有观点认为，开源权重模型可能侵蚀AI实验室收入，同时继续推高云需求。消息还提到，一个模型路由平台的数据显示，专有模型在路由查询中的份额在几个月内从约60%降至25%；其路由系统会把每个请求导向预期能给出足够答案的最低成本模型。另一条动态是，AT&T正将快速增长的AI工作从专有模型转向更便宜的开源模型，并报告成本节省最高达80%。这些数据的统计口径、时间范围和计算方式都未核验，AT&T也只是一个案例，不能据此推断其他企业会跟随，更不能推出你目标团队的模型组合或岗位任务一定变化。

面试前先问清：模型组合、路由和成本谁负责

如果你关注模型选型方向，面试时值得把团队实际做法问成具体问题，而不是停在“你们用什么模型”。可以问：团队当前模型组合大致有哪些类别，专有模型和开源权重模型各承担什么任务？有没有使用路由或调度层；如果有，路由策略由谁定义，怎么判断答案“足够好”？成本优化是平台团队、算法团队还是本岗位职责，最近是否做过模型替换或成本对比？替换决策走什么流程，谁对效果底线负责？

这些问题的价值在于帮你判断任务边界。如果对方只回答“我们调API”，任务可能偏集成；如果提到评估、路由、成本，可能涉及更多权衡。反过来，如果面试官对成本责任也说不清，你至少知道这个岗位未必像描述里那样参与选型。注意，这是基于公开动态的职业分析，不是对招聘行情的断言。

同一任务的两种做法，对应不同能力

假设一个客服意图识别任务：做法A固定调用一个模型，重点是接口封装、提示词和错误处理；做法B先定义可接受的准确率下限，再在候选模型间比较单位成本、延迟和稳定性，必要时接入路由。两种做法没有绝对高下，但B更依赖评估设计、实验对照和取舍解释。如果你过往做过模型对比、效果验证或成本估算，可以梳理成可验证描述：指标怎么定、变量怎么控、结论怎么向非技术同事说明。但不要写成“企业现在都需要这些”，而要向目标岗位核查：他们是否真的把调优和成本当作本岗位任务。AT&T报告的成本节省最高80%，计算方式不明，不能直接套用到其他团队。 延伸阅读：应届生人工智能算法工程师简历模板

应届生人工智能算法工程师简历模板

求职准备：用问题而不是断言接近目标团队

如果你准备转岗或求职，不必先假定行业已经转向。更实际的做法是，把上面的问题带进面试，并准备一段自己经历中的评估或对比案例。比如：你曾比较过两个模型在某个任务上的表现，如何设定“足够好”的底线，如何处理成本与延迟的取舍。用[实际记录]标明真实数据，没有就写清你的角色和思考过程，不编数字。最后可做一件小事：从目标岗位描述里圈出“模型”“评估”“成本”“路由”这些词，对每个词写一句你还需要确认的问题，面试时逐一问清。这样比押注某种模型路线更稳。