商业模式拆解 · Genmo
Genmo 用开源模型换分发，靠托管积分变现
Genmo 以 Apache 2.0 开放视频模型换取开发者分发，靠网页订阅的积分制收费，最大赌注是托管体验能跑赢模型商品化。
关键数字
Genmo 的收入大概率来自网页 playground 的订阅制积分（fuel），而非模型授权或 API 调用——Apache 2.0 许可让权重免费可得，按次收费空间被直接压缩。钱主要花在训练 100 亿参数扩散模型和维持托管推理上，4 块 H100 的推理门槛意味着固定成本不低。它靠 A 轮融资活着，用开源换开发者触达、用托管体验换创作者付费。最可能的结局是成为开源视频模型生态里的一个知名品牌，但若闭源厂商迭代更快、托管体验不足以让用户为免费模型付费，收入天花板会很早出现。
产品与模型
开源权重换开发者分发，但模型本身不直接收钱
Mochi 1 以 Apache 2.0 许可开放权重与架构，任何人可免费商用。这等于把模型本身当作获客成本而非收入来源：开发者下载权重、集成到自有应用，Genmo 获得的是品牌曝光和技术生态位，不是授权费。
代价是定价权被让渡。当模型可被本地部署，按次调用收费的空间被直接压缩——用户没有义务为同一个权重付钱。Genmo 只能把收费点后移到托管体验和易用性上。
产品节奏也服务于分发：发布预览版时仅提供 480p 基础模型，高清版延期，说明团队优先扩大触达而非完善付费梯度。开源优先的策略在早期换来了社区集成，但也让后续商业化必须依赖模型之外的东西。
依据R1R2R3网页 playground 降低使用门槛，高清输出留给付费档
Genmo 面向内容创作者提供网页 playground，无需技术背景即可文生视频。这是把开源模型包装成消费级产品的尝试：模型免费，但“不用自己配环境”这件事收费。
收费梯度体现在输出规格上：基础模型输出 480p，更高分辨率仅对付费计划开放。这是一种用画质而非用量做价格歧视的设计，避免直接对免费模型的使用次数收费引发抵触。
但限制也明显：免费试用被媒体报为每 6 小时 2 个视频，付费计划的具体价格未披露。在开源模型可本地运行的前提下，网页端的便利性是否足以让创作者持续付费，是产品层面未验证的假设。
依据R3R8R9收入模式
创作者为托管便利付订阅费，按 fuel 积分消耗
Genmo 提供 Free、Lite、Standard、Pro 四档订阅，按 fuel（积分）计费。免费用户每月获得有限 fuel，付费计划包含更多 fuel。这是典型的 freemium 积分制：把推理成本转译为积分，让用户为用量付费，同时用免费档维持漏斗。
谁付钱？面向的是不想自己部署模型的内容创作者和小型团队。为什么付钱？因为网页 playground 省去环境配置，且高清输出被锁定在付费档。但具体价格未在来源中披露，无法判断客单价和转化率。
这条收入线的脆弱之处在于：底层模型免费，用户随时可以转向本地部署或第三方托管。订阅费买的不是模型能力，而是托管体验和分辨率梯度——这是可替代的。
依据R3API 与集成不单独定价，收入仍集中在网页订阅
开发者可通过开源仓库 API 与 Diffusers 集成 Mochi 1 到自有应用，ComfyUI 也提供原生支持。但这些集成路径没有披露独立的 API 定价或企业授权合同，收入仍集中在网页订阅。
这意味着 Genmo 没有走“开源模型+托管 API 按 token 收费”的常见双轨路线。开源仓库 API 更像是社区便利，而非计费产品。对创业者而言，这提示一种取舍：当模型免费时，API 很难单独收费，除非绑定 SLA 或私有部署。
公开资料未披露 API 调用量或企业客户数，无法判断这条路径是否在贡献收入。可以确定的是，账本里没有支持 API 收入的数字。
依据R2R4客户与市场
客户是内容创作者，不是付大钱的企业
Genmo 明确面向内容创作者提供网页 playground，无需技术背景即可文生视频。客户画像是想快速生成短视频、但不愿配置 GPU 环境的个人或小团队。
这不是企业级客户：没有披露合同金额、私有部署报价或行业解决方案。开源权重面向的开发者是分发渠道，不一定是付费客户——他们可以直接本地运行，没有付费义务。
因此付费客户与开源用户是两群人：前者为便利付费，后者为自由付费（免费）。这种分层决定了收入上限受创作者付费意愿约束，而非企业预算。
依据R3获客与渠道
开源社区与网页入口双线触达，但转化路径未披露
Genmo 的触达分两条线：一条是网页 playground，直接面向创作者；另一条是开源社区，通过 HuggingFace 权重、Diffusers 集成和 ComfyUI 原生支持触达开发者。2024 年 11 月 ComfyUI 支持扩大了本地用户触达。
开源社区在这里扮演的是分发渠道而非收入渠道：开发者免费用模型，Genmo 获得曝光和生态位。网页入口则承担转化，把对便利有需求的用户导向订阅。
