研究报告 · 约 26,548 字 · 预计推送 3 部分

2026 年开源 vs 闭源模型格局：能力边界、成本曲线、私有部署的 tipping point 未开始

目录

题记与说明

文档性质：综合报告最终稿（2026-10-29，基于同日初稿与独立审读意见逐条修订）。本稿由同课题两份章节合并而成——纵轴（历时）章节《纵轴研究：2026 年开源 vs 闭源模型格局——从诞生到当下的完整发展历程》与横轴（共时）章节《2026 年开源 vs 闭源模型格局（横轴对比）》，时间截面统一为 2026 年 10 月 29 日。
合并与裁决说明：两章重复出现的事实、数据与论据已合并为单一表述；两章数字或结论冲突处（AA 榜单排名口径、私有部署盈亏平衡标尺、Qwen 下载量、开源采用率口径、Meta Muse 系列状态等），一律以一手抓取/回访来源为准，其余如实并列标注，裁决过程写入正文相应位置。所有关键事实附来源 URL；单一来源、厂商调查与聚合站口径均已标注可信度。本稿已按独立审读意见修订：经济标尺逻辑勘误（§2.3）、下载量口径冲突显式化（§2.4）、新增"落地判定"一节（§3.6）等，修订明细见文末"修订记录"。

TL;DR

2026 年 10 月的格局是三条错位的战线。能力上，闭源仍守峰值（10 月 AA 总榜 Top15 无开放权重模型）；"最强闭源仅领先最强开源 3.3%"须带时间戳读——该数字是 Stanford AI Index 口径、截至 2026 年 3 月，10 月 AA 指数口径下峰值差距重新拉开（第三方转述的开源最高约 41.8 vs 闭源最高 58，前者约为后者的 72%）。开源已整体越过"够用线"，追赶周期坍缩至月级。成本上，同等能力价格年降约 10 倍，价差主战场转入各阵营内部：闭源小号模型互搏（同档价差约 6 倍），开源旗舰反而涨价，缓存经济学成为新胜负手。私有部署上，形态层面的 tipping point 已过——89% 大型组织采用开源 AI、56% 在做或计划私有云推理、混合路由成为默认——但生产负载中开源 token 占比仍仅约一成。结论：2026 年不存在单一 tipping point，而是"主流负载层已越过、前沿峰值层未越过"的双层结构；正确战略是按任务路由，而非站队（落地判定见 §3.6）。

一、纵轴：发展脉络（2019–2026.10）

1.0 总览：一条纵轴，六个阶段

阶段时间一句话概括标志性节点
一、分野形成2019–2022OpenAI 闭源转向，开源以社区与大厂协作起步GPT-3 只走 API；OPT-175B / BLOOM
二、"Linux 时刻"2023一次泄露点燃开源大爆炸，Meta 顺势而为LLaMA 泄露 → Llama 2 商用化
三、追平与价格战2024开源追平 GPT-4 级，架构效率成为定价武器Llama 3.1 405B；DeepSeek-V2 定价
四、"DeepSeek 时刻"2025开源首次站上推理前沿，闭源龙头回归开放DeepSeek-R1；gpt-oss
五、份额翻转2026.1–8开源 token 份额过半，"Max 级"旗舰开放权重OpenRouter 份额破 50%；Kimi K3
六、前沿拉锯2026.9–10闭源重夺评测榜首，开源守住流量与成本GPT-6 / Gemini 4 / Opus 5.5 vs DeepSeek V4.1 / K3.1

1.1 阶段一（2019–2022）：分野的形成——开源传统与闭源转向

这个课题的起点是两条路线在 2019–2020 年间的分道扬镳。2019 年 2 月，OpenAI 以"渐进释放"策略开放 GPT-2，彼时它仍是开放阵营旗手（官方公告：https://openai.com/blog/better-language-models/ ）；2020 年 6 月 GPT-3 发布，权重永不公开、只通过 API 提供服务——这一决定划开了此后六年的两条路线：闭源侧"前沿能力 + API 订阅"，开源侧"权重可得 + 自部署"（LLM 历史综述：https://medium.com/@jennyautoma/the-evolution-of-llm-a-timeline-a5650911263b ）。

社区与公益协作随即接棒：2021 年志愿者社区 EleutherAI 发布 GPT-J 6B（https://huggingface.co/EleutherAI/gpt-j-6b ）；2022 年 5 月 Meta 开源 OPT-175B（125M–175B 全系列权重 + 训练日志），7 月 BigScience 发布 BLOOM（176B）——大厂与公益联盟首次开放 GPT-3 量级权重（开源 LLM 早期史：https://cameronrwolfe.substack.com/p/the-history-of-open-source-llms-early ；BLOOM 论文：https://arxiv.org/html/2307.06435v7 ；发布日期均经 Epoch AI 数据表核验）。

此阶段埋下重要伏笔：所谓"开源"从一开始就分化为"完整开放"与"仅开放权重（open-weight）"两种形态——Hugging Face 生态让权重分发标准化，算力集中化又让大权重成为稀缺资产，反过来强化了"开放 vs 闭源"的身份对立。这一分化在 2026 年演变为许可证与商业化收紧问题（见 §2.4）。

1.2 阶段二（2023）："Linux 时刻"——一次泄露点燃的开源大爆炸

2023 年是开源 LLM 从研究项目变成一场运动的年份。2023 年 2 月 24 日，Meta 以研究许可发布 LLaMA（7B–65B）；3 月初权重泄露至 4chan，传播不可逆（https://the-decoder.com/metas-llama-leak-shows-secure-ai-deployment-is-more-of-a-pipe-dream ）。随后微调配方迅速民主化：3 月斯坦福发布 Alpaca（52K 指令微调 LLaMA，成本约 600 美元）、LMSYS 发布 Vicuna（自称达 ChatGPT 约 90% 质量）——泄露权重 + 微调配方 = 人人可用的类 ChatGPT。

私有部署工具链在同一时期诞生：3 月 Georgi Gerganov 发布 llama.cpp（CPU/端侧推理 + GGUF 量化），年中 Ollama 出现（"一行命令跑模型"），私有部署从此有了消费级入口（工具链对比：https://developers.redhat.com/articles/2026/06/15/llamacpp-vs-vllm-choosing-right-local-llm-inference-engine ）。

7 月 18 日，Llama 2 开放商用（月活超 7 亿的公司需另行申请）并与微软达成 Azure 分发——泄露不可逆之后，Meta 从"防泄露"转向"主动开放、借开发者生态对抗 OpenAI"（https://www.analyticsvidhya.com/blog/2023/07/metas-llama-2-open-sourced-for-commercial-use ）。下半年发布密度陡增：8 月起阿里 Qwen 首批模型开源，9 月 Mistral 7B（Apache 2.0，7B 体积对打 GPT-3.5），12 月 Mixtral 8x7B（稀疏 MoE）——开源阵营第一次拿出新架构效率武器（以上日期经 Epoch AI 数据表核验）。此阶段开源与闭源能力差距约"一代"（GPT-4 级 vs GPT-3.5 级），但收敛趋势已现。

