Gartner最新分析显示，开源模型能够以相当于前沿大语言模型（LLM）二十分之一的成本，完成90%的智能体工作。
在题为《开源模型将运行90%的企业智能体工作流步骤》的报告中，Gartner高级总监Mark Petty和集团副总裁Raymond Paquet指出，智能体工作流中九成步骤属于分类、工具调用、数据传递等常规操作。开源权重模型在处理此类任务时，效率与最便宜的闭源模型持平，但成本仅为后者的四分之一。
分析师构建了一种混合架构假设：每需要一个具备前沿推理能力的步骤，便可搭配数百个由开源模型处理的常规步骤。在此理想情境下，相较于全链路使用前沿模型，整体成本可降至二十分之一；若对比同等得分的最低成本闭源模型，成本也仅为四分之一。
尽管实际应用中，因开源模型可能存在输出冗长、重试频率高等问题，实际节省倍数更接近五到六倍，但这仍被视为转向开源模型的“额外红利”，而非唯一目的。
报告强调，核心驱动力在于数据主权。分析师写道：“多年的工作流历史是收购SaaS公司时支付溢价的主要部分。若将每个常规步骤都发送至前沿API，意味着将核心资产移出企业安全边界。”开源权重模型则能保留企业对数据的控制权。
基于此，Gartner提出战略预测：到2030年，90%的企业运营智能体工作流步骤将在开源权重模型上执行。企业将倾向于采用特定领域的开源模型，以应对每月数百万次运行的高度稳定场景。
随着基础模型逐渐商品化，价值重心正转向“Harnesses”——即智能体的编排与管理工具。优秀的Harness能在用户无感知的情况下，将任务路由至最合适的模型，同时实施严格的安全护栏并管理智能体集群，从而进一步优化成本与效率。
报告最后指出，AI支出结构正在发生本质转变：前沿模型作为研发引擎，本质上属于资本支出（CapEx）；而在其完成高难度推理后，承接大规模常规任务的开源权重模型，则转化为运营支出（OpEx）。