但麻烦恰恰在这里,可以做的事情太多了。用户在催,竞品在催,产品路线图上全是「显而易见」的待办项。而 AI 让响应每一个信号都变得极其容易:有 bug,提示 Agent;竞品上了新功能,提示 Agent;用户投诉,提示 Agent。

但如果真的照单全收,把所有这些「响应「」堆在一起,得到的不是一个更好的产品,而是一个四分五裂的「科学怪人」,功能之间毫无内在逻辑,整体体验一塌糊涂。更要命的是,东西一旦发布就收不回来,此后每一个新功能都必须跟它兼容。所以,能发布十倍的东西,不代表有十倍值得发布的好想法。我现在最头疼的问题,反而是怎么让团队慢下来。

我们现在在主动踩刹车,重新想想旧世界里哪些判断标准今天还成立。坦白说,我并不觉得我们在用 AI 碾压所有对手,我们的竞争对手也没有在碾压我们。编程 Agent 这条赛道上,大家都在全力押注 AI,外界可能以为会出现什么决定性的能力断层,但现实是,这种断层根本没有出现。

Q:听说你给团队写了一份备忘录,说了什么?

Dax Radd:我们不应该发布那些本不该发布的功能。遇到问题就堆功能,是最省力的做法,但也最危险。我们现在试图想清楚一件事,什么才是真正值得发布的。

举个例子。假设你有一个承担很多任务的系统,现在要给它新增一个能力,但系统本身并不完全支持。这时候摆在你面前的有两条路:一是从第一性原理出发,重新审视整个系统,把它改造成真正能支撑这个功能的样子。二是先打个补丁,把功能快速上线再说。

该怎么选?取决于两件事,这个补丁有多烂,以及这个功能对公司有多重要。在这两个维度之间做权衡,本身就是工程判断力的一部分。

但现在,这种判断力正在悄悄失效。Agent 能替你扛下那些脏活,也能帮你收拾补丁留下的烂摊子。于是「先临时修一下」这句话,变得越来越容易说出口,越来越少人去质疑它。

最终的结果是,在那些本应该停下来、重新设计系统架构的地方,我们一次次选择了打补丁。技术债在悄悄积累,而我们浑然不觉。这种判断力的偏移,我认为已经在发生了。

Q:AI 让人们更容易动手了,这是好事吗?

Dax Radd:当工程师不再亲手写代码,他的职责并没有消失,只是转移了。他需要想清楚怎么让代码安全地发布出去:搭好护栏,确保测试覆盖到位,在代码库里建立清晰的约定和模式,让 Agent 有规可循。

这件事本身并不新鲜。怎么让初级工程师安全地提交代码?怎么在代码库里沉淀可复用的模式?这些问题工程团队早就在解决了。现在不过是把同样的问题再推进一步,怎么让设计师也能参与发布?本质上,这还是那个古老的命题:怎么让经验不足的人,稳定地发挥出超出自身水平的产出。

编码 Agent 说白了就是一群「勤奋的笨蛋」,它们可以 24 小时不停工作,产出量惊人,但也正因如此,你需要比以前更严密的护栏。好消息是,那些过去因为「太啰嗦、打起来太烦」而被嫌弃的规范模式,现在反而成了优势。以前工程师要手写所有样板代码,这些模式的代价太高。现在 Agent 替你打了,你只需要定好规则,剩下的好处照单全收。

一个更准确的说法或许是,AI 可以快速清除流程中大量低价值的重复性工作,但真正需要判断力的部分,人仍然必须在回路里。

Q:有一种观念或想法,认为 AI 非常不擅长且可能会一直不擅长的一件事是拥有品味,品味真的重要吗?

Dax Radd:好的想法描述起来往往很简单,但真正付诸实践却极其困难。这正是好品味如此稀缺的原因,它不是一个可以达成的目标,而是一个需要终身追求的方向。

更根本的问题在于,你真的相信你的产品必须是好的吗?现在有太多声音在告诉你这些不重要,代码不必精良,产品不必出色,一切都可以将就。一旦「也许这些都不重要」这个念头在你脑子里站稳了脚跟,好产品就再也出不来了。

那些真正公开坚守工匠精神的人,正在变得越来越少。而这件事有一种传染性,你在某一处开始松懈,就会在各处都开始松懈。

所以当我谈到品味,我真正想问的是,你说品味重要,但你打心底里相信吗?这是一个极高的标准。就我自己而言,我非常在意,但离自己设定的标准仍然相差甚远。如果你听完我谈论质量,再去实际使用我的产品,一定会发现我说的比做的超前不少,因为我还在追赶自己的标准。

Q:有人想收购 OpenCode 吗?

Dax Radd:过去几个月,陆续有收购要约找上门来,我们都没有认真谈过。

每一次创业,你都会告诉自己「下次要去更大的市场」。你把大量的时间和精力花在寻找那个市场上。而当你真的找到了,我们用 OpenCode 找到了,面对的是三四千万开发者,潜在覆盖几乎所有写代码的人,这个规模本身就让人难以置信。把这样一张牌拱手交出去,是极其艰难的决定。这是你花了多年时间一直在找的东西。加上我们目前的成功下限已经相当不错,这些收购要约自然也就没那么诱人了。

有一件事让我印象很深。某家公司的 CEO 打电话来,说有意向收购我们。我在团队频道里发了条消息,告知这件事。结果,所有人都无视了我,继续聊产品。我又 ping 了一遍,才终于有人回复:「告诉他们滚远点,除非再多加一个零。」我们甚至没讨论过任何具体数字,但看到整个团队如此一致地想把这件事做到底,而不是急着套现,我觉得这挺酷的。

当然,如果几年后你再来问我,发现我们过得很差,我的答案肯定不一样。对一家公司来说,最关键的始终是创始人能不能每天保持动力继续往前走。那些最终长成大公司的,无一例外都是因为创始人做到了这一点,年复一年。

很多收购之所以发生,并不是因为公司做得很差,而恰恰是因为做得还不错,但推进速度不如预期,或者前方的工作看起来永无止境。在那个时间节点接受收购,对所有人包括员工来说,都可能是好的结果。但至少就现在而言,我们想把这件事做完。

你接受收购 offer 的那一天,就是你所有梦想彻底死去的那一天。正是那种悲哀感,让你不去选择那些选项。

文章来自于微信公众号 “Founder Park”,作者 “Founder Park”

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)