1.3 阶段三（2024）：追平 GPT-4 级与第一轮价格战

2024 年 7 月 Llama 3.1 405B 发布，开源首次在多数基准上追平 GPT-4 级（官方：https://ai.meta.com/blog/meta-llama-3-1/ ；发布日期 2024-07-23 经 Epoch 数据表核验）。更深远的变化发生在成本端：5 月 DeepSeek-V2（MoE + MLA 架构）以约 1 元/百万 input tokens 的定价点燃中国大模型价格战，阿里云等随即跟进（对 Qwen 系 API 一度降价 97%，https://m.36kr.com/newsflashes/3181750308721799 ）——架构效率第一次成为定价武器；7 月 OpenAI 以 GPT-4o mini（输入价约 $0.15/百万 tokens，约为 GPT-4o 的 3%）应战，闭源阵营被拖入降价通道（https://openai.com/index/gpt-4o-mini/ ）。

同年 9 月 OpenAI o1 开启推理模型范式，一个月后即被开源社区复现/蒸馏，为 2025 年追赶周期的坍缩埋下伏笔；12 月 26 日 DeepSeek-V3 发布（671B 总参/37B 激活 MoE，2048 张 H800 训练，官方声明训练成本约 557.6 万美元），以"边缘算力合规上限"做出接近 GPT-4o 的模型（技术报告：https://arxiv.org/abs/2412.19437 ）。

成本曲线的行业标尺也在这一年确立：斯坦福 HAI《AI Index 2025》测得，达到 GPT-3.5 水平的推理成本在 2022.11–2024.10 间下降超过 280 倍（$20.00 → $0.07/百万 tokens）（https://hai.stanford.edu/assets/files/hai_ai-index-report-2025_chapter2_final.pdf ）。企业采纳同步起量：Databricks 平台上 76% 的 LLM 用户选择开源模型（多为与闭源混用）（https://www.databricks.com/blog/state-ai-enterprise-adoption-growth-trends ）。此外，2024 年 7 月 Mistral Large 2 转向研究许可，"开放权重 ≠ 自由许可"的裂痕首次显现。

1.4 阶段四（2025）："DeepSeek 时刻"——开源第一次站上前沿

2025 年 1 月 20 日，DeepSeek-R1（MIT 许可）以纯强化学习训练出对齐 o1 的推理能力并开源蒸馏小模型；1 月 27 日英伟达单日暴跌约 17%、市值蒸发约 6000 亿美元，史称"AI 的 Sputnik 时刻"（https://s-rsa.com/index.php/agi/article/view/11097 等，多来源一致；R1 发布日期与许可状态经 Epoch 数据表核验）。政策层面同步摇摆：美国 AI Diffusion Rule（2025-01-13 发布，含开放权重条款）于 5 月 13 日被撤回（https://www.bis.gov/press-release/department-commerce-announces-rescission-biden-era-artificial-intelligence-diffusion-rule-strengthens ），欧盟 AI Act 则保留有限开源豁免。

4 月 29 日阿里发布 Qwen3 家族（混合推理、Apache 2.0，官方口径累计下载 3 亿+、衍生模型 10 万+）（https://www.cnbc.com/2025/04/29/-alibaba-qwen3-ai-series-chinas-latest-open-source-ai-breakthrough.html ）；而 Meta 出现动摇——4 月 Llama 4 Scout/Maverick 口碑不及预期、旗舰 Behemoth 一再延期（https://huggingface.co/collections/meta-llama/llama-4 ），6 月 30 日 Meta Superintelligence Labs 成立，外界普遍猜测其开源承诺松动。夏季"开源代理潮"：7 月 Kimi K2（1T 总参/32B 激活，主打 agentic）、Qwen3-Coder、GLM-4.5、MiniMax-M1 相继开源。

最具符号意义的事件是 2025 年 8 月 5 日 OpenAI 发布 gpt-oss-120b/20b（Apache 2.0）——自 GPT-2 后首次回归开放权重（官方：https://openai.com/index/introducing-gpt-oss ；报道：https://www.cnbc.com/2025/08/05/openai-open-weight-meta-mistral-deepseek-ai.html ）；但其 ECI 140.79 vs GPT-5 的 150.00（Epoch 数据表核验）说明：开放的同时仍落后闭源自家旗舰约一代，开放是生态战略而非能力放弃。9 月 29 日 DeepSeek-V3.2-Exp 引入稀疏注意力（DSA），API 价格再降 50%+（cache miss 约 $0.28/百万 tokens）（报道：https://techcrunch.com/2025/09/29/deepseek-releases-sparse-attention-model-that-cuts-api-costs-in-half ）。市场份额开始量变：OpenRouter《State of AI》显示中国系开源模型周份额从 2024 年末约 1.2% 升至 2025 年末部分周接近 30%（https://openrouter.ai/state-of-ai ）。闭源前沿同步推进：GPT-5（2025-08-07）、Gemini 3 Pro（2025-11-18）、Claude Opus 4.5（2025-11-24），闭源保持"前沿先到"（日期经 Epoch 数据表核验）。

1.5 阶段五（2026.1–8）：份额翻转——"Max 级"旗舰开放权重

2026 年 1 月，arXiv 发表基于 OpenRouter 的 100 万亿 token 实证研究：OSS token 份额已分散于 5–7 个模型、无单一模型超过 OSS 份额的 25%——开源供给从"单极"走向"多极"（https://arxiv.org/html/2601.10088v1 ）。开源旗舰密集发布（日期与许可状态均经 Epoch AI 数据表核验）：1 月 27 日 Kimi K2.5（开放权重、训练算力 5.8e24 FLOP）；2 月 11 日智谱 GLM-5 开放权重（MIT；"744B 总参/40B 激活、适配国产芯片"为中文媒体口径，中等可信，https://blog.devgenius.io/z-ais-glm-5-leaked-through-github-prs-and-a-zodiac-easter-egg-8716deb07f93 ）；2 月 12 日 MiniMax-M2.5；2 月中旬 Qwen3.5 系列；4 月 GLM-5.1（SWE-Bench Pro 58.4%）、Qwen 3.6 与 Kimi K2.6。

