Databricks 11 月 16 日在官方博客和 X 发布 Databricks AI Index,汇总 1 万多家企业经 Unity Gateway 的匿名用量,以及基于内部真实 PR、隐藏测试的编码 Agent 评测,每周更新。数据显示开源权重模型占企业 token 从 7 月 7.3% 升到 11 月 30.9%,只用单一模型供应商的企业从约 64% 降到 28%;Claude Opus 5.5 六周内从 7.2% 升至 37.9% 专有模型 token。编码评测中 GPT-6 Luna 与 Opus 5.5 成功率同为 89.1%,单任务成本分别约 0.05 和 1.62 美元。

核心要点速览

  • ✓数据来源:1 万多家企业经 Unity Gateway 的匿名用量 + 基于 Databricks 私有代码库真实 PR 和隐藏测试的编码 Agent 评测,当前数据覆盖 9 月 21 日至 11 月 7 日,每周更新
  • ✓开源权重模型 token 份额 7.3%(7 月)→ 30.9%(11 月);开源模型中 GLM 5.3 Flash 33.3%、DeepSeek V4.1 Flash 28.0%、GLM 5.3 21.6%(11 月 2 日当周)
  • ✓Opus 5.5 六周内从 7.2% 升至 37.9% 专有模型 token,Anthropic 整体份额从 57.6% 升至 68.8%;Fable 5.1 份额从 5.5% 降到 0.6%
  • ✓编码评测:Fable 5.1 成功率 96.0%(7.47 美元/任务)居首,Muse Wonder 94.9%(1.53 美元);DeepSeek V4.1 与 GLM 5.3 并列第三 93.1%
  • ✓token 单价不等于成本:Gemini 3.8 Flash 平均 140 轮/任务,单任务约 11.97 美元;用户周支出中位数 2.49 美元,P99 为 699.74 美元
Databricks 发布公开「AI Index」:1 万+企业数据显示开源权重模型占企业 token 从 7.3% 升至 30.9%,Opus 5.5 六周拿下 37.9% 专有模型份额,编码测试中 GPT-6 Luna 与 Opus 5.5 同为 89.1% 但单任务成本差约 32 倍
🖼️要闻配图
点击全屏高清查看
🧭

把技术选型换算成你的开发预算

40 款主流编程套餐横向比价,支持输入/输出 Token 真实账单模拟

🔬

深度技术解析与实战评估

核心背景与行业痛点

Databricks 称自 5 月以来大约每周就有一个旗舰模型发布,企业很难判断该用哪个、花多少钱、何时切换。11 月 16 日它在官方博客和 X 推出公开的 Databricks AI Index。

架构亮点与底层机制

指数有两类数据:一是 1 万多家企业经 Unity Gateway 的匿名用量和支出;二是编码 Agent 评测,任务来自 Databricks 工程师在私有代码库的真实 PR、排查和开发工作,用隐藏测试判分而非 LLM 评审。

权威 Benchmark 与实测跑分对比

开源权重模型 token 份额从 7.3% 升到 30.9%;Opus 5.5 六周从 7.2% 升至 37.9% 专有模型 token。编码评测中 Fable 5.1 以 96.0% 居首但每任务 7.47 美元,Muse Wonder 94.9% 仅 1.53 美元;DeepSeek V4.1 与 GLM 5.3 并列第三 93.1%;GPT-6 Luna 与 Opus 5.5 同为 89.1%,成本 0.05 对 1.62 美元。

开发者实战落地与开箱指南

指数可在 developers.databricks.com/ai-index 免费查看。选编码 Agent 时应看「每完成一个任务的成本」而非 token 单价,例如 Gemini 3.8 Flash 单价低却平均 140 轮、每任务约 11.97 美元。建议用自己的 trace 回放比较模型和 harness 组合。

实战指南准备好将技术转化为生产力?

即刻查看该技术对应模型与主流工具的实测差异,或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。

接着读Artificial Analysis 发布 Coding Agent Index v2.1:换用 FrontierCode 2.0 与 Terminal-Bench 4.1,Claude Fable 5.2 与 Opus 5.5 以 58 分并列第一,各配置平均降 5 分
立即阅读→