但两条线之间的转化数据公开资料未披露。没有证据表明开源用户会转化为付费订阅者，也没有渠道成本数据。这种“开源换触达、网页做变现”的结构是否成立，取决于网页体验的不可替代性，而这一点尚未被数字验证。
依据R2R3R4成本结构
钱花在训练与推理，推理门槛决定固定成本
Genmo 的主要成本在模型训练和托管推理。Mochi 1 是 100 亿参数扩散模型，从头训练，基于 AsymmDiT 架构——训练成本未披露，但“从头训练”意味着没有借力现有基座，资本开支前置。
推理侧的成本有公开线索：据媒体，运行 Mochi 1 需 4 块 H100；Diffusers 最高质量示例需 42GB 显存。这意味着网页 playground 每次生成都有可观的 GPU 占用，免费档的每 6 小时 2 个视频限制很可能是在控制推理成本。
微调成本相对低：LoRA 微调可在单块 H100 或 A100 80GB 上完成。但这不改变托管推理是主要变动成本的事实。收入按 fuel 积分收取，成本按 GPU 小时发生，两者之间的毛利公开资料未披露。
依据R2R8R11融资与资本
靠 A 轮融资活着，收入不足以覆盖训练与推理
Genmo 于 2024 年 10 月 22 日宣布完成 2840 万美元 A 轮融资，由 NEA 领投，The House Fund、Gold House Ventures、WndrCo、Eastlink Capital Partners、Essence VC 及多位天使参与。这是账本里唯一带时间点的资本事件。
这笔钱要覆盖 100 亿参数模型的从头训练、4 块 H100 级别的推理托管，以及团队运营。收入侧只有未披露价格的订阅档，公开资料没有收入、利润或毛利率数字。
因此公司当前的生存逻辑是融资驱动，不是收入驱动。A 轮规模相对于训练和推理的固定成本是否足够，取决于烧钱速度，而这一点未披露。融资与模型发布同步（2024 年 10 月 22 日），说明资本事件本身也是分发事件。
依据R1护城河
护城河不在模型，在托管体验和品牌，但两者都未验证
Apache 2.0 开放权重意味着竞争者可直接复用模型，技术本身不构成排他性优势。Genmo 自述 Mochi 1 与领先闭源模型竞争激烈，闭源厂商迭代构成持续压力。
理论上，护城河应来自托管体验（网页 playground 的易用性）和品牌（开源社区里的知名度）。但这两者都没有数字支撑：没有留存率、没有付费转化率、没有品牌搜索数据。
更实际地说，Genmo 的护城河可能是“开源视频模型”这个生态位本身——在闭源厂商不开放权重的窗口期，它用免费换到了开发者心智。但窗口期有多长，取决于闭源厂商的开放策略和开源竞品的跟进速度。
依据R1R3风险与不确定性
免费权重削弱按次收费，订阅转化未验证
Mochi 1 以 Apache 2.0 免费开放个人与商业使用，直接削弱按次收费空间。用户没有义务为模型能力付费，因为同样的权重可以本地部署。
Genmo 的应对是把收费点移到托管体验和分辨率梯度上，但订阅价格未披露，转化率未披露。如果网页体验不足以让创作者持续付费，收入线会很薄。
对小团队而言，这个风险有借鉴意义：当核心资产免费可得时，收费必须绑定在难以自建的东西上（如运维、合规、协作），而不是模型本身。
依据R1R3闭源厂商迭代更快，开源窗口可能收窄
Genmo 在发布材料中承认与领先闭源模型竞争激烈。闭源厂商迭代速度快，且在视频质量、时长和控制力上持续投入。
开源模型的优势是免费和可定制，劣势是质量通常落后于闭源前沿。如果闭源模型把开源模型甩开一个代际，Genmo 的“免费替代品”定位会变得尴尬：用户可能宁愿为更好的效果付费给闭源厂商。
此外，开源社区本身也在竞争。ComfyUI 支持等集成是双刃剑：它扩大触达，也让 Mochi 1 成为可替换的插件之一。护城河依赖的“品牌”需要持续的产品更新来维持。
依据R1R4关键节点
对AI原生公司创始人的启示
这一节是编辑判断，基于上面的证据推演，不是公司原话。
开源换分发可行，但收费必须绑在用户难以自建的东西上
Genmo 用 Apache 2.0 免费开放 Mochi 1 权重，换来了 HuggingFace、Diffusers、ComfyUI 的集成和开发者曝光，把模型本身当作获客成本。小团队没有市场预算，开源确实是低成本触达手段。但代价是定价权被让渡：权重可本地部署，按次收费空间被直接压缩，Genmo 只能把收费点后移到网页 playground 的托管便利和分辨率梯度上。
小团队可以借这个思路，但必须提前想清楚收费绑定在什么上——是省去环境配置的托管服务，还是工作流集成，而不是模型能力本身。Genmo 的订阅转化率未披露，说明这条路径尚未被数字验证；小团队没有融资缓冲，更需要在第一天就贴近收入。