4 月 23–24 日 DeepSeek V4 Preview（V4-Pro/V4-Flash）发布：开放权重、官方服务默认 1M token 上下文，V4-Pro 以约为 GPT-5 七分之一的训练算力进入第一梯队；Reuters 报道其运行在华为最新芯片上——"出口管制 → 国产算力 → 开源模型"的闭环成形（https://techcrunch.com/2026/04/24/deepseek-previews-new-ai-model-that-closes-the-gap-with-frontier-models ；https://www.aljazeera.com/economy/2026/4/24/chinas-deepseek-unveils-latest-model-a-year-after-upending-global-tech ）。同期闭源轮替：4 月 24 日 GPT-5.5 发布（https://openai.com/index/introducing-gpt-5-5 ）、4 月 16 日 Claude Opus 4.7、4 月 8 日 Meta 新旗舰 Muse Spark（仅 API、不开放权重）。Meta 正式转向混合策略：据 Axios 报道，新 AI 负责人 Alexandr Wang 主政下计划让下一代模型"部分闭源、部分延后开源"——Llama 时代"全量开放"的叙事正式终结（https://seekingalpha.com/news/4572778-meta-may-open-source-versions-of-its-upcoming-ai-models-report ；https://cio.economictimes.indiatimes.com/news/artificial-intelligence/meta-to-release-open-source-versions-of-its-upcoming-ai-models/130079320 ）。

6 月 GLM-5.2 开放权重（Code Arena 1595 分、百万级上下文）；OpenRouter 6 月通讯实测主流开放权重模型平均实现价格约 $0.447/百万输入、$3.31/百万输出，远低于 GPT-5.5/Opus 级（https://openrouter.ai/blog/insights/the-open-weight-models-that-matter-june-2026 ）。7 月 Anthropic 发布 Claude Sonnet 5 / Opus 5（1M 上下文、128K 输出，瞄准 agentic 编码与企业负载；https://www.anthropic.com/news/claude-sonnet-5 、https://www.anthropic.com/news/claude-opus-5 ）；同月 Qwen 全家累计下载破 10 亿次、超越 Llama 成为全球下载量最大的开源模型家族。

7 月 26–27 日，月之暗面开放 Kimi K3 权重（纵轴章已回访 Tom's Hardware 原文核验，高可信）：2.8T 总参/104.2B 激活（896 选 16 专家 MoE）、MXFP4 权重 + "Kimi Delta Attention" 固定状态注意力，官方定价 $3/百万输入，编码场景约 90% 缓存命中率下低至 $0.30/百万输入，宣称运行成本低 2–3 倍（缓存命中时最高 10 倍），基准"紧咬"闭源前沿——发布即"最大开放权重模型"（https://www.tomshardware.com/tech-industry/artificial-intelligence/moonshot-ai-releases-weights-for-kimi-k3-firing-a-shot-across-the-bow-of-openai-and-anthropic-open-weight-model-performs-almost-as-well-as-frontier-models-while-being-2-3x-easier-to-run ）。

OpenRouter 份额翻转是本课题最直接的市场信号：开放权重模型 token 份额 2026 年 2 月首次短暂突破 50%、4 月起基本站稳过半、7 月初一度达 79%；但第三方测口径差异大（有测得 6 月约 29% 者），且 OpenRouter 样本偏价格敏感开发者——批评者估计全球 80%+ token 仍来自闭源模型（https://openrouter.ai/state-of-ai 系列；反方讨论：https://www.reddit.com/r/LocalLLaMA/comments/1u96545/oss_models_decisively_overtook_proprietary_models ；https://datasaur.ai/blog/open-models-are-winning-and-enterprises-are-about-to-find-out ）。同期许可策略开始商业化收紧：Qwen 对重度商用收费、MiniMax M2.7 转非商用许可（Epoch 数据表核验）。

1.6 阶段六（2026.9–10.29）：前沿拉锯——闭源重夺榜首，开源守住流量与成本

9 月 3 日 OpenAI 发布 GPT-6"Astra"（约 1.05M 上下文、$10/$50 每百万 tokens），9 月下旬跟进低价档 Sol/Luna（Sol 约 $2/$10），10 月 GPT-6.1 Sol Pro/Terra 陆续上线，GPT-5.5 于 10 月 14 日从 ChatGPT/Codex 退役（聚合站口径中低可信：https://lifeship.ai/blog/gpt6-everything-you-need-to-know ；但 GPT-6 Luna / GPT-6.1 Sol Pro / GPT-6.1 Terra 已出现在 OpenRouter 官方榜单，经当日核验属实）。9 月 10 日 DeepSeek V4.1 Flash 发布（552B 总参/8B 激活、原生视觉——规模参数为单一来源，中低可信），10 月 17 日再推 1017 版本；10 月最后一周 DeepSeek V4.1 Flash 1017 以周 35.4T tokens（环比 +382%）登顶 OpenRouter 榜首（模型页：https://openrouter.ai/deepseek/deepseek-v4.1-flash-1017 ）。

闭源侧于 9–10 月完成旗舰轮替：9 月 22 日 Anthropic 发布 Claude Opus 5.5，10 月 Sonnet 5.5 与新一代旗舰 Fable 5.1 上线；9 月 30 日 Google 发布 Gemini 4"Argon"（延期数月后落地，10 月 13 日 GA）（https://www.reuters.com/legal/litigation/google-announces-gemini-4-flagship-ai-model-after-months-delays-2026-09-30 ；https://www.theverge.com/ai-artificial-intelligence/1009862/google-releases-gemini-4-argon ）；10 月 12 日 Meta 以闭源前沿身份发布 Muse Wonder（$4/$20），10 月中下旬开放 Muse Spark Open（~816B）权重（https://research.meta.ai/blog/muse-wonder ；https://about.fb.com/news/2026/10/introducing-muse-wonder-models ——此处采纳横轴章对 10-28 报告的修正：Muse Wonder 为闭源，开放的是 Spark Open）。开源长尾同步扩散：GLM 5.3 Flash（8 月 14 日发布，宣称"最强开源编码模型"，https://the-decoder.com/zhipu-ai-releases-glm-5-3-claims-its-the-strongest-open-weights-coding-model ）、MiniMax M3.1 Flash 免费档、NVIDIA Nemotron 3 Ultra、小米 MiMo-V2.6-Flash 等占据 OpenRouter 周榜前十多数席位；按作者份额 DeepSeek 26.5%、Google 20.1%、OpenAI 18.5%、Z.ai 10.7%、Anthropic 5.5%、Qwen 4.7%——单一作者层面，开源的 DeepSeek 已是流量第一（经 OpenRouter 榜单核验）。

能力差距的权威标尺在两章中高度一致：斯坦福《AI Index 2026》——最强闭源与最强开源权重模型的差距在 2026 年初约 3.3%（2024 年 8 月曾低至 0.5%，2025 年是闭源反超年），中美模型差距缩至 2.7%（https://hai.stanford.edu/ai-index/2026-ai-index-report ）；Epoch AI——2026 年 1–5 月最强开放权重模型平均落后闭源前沿约 4 个月 / 8 个 ECI 点（约等于 GPT-5 与 GPT-5.5 的差距），且开源模型存在"针对公开基准爬山"的系统性偏置（https://epoch.ai/data-insights/open-closed-eci-gap ）。

