13% 这个数字被转得很快，但它统计的只是企业 AI 开销里最容易被看见的那一层。
Ramp 看得到的，是走它家企业卡与报销流程的那部分开销。这决定了样本的形状：偏美国、偏中小与成长型公司、偏「按月订阅或按量付费」的花法。企业 AI 里金额最重的那几类——年度承诺合同、通过云厂商市场转售的额度、私有化部署——基本不在它的视野里。OpenRouter 也类似，它反映的是不签直连合同、随时换模型的开发者流量。
所以准确的读法是：在切换成本最低的那一层市场里，Astra 起得很快。这一层不是全部，却是变化最灵敏的一层，也是外界唯一能近实时读到的一层。资本市场恰好最吃这种高频信号。
Astra 于 9 月 3 日发布，官方口径强调计算机操作、软件工程、网络安全与专业工作几项能力的提升；两周后 API 开放，定价每百万输入 token 10 美元、输出 50 美元。密集发布本身就是一种竞争手段——它压缩的是对手的准备时间。
效果在对面直接可见。据路透社，Anthropic 正在权衡提前放出新模型；另有两名知情人士称其 IPO 可能推迟至 11 月美国中期选举之后。一家正在准备上市的公司，本该让产品发布服从招股节奏，现在得反过来围着对手的发布日历排。这比任何一项基准测试分数都更能说明 Astra 目前的位置。
这个数字有多容易涨上去，就有多容易掉下去。低切换成本是双向的：企业今天能一周之内把流量从一家挪到另一家，明天同样能挪回去。Ramp 口径里那 13%，大部分正是这种「随时可走」的钱。
真正形成黏性的是另外几样东西——已经建成的评估与回归测试集、针对某个模型调过的提示与工具定义、过了内审的合规文档。这些不体现在月度支出占比里，却决定了下一次模型换代时谁会被留下。Astra 现在赢的是发布窗口，而不是这些东西。
下一个观察点很具体：等对手的新模型真的发出来，再看一次 Ramp 的同一口径。如果 13% 守得住，那才是位置的变化；如果只是随每次发布来回摆动，那就仍然只是一次发布的领先。