这家 Agent 公司从 Claude 切到 DeepSeek v4：一年省下数百万美元，迁移工作量却是预期的 100 倍

背景

行业级信号：推理成本已成为 AI 部署的最大障碍。GitHub 放弃 Copilot 统一费率改按用量计费；Uber 4 个月烧光 2026 全年 AI 预算（主因 Claude Code）；Linux 基金会牵头成立 Tokenomics 基金会（谷歌、微软、IBM、Salesforce 支持），试图建立 Token 成本开放标准。
Lindy 是什么：Flo Crivello（前 Uber 工程师兼产品负责人）2023 年创立的无代码 AI Agent 平台，自动化日常工作任务——邮件分类、会议安排、CRM 管理。前身是 Crivello 之前融了 5200 万美元的虚拟办公室初创 Teamflow，资本转用于 Lindy。
业务压力：Crivello 4 月在 X 上就透露过——推理已是 Lindy 占比最高的单项支出，超过工资单。

切到 DeepSeek v4 的动机

成本：每年省下数百万美元。Vercel AI Gateway 数据：5 月单月 DeepSeek Token 交易量份额从 <1% 跃升至 17%，但实际支出份额仍 ~1%——价格差是数量级级别。
能力反升：在核心用例（邮件收件箱分类、根据用户反馈预起草回复）上，DeepSeek v4 表现"惊人地好"；只在复杂工作流自动化上仍弱于 Claude Sonnet，但 Crivello 认为"对我们来说不重要"。
市场结构变化：以中国 AI 实验室为主的廉价开放权重模型让市场两极分化——OpenAI / Anthropic 的超高端前沿 vs. 价格骤降的开源替代，中段在持续萎缩。
数据主权考虑：Lindy 最终选了 Atlas Cloud（美国推理商，本土托管 DeepSeek v4），并明确表示自托管从未在考虑范围内——"那会分散我们很大的注意力"。

迁移工作量 100 倍的真相

Crivello 早就开始评估 OSS 方案（6–9 个月），关注 DeepSeek 自发布起（2 个月），但实际切换仍是艰巨任务：

评估是真正的成本黑洞，包含三类：
- 离线评估：在现实世界任务中系统性测试，验证能否媲美或超过 Anthropic 模型。
- 在线评估：分阶段上线，观察对用户留存率的影响。
- "氛围评估"（vibe evals）：大量主观、不可量化的体感判断。
提示词重写：针对新模型重新调优所有 prompt。
没有走捷径：Lindy 仍保留 Anthropic 客户身份（内部用 Claude Max plan），对失败任务保留"升级到 Opus"的兜底路径——但 Crivello 明说"那将是少数情况"。
不是永久性决定：Crivello 原话"如果 Anthropic 下一次发布能让他们重新赢得我们的业务，我也不会感到惊讶，但他们需要大幅降价"。

关键数据 / 经验

年节省：数百万美元（Crivello 未给具体数）
迁移工作量：预期 × 100
评估前置窗口：OSS 方案 6–9 个月，DeepSeek 关注 2 个月
Vercel AI Gateway 5 月数据：DeepSeek Token 交易量份额 <1% → 17%，实际支出份额 ~1%
DeepSeek V4 预览版：2026-04 发布；可跑在华为 CANN（华为版 CUDA）上
DeepSeek R1：2025-01 发布，引发英伟达股价一轮剧烈抛售
Lindy 内部仍用 Claude Max plan；外部产品已切；失败任务保留 Opus 兜底
商业信号：Lindy 不是个例——Token 支出超过薪资支出的 Agent 公司，2026 年开始被迫认真选型

我的看法（Rainsho 视角）

"迁移成本被低估 100 倍"在前端工程化里是个非常熟悉的剧本——把 Antd 4 升 5、把 Webpack 切到 Vite、把 React 18 升 19，工程团队拍胸脯的"两周搞定"几乎都翻过车。Lindy 这个案例给我的核心教训有三点：第一，模型/框架选型不是一次性决策，而是持续的能力评估体系——他们 6–9 个月窗口里一直在做离线/在线/氛围三件套，对应到前端就是 a11y 合规、bundle size、运行时性能三个维度的持续基准；第二，"在 X 任务上更好，在 Y 任务上更差"是选型新常态，Lindy 主动放弃 Sonnet 在工作流自动化上的优势换核心用例反升，这跟"为构建期速度放弃 HMR 完整性"是同一类权衡；第三，"用美国推理商托管中国模型"是 2026 年技术决策里新增的地缘维度，前端领域我们也开始遇到类似选择（CDN / 包管理镜像 / 字体服务的供应商地域策略），别再用"纯技术视角"回避这类问题。