1.7 纵轴小结：三条贯穿性主线

  1. 能力追赶周期坍缩，但未归零：GPT-4（2023.3）→ 开源追平（2024.7 Llama 3.1 405B）约 16 个月；o1（2024.9）→ R1（2025.1）约 4 个月；2026 年则以"月"为单位咬合（GPT-5.5 4 月 → DeepSeek V4 4 月底 → K2.6/K3 7 月）。"开源落后一代"的旧规律失效，新常态是"闭源先探路、开源数月内平价化、闭源再以版本节奏拉开新差距"（Interconnects 称之为 perpetual catch-up，https://www.interconnects.ai 相关 2026 年 4 月评论）。
  2. 成本曲线的四级火箭：架构效率（MoE/MLA，2024.5 V2 的 1 元/百万 tokens）→ 训练成本声明战（$5.6M 的 V3、1/7 算力的 V4-Pro）→ 稀疏化再降价（V3.2-Exp -50%）→ 缓存经济学（K3 约 90% 命中率、$0.30/M）。
  3. 私有部署的三级台阶与企业双重心态：工具链 2023 年补齐消费级入口（llama.cpp→Ollama）、2024–25 年补齐生产级吞吐（vLLM/SGLang）；2026 年企业侧呈"76% 偏好（2024，Databricks 口径）/ 89% 采用（mlflow 口径）/ 约 11% 生产占比（Menlo 口径）/ 56% 做或计划私有云推理（llmconfigurator 口径）"的分层图景。tipping point 的判据已从"能力追平"迁移到总拥有成本 + 数据主权 + 行为可控性。

二、横轴：横向对比（2026-10-29 截面）

2.0 对比对象：两大阵营与"第三条路"

本课题的对比对象是一个双阵营格局，加上常被叙事忽略、却是企业实际落地主要形态的"第三条路"：

五个对比维度：① 能力边界；② 成本曲线；③ 私有部署成熟度与 tipping point；④ 生态与许可证；⑤ 适用场景路由。

2.1 维度一：能力边界——两个口径的裂口

一手抓取 Artificial Analysis 总榜（2026-10-29 直接抓取，https://artificialanalysis.ai/leaderboards/models ）：

排名模型智能指数每任务成本权重
1Claude Opus 5.5 (max with fallback)58$10.04专有
3GPT-6 Astra (max)57$6.24专有
6GPT-6.1 Sol (max)55$1.27专有
7Claude Sonnet 5.5 (max with fallback)54$10.02专有
12Gemini 4 Argon (high)50$3.84专有
15Claude Fable 5.1 (xhigh with fallback)50$10.89专有

*表注：上表为节选——保留第 1/3/6/7/12/15 名以覆盖不同"指数-价格"组合；据 10-29 抓取的同一榜单，Top15 其余 9 席（第 2、4、5、8、9、10、11、13、14 名）亦全部为专有模型，无一开放权重，略去不影响结论。*

该榜共 76 个模型，其中 20 个为开放权重（10-29 抓取时榜单页的整体计数，未逐行复核全部 76 行）。Top15 内无开放权重模型。

权威口径 Stanford HAI《2026 AI Index》（一手抓取，https://hai.stanford.edu/ai-index/2026-ai-index-report/technical-performance ）：截至 2026 年 3 月最强闭源仅领先最强开源 3.3%（2024 年 8 月为 0.5%，2025 年重新拉开）；Arena 榜前 10 中闭源 6 席、开放权重 4 席；组织级 Elo（AI Index 技术性能章节口径：将竞技场对战 Elo 按模型厂商/实验室聚合，而非按单个模型）：Anthropic 1503、xAI 1495、Google 1494、OpenAI 1481、阿里 1449、DeepSeek 1424——开源双雄落后头部 54–79 Elo；最强美国模型领先最强中国模型 2.7%。

开源第一梯队本季度的硬成绩（第三方基准转述）：Kimi K3 SWE-bench Verified 77–80%、发布时登顶 SWE-bench Pro；GLM-5.3 Flash GPQA Diamond 91.2%、AA 指数 41.8，19 个共享基准中 12 个胜 DeepSeek V4 Pro（Terminal-Bench 4.0 领先 26.3 分）；英国 AI 安全研究所（AI Security Institute，AISI）的分析认为 DeepSeek V4 Pro 已与闭源前沿相当，V4.1 Flash 在部分基准上领先包括闭源在内的所有模型（https://deeprails.com/benchmarks ；https://therouter.ai ；https://www.gmicloud.ai/en/blog/ai-model-benchmarks-august-2026-open-weight-models-catch-the-frontier ；https://www.promptster.dev/blog/benchmarking-open-source-vs-closed-source-2026 ；https://llmgateway.io/blog/best-open-source-llms ）。

口径裁决（合并两章冲突）：纵轴章经 OpenRouter 榜单页转述的 AA 数字（"Opus 5.5 Max 57.6、Sonnet 5.5 56.0、开源侧最高的 Kimi K3.1 Pro 55.1 位列第三"）与横轴章 10-29 直接抓取的 AA 总榜（Top15 零开源、Sonnet 5.5 记 54）不一致，属不同快照或指数版本口径；另 AA 页面 FAQ 自称最高开放权重为 DeepSeek V4.1 Flash 1017 (Max) 指数 32，与其自家表格及第三方基准（GLM-5.3 Flash 41.8 等）矛盾，大概率是过期缓存。本稿裁决：排名以 10-29 直接抓取的 AA 总榜为准（Top15 无开放权重模型），量化差距以 Stanford AI Index 的 3.3% 为最稳健锚点；跨榜绝对数字无意义，看相对位次即可（ofox.ai 另一版本口径同理，https://ofox.ai/blog/llm-leaderboard-best-ai-models-ranked-2026 ）。10 月截面的量化差距因此有三层口径，回答"差距多大"必须先指明口径：①位次——AA Top15 无开放权重模型；②AA 指数——闭源最高 58（Opus 5.5），第三方转述的开源最高约 41.8（GLM-5.3 Flash，约为闭源最高的 72%；AA 自家 FAQ 显示的开源最高仅 32，疑为过期缓存）；③年度权威口径——AI Index 的 3.3%（截至 2026 年 3 月）。②③不可互相换算，但共同说明：3.3% 不能当作 10 月现状引用（三层口径的落地直答见 §3.6）。

两个口径并存的真实含义：差距已压扁到"最后一段悬崖"，但悬崖就是悬崖——对 90% 的企业负载，3.3% 的峰值差距感知不到；对剩下 10%，它就是全部。除峰值外，闭源守住的阵地还有：Agent 行为可靠性（2026 年 10 月业界共识：行为可靠性已成为闭源实验室的发布门槛指标；开放权重模型在拒答行为上双向漂移）、原生多模态与超长上下文（Gemini 4 系仍是参照点）。一句话概括 2026-10 截面的能力维度：峰值守得住、够用线守不住。