从头训练基座模型和 4 块 H100 的推理成本，小团队借不了
Mochi 1 是从头训练的 100 亿参数扩散模型，运行需 4 块 H100，Diffusers 最高质量示例需 42GB 显存，网页 playground 每次生成都有可观的 GPU 占用。Genmo 靠 2840 万美元 A 轮覆盖训练和托管推理，收入侧只有未披露价格的订阅档，生存逻辑是融资驱动而非收入驱动。
小团队既没有这笔资本，也难以承担这种固定成本。可借的替代路径是：不做基座模型，用开源权重做 LoRA 微调（单块 H100 或 A100 80GB 可完成），把成本控制在按需调用上；或者只做托管层，不拥有模型。Genmo 的赌注是融资能撑到订阅转化跑通，小团队没有这个缓冲。
开源视频模型的生态位有窗口期，但护城河不在模型本身
Genmo 在闭源厂商不开放权重的窗口期，用免费换到了开发者心智，这是它最实际的护城河。但 Apache 2.0 意味着竞争者可直接复用模型，ComfyUI 等集成是双刃剑：扩大触达，也让 Mochi 1 成为可替换的插件之一。闭源厂商迭代更快，若把开源模型甩开一个代际，Genmo 的“免费替代品”定位会变得尴尬。
小团队可以借的是：在窗口期用开源建立品牌和生态位，但不要假设这个位置稳固。Genmo 的托管体验和品牌都没有留存率、付费转化率等数字支撑，小团队更应把资源押在能持续更新的产品体验上，而不是模型本身——因为模型免费可得时，用户为更好的效果付费给闭源厂商的门槛很低。
公开资料没有回答的问题
- Genmo 订阅各档的具体价格和 fuel 兑换比例是多少？
- 付费用户数、转化率和留存率公开资料未披露，订阅收入规模未知。
- A 轮 2840 万美元的烧钱速度和 runway 未披露。
- 是否有企业授权或私有部署合同，金额与客户数未披露。
- 开源权重下载量与网页付费转化之间是否存在可验证的关联？
证据来源
正文里的编号对应下面的来源。数字没有来源的句子在成稿前已被删除；公开资料未披露的直接写明未披露。
- R1Mochi 1: A new SOTA in open text-to-video | Genmo Bloggenmo.ai · 一手来源 · 可信度 84
- R2README.md · genmo/mochi-1-preview at b7344c14a8cd51cc80bc3259365a132090440fd7 - metadatahuggingface.co · 媒体与披露 · 可信度 83
- R3Genmo Help Centergenmo.ai · 一手来源 · 可信度 83
- R4raw.githubusercontent.comraw.githubusercontent.com · 媒体与披露 · 可信度 83
- R5Mochi 1cdn.jsdelivr.net · 媒体与披露 · 可信度 83
- R6README.md · genmo/mochi-1-preview at 3c268ef8e8ba5bd9b0d433edbaff25457cfaaa88huggingface.co · 媒体与披露 · 可信度 83
- R7language:huggingface.co · 媒体与披露 · 可信度 83
- R8开源视频生成天花板？最强搅局者Mochi 1免费直出电影级特效cloud.tencent.cn · 媒体与披露 · 可信度 82
- R9开源视频生成天花板？最强搅局者Mochi 1免费直出电影级特效 - 开源视频生成天花板？最强搅局者Mochi 1免费直出电影级特效163.com · 媒体与披露 · 可信度 82
- R10Mochi 1raw.githubusercontent.com · 媒体与披露 · 可信度 82
- R11GitHub - ParisNeo/mochi: The best OSS video generation models · GitHub - GitHub - ParisNeo/mochi: The best OSS video generation models · GitHubgithub.com · 媒体与披露 · 可信度 81
- R12Genmo. The best open video generation models.genmo.ai · 一手来源 · 可信度 75
- R13Genmo | AI Wiki - Genmoaiwiki.ai · 三方整理 · 可信度 75
- R14Genmo AI - 免费pconline.com.cn · 媒体与披露 · 可信度 74
由 EveryTik 调研流水线生成（deepseek-flash），经结构门禁、数字核对与独立审稿；引用 10 个来源、7 个独立域名。发现错误请以公开来源为准，我们会在下一轮调研时修正。