Cursor 被「断供」之后：AI SaaS 为什么不能只绑定一个模型

最近发生了一件很值得所有 AI 创业者关注的事情。

Cursor 被 SpaceX 收购后，OpenAI 宣布将逐步停止向 Cursor 提供 OpenAI 模型，拟定的停止日期是 2026 年 11 月 12 日。OpenAI 给出的理由是，在所有权发生变化后，它无法确信 SpaceX 会按照相关服务条款使用其技术。

新闻链接：OpenAI：Our decision on Cursor following its acquisition by SpaceX

我无意评价这场商业争议中谁更有道理。但这件事让我重新思考了一个问题：

如果一家 AI SaaS 的核心能力完全建立在某一家模型之上，那么它真正掌握自己的产品命运了吗？

很多 AI 产品在起步时，都会选择当时能力最强的模型。这样做很合理，因为创业公司可以用很短的时间，获得过去需要投入巨大成本才能实现的智能能力。

但问题在于，模型供应并不是永远稳定的。

底层模型可能涨价，使用政策可能改变，某个地区的服务可能受到限制，模型公司也可能因为竞争、收购、合规或者合同原因，终止与某个平台的合作。

甚至还有一种更加常见的情况：并不是模型不能用了，而是另一个模型在几个月后变得更便宜、更快，或者更适合某一类具体任务。

如果一个产品和单一模型绑定得太深，更换模型就可能意味着重新设计整个产品。

这也是为什么我们在设计 SnapLedger 和 SnapLab 的 AI 架构时，一直不希望把"使用哪个模型"写死。

对于发票解析、交易分类、文档匹配和账务检查这样的高频工作，最重要的不一定是每次都调用世界上最强大的模型，而是结果稳定、成本可控，并且能够通过会计规则和确定性逻辑进行验证。

这些工作可以由低成本模型、开源模型和确定性的程序共同完成。

而对于复杂的商业分析、客户获取、供应商寻源或者跨系统任务，我们则可以根据需要调用更强大的前沿模型，以及它们背后的工具和生态。

在这个架构中，模型很重要，但模型不是产品本身。

SnapLedger 真正需要长期积累的是：

• 对发票、银行流水和账务关系的理解；
• 不同国家的税务与合规规则；
• 企业和 Freelancer 的真实工作流程；
• 可以验证结果的确定性逻辑；
• 每一项任务的测试、评价和人工审核机制；
• 在不同模型之间分配任务的 routing system。

这样，即使底层模型发生变化，SnapLedger 对业务的理解、积累下来的工作流，以及为客户保存的上下文都不会消失。

我越来越觉得，未来优秀的 AI SaaS 不应该只是在一个强大模型外面包装一层用户界面。

它应该更像一家能够灵活选择员工的公司：有些工作交给成本较低、执行稳定的模型，有些工作交给更聪明的前沿模型，还有一些关键判断必须交给确定性逻辑或者人类专家。

真正的产品能力，是知道应该把什么工作交给谁，并且能够检查工作是否完成。

Cursor 这次面对的变化可能只是一个特殊事件，但它提醒了所有 AI 创业者一件更加普遍的事情：

今天最好的模型，可以成为我们的合作伙伴；但一家 AI SaaS 不能把自己的全部大脑，以及未来选择的权利，都交给任何一家模型公司。

对 SnapLedger 来说，支持多个模型不是为了追逐每周出现的新名字。

它是一种成本设计，也是一种风险控制。

更重要的是，它确保无论底层模型市场怎样变化，SnapLedger 都能够继续为客户完成真正的工作。