2.2 维度二：成本曲线——通缩、分层与 Jevons 悖论

API 定价对比（每百万 token，输入/输出，第三方聚合口径）：

模型/口径输入输出备注
DeepSeek V3.2$0.27$1.10Burnwise 评为"最便宜前沿级"（https://www.burnwise.io/blog/ai-api-pricing-comparison-2026 ）
行业入门价$0.10$0.50–$50（输出跨度）DigitalTatva，2026-10-15（https://digitaltatva.com/llm-api-pricing-comparison ）
Muse Wonder（Meta 闭源新前沿）$4$202026-10-12 发布（来源见 §1.6）
开源旗舰平均实现价$0.447$3.31OpenRouter 6 月实测（见 §1.5 链接）
Kimi K3（缓存命中后）$0.30—约 90% 缓存命中率（Tom's Hardware，见 §1.5 链接）
中国开源 API 在售——聚合站在售 222 个中国模型（https://ai-price-compare.konata9.cc/en ）

AA 每任务成本揭示的"闭源内战"（一手数据）：同一指数档（50–52）下，GPT-6.1 Sol (high) $0.59/任务 vs Claude Opus 5.5 (high) $3.46/任务——闭源内部的同能力价差约 6 倍。闭源的防守策略不是整体降价，而是用小号模型（Sol/Terra）下沉做"反开源武器"：GPT-6.1 Sol (high) 以 $0.59/任务提供指数 50 的能力，闭源主动下探"够用线"。

三条宏观曲线（多次独立标定，方向一致、口径互补，非矛盾）：

  1. LLMflation 通缩：a16z 口径"同等能力推理成本每年降约 10 倍"，已持续 3 年（https://www.datatechandtools.com/p/the-price-of-intelligence-is-falling ）；Wing VC 测 GPT-4 级能力价格 18 个月降约 240 倍（$180/M → <$1/M，https://docs.wing.vc/content/plummeting-cost-ai-intelligence ）；AI Index 2025 测 GPT-3.5 级两年降 280 倍（见 §1.3）。另有 2023→2026 全行业约 300 倍量级的估计（https://jonmoshier.com 转述，中低可信）。
  2. Jevons 悖论：单价塌缩但总账单上涨——OpenAI 预计盈利前累计亏损约 $44B（单一来源，中低可信）。成本曲线的胜利者不一定是卖方：降价把价值推给了应用层。
  3. 开源旗舰涨价与许可收紧：DeepSeek V4 Pro 于 2026-08 提价约 3–4.5 倍（$0.435/$0.87 → $1.32/$3.96，沿 10-28 报告口径，中等置信度）；Qwen 对重度商用收费、MiniMax M2.7 转非商用许可（Epoch 数据表核验）——Qwen 的收费条款适用于沿用专有 Qwen 许可的版本，最新 Qwen3.8 系列已为 Apache 2.0（与 §2.4 许可证表一致，详见该节注释），同一家族内新旧许可并存。当开源模型成为企业刚需，补贴逻辑收敛——开源与闭源的价差在头部收窄、在长尾拉大。

2.3 维度三：私有部署——tipping point 的主战场

需求侧与供给侧硬数据（口径逐条标注）：

指标数字来源口径提示
大型组织开源 AI 采用率89%，开源栈 ROI 高 25%https://mlflow.org/articles/the-role-of-open-source-in-enterprise-ai-in-2026"使用过开源 AI"宽口径
企业生产负载中开源占比约 11%Menlo Ventures 2025（经 Databricks 对比页转述）token/负载口径，最严格
已运行或计划私有云生产推理56%https://llmconfigurator.com/en/enterprise/on-prem-ai-statistics厂商调查，需谨慎
公有云主力推理份额56% → 41%（一年内）同上厂商调查
本地部署划算门槛自建总成本降到云方案的 60–70% 时开始具经济性（成本比口径）https://www.swfte.com/blog/enterprise-ai-platform-buyers-guide-20262026 买家指南；注意与"利用率 60–70%"是两个不同变量（见下文标尺条目）
生产环境自主运行 Agent59.5% 高级管理者报告已运行https://firstlinesoftware.com/blog/the-2026-enterprise-ai-adoption-gap-by-the-numbers自报口径
企业 LLM 市场规模2025 年 $8.6B → 2034 年 $82.4B（CAGR 28.6%）https://dataintelo.com/report/enterprise-llm-market预测口径

采用率的口径裁决（合并两章）：纵轴章引 Databricks"76% 偏好开源"（2024）与 Menlo"生产负载约 11%"（2025）；横轴章引 mlflow"89% 采用"。三者不矛盾，是同一现象的三个层次：偏好层（76% 用户首选开源）→ 采用层（89% 组织使用过开源 AI，多为"开源底座 + 托管/路由"而非全栈自建）→ 生产负载层（仅约 11% 推理 token 走开源）。"偏好开源"与"生产用开源"之间的缺口，正是 tipping point 之争的焦点。

盈亏平衡的标尺（勘误重写）：初稿曾以"替代对象的价格不同"调和下述两数——方向写反：按打平公式 V\* = 自建固定成本 F ÷（被替代 API 单价 p − 自建边际成本 c），替代的 API 越便宜（p 越小），所需打平量越大而非越小。两把标尺如实并列：纵轴章引 nstarx 测算"放弃专有 API、改自托管，crossover 约在月 5–10M tokens"（原文："The crossover point in 2026 is roughly 5 to 10 million tokens per month"，https://nstarxinc.com/blog/the-open-source-tipping-point-when-does-ditching-proprietary-ai-apis-actually-make-economic-sense ；其门槛针对专有 API——URL slug 即 ditching-proprietary-ai-apis，且经 2026-10-29 回访核验：原文只给阈值、不给公式）；横轴章沿 10-28 报告记录"租用 2×H100（约 $6,117/月）替代 Claude Opus 级 API 约在 245M 输出 token/月打平、Sonnet 级约 612M token/月；要压到 $0.60/百万 token 需持续 ~3,880 token/s 吞吐"（cohorte.co、packet.ai、promptcost.org）。两把标尺前提不同（F 的量级、p 的档位、token 计数口径），不能互相换算：横轴组内部自洽且方向正确——按 F=$6,117 反推，245M ↔ 隐含输出单价 ~$25/M（Opus 级）、612M ↔ ~$10/M（Sonnet 级），替代更便宜的 Sonnet 级需要更大的打平量，与公式一致；nstarx 的 5–10M 则无法用其自述成本按公式复现（其 2×H100 跑 Llama 3.3 70B 的例子约 $52K/年 ≈ $4,333/月，反推隐含 p−c ≈ $433–867/百万 token，远超任何现实 API 价格），只能作存疑的博客口径保留。可用的合并结论有三条：①方向——固定投入越大、替代对象越便宜，打平量越高；②实用门槛——月 100M+ tokens 量级且利用率 >60–70% 时，自建 TCO 才开始对中高端闭源 API 场景占优（nstarx 自身决策框架"月用量 >50M tokens 且持续高利用率时自建通常占优"与之同向）；③利用率是吞吐侧前提——"压到 $0.60/百万 token 需 ~3,880 token/s 持续吞吐"即其含义（本稿核验：$6,117 ÷ $0.60/M ≈ 10,195M token/月 ≈ 3,930 token/s，与原口径一致）。口径警示：60–70% 在来源原文中即存在混用——swfte 原文一处作"利用率 exceeds 60-70% of cloud costs"、另一处作"成本 cost-effective at 60-70% of cloud costs"，nstarx 引 Deloitte 时为利用率；本稿全文统一区分成本比 60–70%（自建总成本/云方案成本，见上表 swfte 行）与利用率 60–70%（GPU 吞吐利用率，见本条②③）为两个不同变量。（注：该组数字均为博客/测算口径，隐含单价为反推值，方向性参考。）

