八年前Meta就有万亿参数模型了——这不是什么冷知识，而是我想说的第一件事：科技巨头的"慷慨"从来都有保质期。最近我注意到一个趋势，那些曾被我们视为理所当然的免费API、低价套餐，正在以肉眼可见的速度收紧。作为一个习惯动手写代码的人，我觉得有必要把观察到的变化，和应对策略，分享给同样在构建产品的开发者们。
我在自己的网站marcelocabral.com.br上专门写过这个话题，也录了视频。核心就一点：游戏规则永远在变，但我们可以提前布局，让自己不那么被动。
先回忆一下那个"黄金时代"。各大科技公司把强大的AI API抛向市场，免费额度看起来用不完，文档写得漂亮，上手门槛极低。我自己也用过不少。但这从来不是什么慈善——这是一个精心设计的循环：用易用的工具和零成本吸引开发者，让你在兴奋中把项目、原型甚至产品核心都搭建在他们的基础设施上，等你长大了、有用户了、离不开了，再慢慢收网。
价格上调、请求限制收紧、模型突然下线……这些剧本我们已经看过太多次。问题是一旦你被套牢，切换成本会高到让你不得不接受新规则。
这就是vendor lock-in，供应商锁定。在AI领域尤其致命，因为你绑定的不是普通的云服务，而是应用的"大脑"。想象一下：OpenAI一夜之间涨价，Google Vertex AI宣布停用你依赖的某个模型，或者某天你的应用突然因模糊的"违反使用条款"被切断访问。几小时内，生意可能归零。
但出路是有的，而且不需要你彻底逃离大厂生态。关键是韧性架构——别把所有筹码押在一张牌上。我有两条具体建议。
第一，拥抱开源。Llama、Mistral……社区里正在涌现一批性能强劲的模型。核心优势在于控制权在你手里：没人能突然涨价或断供，你可以本地部署做敏感数据处理，也可以按需微调。成本结构透明，长期可预测。
第二，抽象层设计。别让某个特定API的调用逻辑渗透到代码的每个角落。封装一个统一的接口层，底层可以切换OpenAI、Anthropic、开源模型甚至自托管方案。迁移成本被压到最低，议价能力却握在自己手中。
免费午餐确实在结束。但对认真做产品的开发者来说，这未必是坏事——它逼我们在架构早期就思考独立性，而这恰恰是健康技术栈的底色。
热门跟贴