ATT借助开源模型削减向Anthropic支付的费用

　　AT&T副总裁马克・奥斯汀表示，这家电信企业计划通过更多采用英伟达的Nemotron等开源大模型，在未来几年将员工调用Anthropic与OpenAI模型产生的支出维持在现有水平。

　　奥斯汀负责管理公司10万名员工所使用的人工智能，应用场景覆盖代码编写、财务分析，以及人力资源和客服人员使用的各类工具。虽然AT&T也向消费者提供部分AI功能，例如手机应用内的聊天机器人，但该公司的AI应用绝大部分集中在内部业务。

　　他称，过去一年，AT&T扩大了开源模型的使用规模，目前员工发起的AI请求当中，已有40%由开源模型处理。公司计划未来几年将这一比例提升至60%‑70%。

　　奥斯汀表示，他发现开源模型的效果“与Anthropic、OpenAI等厂商的旧版模型不相上下，甚至表现更优”。举例而言，AT&T软件开发者处理代码生成这类复杂任务，仍然会选用顶尖闭源模型；但对于代码摘要生成这类算力需求较低的工作，则可以使用成本更低的开源模型。“我们预计开源模型后续还会持续迭代优化。”

　　AT&T还借助模型路由工具实现成本节约，这类工具会根据任务复杂程度，自动把员工的请求分配给成本更低的模型。奥斯汀介绍，公司接入路由服务商Lite LLM之后，代码编写等部分高阶AI任务的成本最高下降56%，而AI输出质量仅下滑2%。

　　奥斯汀称，AT&T于2023年推出核心内部AI系统Ask AT&T，该系统最初完全依托于通过微软云采购的OpenAI模型。此后，公司为这套服务接入了更多模型。员工借助该系统完成各类工作：软件开发人员编写、修改代码；普通员工查询公司人力资源制度；销售人员实时记录会议内容、整理客户通话纪要；客服人员在和用户沟通时调取参考资料。

　　奥斯汀表示，使用Ask AT&T的软件开发人员可以自主选择特定模型或者AI智能体，包括GitHub Copilot、Devin、Claude Code、Codex，但相关调用设有费用上限。

　　奥斯汀透露，Ask AT&T当前每日处理450亿token（文本最小处理单元）。奥斯汀并未披露这套系统的实际运行成本；但依据OpenAI、Anthropic等厂商公开报价，如果全部采用闭源模型处理如此巨量的token，每年至少需要数亿美元。

　　奥斯汀表示，除Nemotron以外，AT&T还在使用Meta的Llama、谷歌Gemma等开源/开放权重模型。部分模型推理任务部署在自有数据中心内，依托英伟达、AMD服务器芯片运行；相比向云厂商租用算力来跑模型，这种模式往往成本更低。

　　奥斯汀称，根据AT&T的实际使用体验，开源模型的能力通常比前沿闭源模型落后6‑10个月，但两者之间的差距正在不断缩小。