2026 年的新变化：反方声音与混合现实：

小结：tipping point 的证据链在 2026-10 截面继续增强（89% 采用 + 自建成本比降至云方案 60–70% 的门槛 + 混合默认化 + 主权采购制度化），但"主权幻觉"论的抬头提示：过线的是"私有部署"这个形态，而不是"每个企业都该自建"这个结论——下一阶段竞争从"要不要私有"转向"私有部署的运维质量"。

2.4 维度四：生态与许可证——重心东移与内部分化

生态规模（下载量口径裁决）：纵轴章记录"2026 年 7 月 Qwen 累计下载破 10 亿、超越 Llama 成为全球下载量最大的开源模型家族"（官方口径）；横轴章记录"2026 年 8 月累计下载突破 30 亿、官方 460+ 模型、衍生模型 30 万+"（China Daily/The Next Web 转述，统计口径可能更宽）。两数须如实标注为口径冲突，而非衔接：累计下载一个月内从 10 亿增至 30 亿在常识上不可信；且"30 亿"另有报道将其对应为"六个月内"的统计窗口（MIT 研究 2025-11 报道，见下），说明该数字在流传中口径不一。本稿不将两数串联为增长叙事，"8 月累计 30 亿"存疑待核；可采信的部分单独表述：Qwen 累计下载于 2026 年 7 月破 10 亿、超越 Llama 登顶（官方口径）；衍生模型 30 万+、HF 开源榜前十曾全部为 Qwen 衍生（媒体口径）。国别下载份额：MIT 研究（2025-11）测得中国开源模型占全球开源模型下载约 17%、首次超过美国的 15.8%（Ooda Loop 转述 MIT Technology Review 报道：https://oodaloop.com/briefs/technology/china-leapfrogs-us-in-global-market-for-open-ai-models ；单一来源，中高可信）；中国模型全球使用份额从 2024 底 ~1.2% 升至 2025 底近 30%（OpenRouter 口径，见 §1.4 来源；另一口径 13%，口径不一、方向一致）。DeepSeek–Qwen 共生是独有生态形态：R1 蒸馏到 Qwen 底座产生数千衍生模型，两大生态互相输血——闭源阵营不存在这种形态。

长尾警告：HF《State of Open Source》2026 春季报告——一半模型下载 <200，头部 200 个模型（0.01%）攫取绝大部分流量；LMArena 数据显示被静默弃用模型中 64–66% 是开放权重。

许可证分层（法务风险从低到高）：

家族许可证商用友好度
DeepSeek V4 系列MIT（未修改）最高
Qwen3.8 / Muse GlimmerApache 2.0高
Kimi K3 / GLM-5.3 / MiniMax修改版许可证（附使用条件）中，需法务审查
Llama 4 / Gemma社区许可（非 OSI）中

注（"Qwen 收费"与上表 Apache 2.0 如何并存）：§1.5/§2.2 所记"Qwen 对重度商用收费"（Epoch 数据表核验）与上表"Qwen3.8 = Apache 2.0"并不矛盾的自洽解读是：收费条款适用于沿用专有 Qwen 许可的型号/旧版本，而 Qwen3.8 已转 Apache 2.0——同一家族内新旧许可并存，是 2026 年开源厂商商业化收紧的典型形态。实操含义：不能以家族名推断许可条款，商用前必须逐版本核对许可文本全文。

开源阵营的"生态护城河"（部署栈 + 微调社区 + 蒸馏衍生）只在开源一侧存在；但许可证分化与 64–66% 的弃用比例意味着——选开源模型时的尽调重心应从"跑分"移到"许可证 + 维护活跃度"。

2.5 维度五：适用场景路由与"第三条路"

场景推荐阵营理由
高吞吐批量负载（客服/摘要/抽取）开源 Flash 级（Qwen3.8 Flash、GLM-5.3 Flash、DeepSeek V4.1 Flash）$0.1–0.3/百万 token，能力已过够用线
数据不出域/强合规开源 + 私有部署闭源无对应产品形态
峰值难度任务闭源旗舰（Opus 5.5 / GPT-6 Astra）AA 57–58，开源暂无同档
长周期 Agent 生产闭源优先、开源追赶行为可靠性是门槛指标
中等难度、高波动流量路由（GPT-6.1 Sol high $0.59/任务 或托管开源）兼顾成本与峰值兜底
端侧/设备内开源（Muse Glimmer 30B、Qwen 小尺寸）闭源无本地形态
欧洲主权采购开源（Mistral）政策驱动

"第三条路"在 2026 年的实质地位：企业真实落地形态。89% 采用率的口径中大量是"开源底座 + 托管/路由"，而非全栈自建——双阵营叙事系统性低估了这一层。

三、交叉洞察：两轴结合说明了什么，以及对用户的判断与建议

3.1 能力的"纵轴事实"与"横轴事实"共同指向：差距是悬崖，不是坡

纵轴显示追赶周期从 16 个月坍缩到 4 个月再到月级咬合（转折点是 o1→R1：RL 推理范式易复现、易蒸馏）；横轴显示当下 AA Top15 零开源、但量化差距仅 3.3%。两轴相加的含义是：开源"能追平"与开源"没站上峰值"同时为真，且前者不再能推出后者会很快消失——闭源实验室用版本节奏不断重置前沿（如 Anthropic 9 月 22 日 Opus 5.5、10 月 Sonnet 5.5 与 Fable 5.1 的连发节奏，见 §1.6），Epoch 测得的开源落后稳定在约 4 个月 / 8 ECI 点，追赶从"事件"变成了"稳态"（perpetual catch-up）。同时，开源模型"针对公开基准爬山"的系统性偏置提示：3.3% 的表观差距里既有真实能力差、也有评测方法差。但方向明确："最后一段悬崖"（峰值能力 + Agent 行为可靠性 + 原生多模态）就是闭源溢价残存的全部理由——这也解释了为何闭源 Lab 将行为可靠性设为发布门槛指标，而把"够用线"让给 Sol/Terra 这类下沉档位。

3.2 成本曲线 × 发展脉络：成本从"定价武器"变成"运营变量"

