8月底到9月初的一週內，幾家實驗室接連把新模型排隊放了出來：Anthropic更新了Claude Fable 5.1與Mythos 5.1，Meta發表Muse Spark 1.3，Google上線Gemini 3.8 Flash，OpenAI推出GPT-6 Astra，輝達則放出Nemotron 3.5 Lightning。CNBC在9月6日的報導中，替這一週企業端的反應取了個名字：模型疲勞。
疲勞的來源不在效能本身。報導指出，企業高層與IT主管得不斷比較的東西已經不只是跑分：價格、速度、穩定性，以及套進自家業務場景後能不能真的省下人力。每來一批新模型，這套比較就得重做一遍。一位受訪的企業負責人表示，十個新模型裡，他實際來得及評估的只有五個。
支出還在持續上升
Gartner對今年全球AI支出的預測是2兆5900億美元，比2025年高出47%。這筆錢裡有超過一半流向基礎設施，剩下的部分中，服務、軟體、網路安全、模型及相關工具合計超過1兆美元。
把這1兆美元拆開來看，模型呼叫費只是其中一格。選型真正吃掉的，是評測環境建置、內部基準測試、遷移適配與回歸測試這些不會出現在報價單上的東西。一家中型企業如果按季重新評估一次主力模型，一年就是四輪；每一輪都牽涉到提示詞（prompt）重寫、評測集重跑與上下游系統的整合測試，這部分工時若以人力成本計算，往往比呼叫帳單還要沉重。這是根據公開報價與常見工程流程做的粗估，並沒有哪家公司公布過自己實際的選型成本。
供給端為什麼停不下來
從模型廠商的角度看，密集發表新模型是在搶「錢包份額」（share of wallet）。聖母大學門多薩商學院的Ahmed Abbasi用的就是這個說法：幾家實驗室不只要跟上彼此的步調，還得不斷向開發者證明自己沒有掉隊。Anthropic與OpenAI都在往公開市場靠攏，一級市場給兩家的估值都逼近1兆美元，發表密度與募資敘事被綁在同一條線上。
這條線的另一端，是企業買家的注意力。模型換代越快，企業越容易把選型往後拖，或者乾脆先鎖定一家繼續用下去——這兩種反應都會削弱新模型上市的效果。CNBC的報導並沒有附上量化調查，說法來自受訪者的主觀感受。
能夠事後對照驗證的數字還在後頭。2兆5900億美元是研調機構給出的年度預測，實際結算要到明年才會出爐；企業端究竟是加速換模型，還是繼續拖著不換，也得等幾家雲端業者季報中AI服務營收的組成揭曉才能看出端倪。眼下能確定的，只有新模型的發表節奏這一項。
參考來源：CNBC、CocoLoop、Gartner預測數據、Digital Today；2兆5900億美元支出預測與47%增幅、基礎設施占比及1兆美元服務軟體口徑、當週五款模型的發表清單皆逐項核對。