我持有相反的观点，即“模型是商品，只需交换”的看法是一个终极幼稚的观点，几乎只被这里那些从未真正深入推出基于 LLM 的产品的人所持有。这些人通常只是高谈阔论者。 我个人的看法是，护城河确实存在，它是累积的适应……这包括提示库、边缘案例处理、对失败模式的机构直觉，以及嵌入式信任校准。而且，切换成本随着集成深度的增加而非线性地复合。 表面级的 API 消费者可能是微不足道的。但对于像目标逻辑、通信管道、分类工作流等深度嵌入的东西，切换成本基本上就是一个伪装成供应商决策的完整重新工程周期。 特别是 DAO/Anthropic 的情况很有趣，因为军事组织可能面临这个问题的最极端版本。他们不能随便在生产环境中测试，每个行为边缘案例都必须以缓慢、昂贵的方式重新验证，并且需要专门的专业知识，这些知识不一定能跨模型系列转移。 我对此非常清楚，因为我们的初创公司能够切换到任何模型，但这非常麻烦，因为一切要么崩溃，要么变得奇怪。