纵轴的四级火箭（架构效率 → 训练成本声明 → 稀疏化 → 缓存经济学）说明成本优势的来源在持续迁移；横轴显示 2026 年价差主战场已转入各自内部（闭源小号互搏、开源旗舰涨价、长尾通缩）与 Jevons 悖论（单价跌、总账单涨）。两轴相加的结论："开源更便宜"作为笼统命题已经失效，"某一档能力下的单位成本"才是可比对象——闭源 GPT-6.1 Sol (high) 以 $0.59/任务提供指数 50 的能力，可能比部分开源中高端实现价还低；而开源 Kimi K3 靠 90% 缓存命中率把编码场景压到 $0.30/百万输入。成本竞争的胜负手从"模型单价"转向"缓存设计、路由策略与利用率"——这恰恰是私有部署经济性的核心变量，也是纵轴"四级火箭"最后一级的真实含义：当价格战的弹药（架构红利）用尽，运营能力成为新的护城河。

3.3 私有部署的双层 tipping point：主流层已过，峰值层未过

纵轴的三级台阶（2023 消费级工具链 → 2024–25 生产级吞吐 → 2026 商业化收紧）与横轴的四条证据（89% 采用、自建成本比降至云方案 60–70% 的门槛、混合默认化、主权采购制度化）同向叠加；横轴的反方（"主权幻觉"论）与"生产负载仅约 11% 开源"的缺口则构成反向制约。两轴结合的判断：2026 年不存在单一 tipping point，存在分层的双 tipping point——主流负载层（高吞吐、合规、成本敏感、数据不出域）已经越过，开源 + 私有 + 路由成为默认；前沿峰值层（Agent 可靠性、原生多模态、开箱即用）未越过，闭源仍有 3.3% 以上的护城河。且"过线"的是私有部署这个形态与混合架构，不是"全面自建"——盈亏平衡量随自建固定成本与被替代 API 价格而变（V\* = F ÷（p − c），公式与代入核验见 §3.6）：固定投入越大、替代对象越便宜，打平量越高，不同前提组合下的打平量可相差 1–2 个数量级。这种分层本身就是"形态已过线、全面自建未过线"的经济学注脚。

3.4 地缘与生态：领导权东移有结构性支撑，但市场远未定局

纵轴从 OPT/BLOOM 到 K3 的主角更替（Meta → DeepSeek/Qwen/智谱/月暗）与横轴的下载量数据（中国开源模型占全球开源模型下载约 17%、超过美国的 15.8%——MIT 研究 2025-11 口径，见 §2.4 来源）相互印证；"出口管制 → 国产算力 → 开源模型"的闭环（V4 跑在华为芯片上）意味着这一格局有算力与政策层面的结构性支撑，不会因单次政策摇摆翻转。但另一面必须同时看到：全球口径闭源仍占 80%+ token、企业生产负载开源仅约 11%、OpenRouter 样本偏价格敏感开发者——"流量已翻转"与"收入未翻转"的张力将定义 2027 年。开源领导权东移后，美国侧火种收窄至 Meta 开放线（Spark Open/Glimmer）与 Mistral（欧洲主权），OpenAI（gpt-oss）与 Google（Gemma）补位但非主力。

3.5 对用户的判断与建议

  1. 战略上：路由而非站队。按任务分层调度：高吞吐/合规/端侧用开源（Flash 级 + 私有部署），峰值难度/长周期 Agent 用闭源旗舰，中间层用路由或托管开源。这是 2026 年企业的默认最优解，也是"第三条路"成为主形态的原因。
  2. 选开源模型：尽调重心从跑分移到许可证与维护活跃度。许可证分层（MIT/Apache vs 修改版 vs 社区许可）直接决定商用风险；64–66% 的开放权重模型被静默弃用，维护活跃度比单次跑分更能预测三年后的可用性。
  3. 算账先算固定成本与替代对象价格：打平量 V\* = F ÷（p − c）——固定投入越大、被替代 API 越便宜，打平所需 token 量越高。实用门槛：月 100M+ tokens 量级且利用率 >60–70% 时，自建 TCO 才开始对中高端闭源 API 场景占优（完整公式与代入核验见 §3.6）。低于门槛时，"托管开源 + 缓存优化"比"自建"更接近最优。
  4. 对闭源的预期要更新：闭源的防守武器是小号模型下沉（Sol/Terra，同能力档价差可达 6 倍）而非整体降价——锁定单一闭源供应商的议价成本在上升，多模型容灾应作为架构默认。
  5. 持续观察四个先行指标：AA Top15 是否出现开放权重模型；Epoch"落后月数"是否压缩到 3 个月以内；Menlo 口径的生产负载开源占比是否突破 15–20%；开源旗舰是否继续涨价（补贴收敛信号）。这四项是判断"前沿峰值层 tipping point"是否到来的最有效标尺。

3.6 落地判定：三个高频追问的直答

前两章与 §3.5 停在原则层面，本节直答读者最可能追问的三个操作问题。

追问一：2026 年 10 月的量化差距到底是多少？——没有单一数字，按三层口径回答

三者时间与基准集不同、不可互相换算。能确定的结论是：3.3% 是 3 月口径，不能当作 10 月现状引用；10 月闭源在峰值层重新拉开（位次与指数口径一致），但"够用线"以下开源依旧平价。

追问二：「按任务路由」如何落地？——五问判定清单（命中即停）

  1. 数据能否出域？ 不能（强合规、未脱敏用户数据、数据主权要求）→ 开放权重 + 私有部署或私有化托管；闭源无对应产品形态，不必再问。
  2. 是否必须端侧/离线（断网运行、设备内、亚秒级响应）？是 → 开源端侧小模型（Muse Glimmer 30B、Qwen 小尺寸、Nemotron 3 Nano 档）。
  3. 是否峰值难度任务或长周期生产 Agent（行为可靠性为门槛指标）？是 → 闭源旗舰（Opus 5.5 / GPT-6 Astra 级），当前无开源同档。
  4. 月 token 量是否越过自建打平线、利用率是否 >60–70%（公式见追问三）？是 → 自建/私有化部署；否 → 下一问。
  5. 其余场景（中等难度、高波动流量、成本敏感）→ 路由层：闭源下沉档（GPT-6.1 Sol high，$0.59/任务）与开源 Flash 级（$0.1–0.3/百万 token）按实时价与流量波动分流，并做缓存优化。

（清单综合自 §2.3 需求侧数据、§2.5 场景表与 §3.5 建议 1/3。）

追问三：自建 vs API 怎么算账？许可证风险看哪几条？

算账公式（月度；各来源原文均只给阈值，显式公式为本稿补齐）：

打平 token 量 V\* = 自建固定成本 F ÷（被替代 API 单价 p − 自建边际成本 c）

代入文中标尺核验（隐含单价为按公式反推）：F=$6,117 时，245M 输出 token/月打平 ↔ 隐含输出单价 ~$25/M（Opus 级）；612M 打平 ↔ ~$10/M（Sonnet 级）——两组数字方向与公式一致。而 nstarx 的"月 5–10M tokens"门槛（针对专有 API）无法用其自述的基础设施成本按公式复现（$4,333/月 ÷ 5–10M tokens/月 ⇒ 隐含 p−c ≈ $433–867/百万 token，远超任何现实 API 价格），且原文明确只给阈值、不给公式——故 5–10M 只能作存疑的博客口径保留，不宜用于实际测算；nstarx 自身决策框架给出的"月用量 >50M tokens 且持续高利用率时自建通常占优"反而与 100M+ 经验法则同向。合并后的可用结论：月 100M+ tokens 量级、利用率 >60–70% 时，自建 TCO 才开始对中高端闭源 API 场景占优；替代对象越便宜、固定投入越大，门槛越高。

许可证风险四档（承接 §2.4 分层表；共同原则：商用前逐版本核对许可文本全文并留存快照，同一家族新旧许可可能并存——Qwen 即为例证）：

四、参考来源

一手抓取/回访核验（2026-10-29）

发展脉络与发布事件

横向对比与企业采用

数据可信度总备注（合并两章声明）

修订记录（最终稿相对初稿，按独立审读意见逐条处理）

  1. §2.3 盈亏平衡（经济逻辑勘误）：删除"替代对象的价格不同"的错误调和（打平量 = 固定成本 ÷（API 价 − 自建边际成本），替代越便宜所需打平量越大，初稿方向写反）；显式引入打平公式与固定成本变量；修正 nstarx 口径（其 5–10M 门槛针对专有 API，经 2026-10-29 回访原文核验：无显式公式、决策框架为"月 >50M tokens + 持续高利用率"）；标注两标尺前提不同、不可互换；§3.3 注脚与 §3.5 建议 3 同步改写，新增 §3.6 公式直答。
  2. §2.4 下载量裁决：Qwen"7 月 10 亿（官方）vs 8 月 30 亿（媒体）"改标为口径冲突（不再表述为"方向一致、时点相接"，不串联为增长叙事；30 亿存疑待核，检索另发现"六个月窗口 30 亿"的流传口径，佐证口径混乱）；"中国开源下载 17% vs 美国 15.8%"补来源（MIT 研究 2025-11，经 Ooda Loop 转述 MIT Technology Review 报道）。
  3. §2.1 表格与术语：AA 总榜表加注节选标准、说明被略 9 席均为专有模型；"76 中 20 开放权重"标注为抓取页计数；AISI 补全称（AI Security Institute）；"组织级 Elo"补口径；K2.5 训练算力补单位 FLOP；新增 10 月三层量化差距口径。
  4. §1.5：删除无来源、无参照系的"Kimi K2.6（ECI 151.60）"。
  5. 60–70% 口径区分：全文区分"成本比 60–70%"（§2.3 表格行、§2.3 小结、§3.3）与"利用率 60–70%"（§2.3 标尺条目、§3.5 建议 3、§3.6）；经回访核验 swfte 原文本身两处表述不一、nstarx 引 Deloitte 为利用率，来源端即已混用，已在 §2.3 显式标注。
  6. 无来源论断：删除"Anthropic 年内约两周一更、29 项产品更新"（改用 §1.6 有来源的 9–10 月连发节奏）、"LLM Token Expenditure Index 回落约 20%"、"Muse Wonder 约为 Claude Opus 级的 1/4–1/2"、"已超过开源与闭源中高端之间的典型价差"。
  7. §2.2/§2.4 内部矛盾调和：补写"Qwen 重度商用收费（专有许可旧版本）与 Qwen3.8 Apache 2.0 并存"的说明（§2.2 条目 3 与 §2.4 表后注），实操含义为逐版本核对许可文本。
  8. 结构与读者追问：TL;DR 的 3.3% 补时间限定（截至 2026 年 3 月）与 10 月口径；删除参考来源孤儿条目"Gemini 3.5 Flash（Google I/O）"（grep 核验正文零提及）；新增 §3.6「落地判定」（10 月差距三层口径直答、路由五问判定清单、打平公式与代入核验、许可证风险四档）。

思考题（读完后想一想，参考答案可展开）

  1. 报告的核心结论是“2026 年不存在单一 tipping point，而是双层结构”。这个双层结构具体指什么？依据是哪些数据？
    参考答案

    指“主流负载层已越过、前沿峰值层未越过”。形态层面：89% 大型组织采用开源 AI、56% 在做或计划私有云推理、混合路由成为默认，说明私有部署这个形态已过线；但生产负载中开源 token 占比仍仅约一成（Menlo 口径约 11%），且 10 月 AA 总榜 Top15 无一开放权重模型，闭源仍守峰值。因此报告认为正确战略是按任务路由，而非阵营站队。

  2. 在横向对比的“场景路由”维度，高吞吐批量负载与峰值难度任务分别推荐哪个阵营？中间层场景如何取舍？
    参考答案

    高吞吐批量负载（客服/摘要/抽取）推荐开源 Flash 级模型（Qwen3.8 Flash、GLM-5.3 Flash、DeepSeek V4.1 Flash），价格 $0.1–0.3/百万 token 且能力已过“够用线”；峰值难度任务推荐闭源旗舰（Claude Opus 5.5 / GPT-6 Astra），AA 指数 57–58，开源暂无同档。中等难度、高波动流量的中间层则走路由：用 GPT-6.1 Sol（high，$0.59/任务）这类闭源下沉档或托管开源按实时价分流，兼顾成本与峰值兜底。

  3. “最强闭源仅领先最强开源 3.3%”这个数字在引用时有什么限制？报告如何处理不同来源的数据冲突？
    参考答案

    3.3% 是 Stanford AI Index 口径、截至 2026 年 3 月的数据，不能当作 10 月现状引用——10 月 AA 指数口径下峰值差距已重新拉开（第三方转述开源最高约 41.8，闭源最高 58）。报告处理冲突的方式是显式标注口径、如实并列而非强行调和：例如 Qwen 下载量“7 月破 10 亿（官方）”与“8 月 30 亿（媒体）”被裁决为口径冲突，不串联为增长叙事，30 亿存疑待核；nstarx 的“月 5–10M tokens 打平”无法按公式复现，也仅作存疑口径保留。

  4. 对个人开发者而言，报告建议选开源模型时把尽调重心从什么移到什么？为什么？
    参考答案

    从“跑分”移到“许可证 + 维护活跃度”。原因有二：其一，许可证分层（MIT/Apache 2.0、修改版许可、社区许可）直接决定商用风险，且同一家族新旧许可可能并存——Qwen 旧版专有许可对重度商用收费，而 Qwen3.8 已是 Apache 2.0，必须逐版本核对许可文本全文；其二，LMArena 数据显示被静默弃用的模型中 64–66% 是开放权重，HF 报告称一半模型下载量低于 200，维护活跃度比单次跑分更能预测模型的长期可用性。

← 资料库今日播报 →