AI大语言模型、AGI
开源AI价格崩了50倍但部署成功率低12%，闭源正在焊死护城河
#大语言模型LLM
#AI基础设施
#AI人工智能指南
#AI智能体Agent
2026-07-18
1
8K
banq
DeepSeek一年烧掉74亿美元估值，OpenRouter上中国模型流量碾压美国三倍——你猜谁在为这场免费午餐买单？
开源AI正在重写全球科技权力地图。2026年Mozilla发布的《开源AI现状报告》揭示了一个反常识真相：开放权重模型已从边缘备胎变成生产主力，OpenRouter上中国模型周流量超美国三倍，推理成本三年暴跌50倍。但79%开发者用上开源模型，只有51%能推到生产环境。这场开源狂欢背后，技术主权、商业博弈与代理化驾驭层的争夺战才刚刚升温。
开放权重抹平了能力差距
三年前闭源模型还在嘲笑开源是玩具。Chatbot Arena数据显示，2024年1月开放与闭源的能力差距还有8.04%，到2024年8月骤缩到0.5%，DeepSeek-R1一度追平美国顶尖模型。2026年3月差距 reopen 到3.3%，但这里藏着一个巨大的认知陷阱。
这个3.3%是平均值，掩盖了真实的战场分割。开放权重在编程、指令遵循、通用知识上已经持平甚至反超，差距只集中在推理、长上下文检索和代理化任务。就像两个学生考试总分差三分，一个数学满分英语不及格，另一个刚好反过来。问题是：你的业务到底考哪几门？
推理成本曲线比互联网泡沫时代的带宽降价还陡。GPT-4级别的百万词元推理成本从20美元跌到0.4美元，三年50倍降幅。斯坦福HAI报告记录同期GPT-3.5级别成本暴跌280倍。Epoch AI追踪到每年9到900倍的衰减率。当智能变成白菜价，定价权就从模型本身向上迁移。
OpenRouter的100万亿词元研究给出了更锋利的画面。2024年底开放权重仅占流量零头，2025年底冲到三分之一，2026年中拿下多数席位。排名前五的高流量模型全是开放权重：DeepSeek V4 Flash（18.4T）、小米MiMo-V2.5（14.9T）、腾讯Hy3（14.8T）、MiniMax M3（14.3T）、Owl Alpha（11T）。Anthropic的闭源Claude Opus 4.7以9.02T排在第六，成了第一个挤进榜单的美国闭源模型。中国九强模型周流量约18万亿词元，美国约5.5万亿，比例超过3:1。
开发者用脚投票。哪里成本高，他们就奔向哪里。
开源模型好用但不好部署，这才是真正的坑
Mozilla和SlashData在2026年的开发者调查里发现，79%做AI功能接入的开发者用开源模型，闭源是71%。两拨人大部分重叠，一半开发者两个都用。但生产环境才是翻车现场。开源模型团队只有51%能把东西推上线，闭源团队有63%。差距不在模型能力，在运维工具和信任度。
按公司规模拆开看更有意思。小公司（50人以下）闭源上线率54%，开源53%。中型公司（50到1000人）闭源66%，开源55%。大公司（1000人以上）闭源73%，开源57%。如果问题是缺资源，公司大了应该能填坑，但开源的上线率几乎没动。大公司能花钱把闭源部署问题摆平，开源部署还在等没人做好的工具链。
为什么团队会弃坑？调查问了当前用户和已经弃坑的用户。说性能不够好的，弃坑比继续用的多了12个百分点。集成到现有系统困难，多了11个点。维护和更新太麻烦，多了10个点。文档不够，多了8个。部署托管扩容困难，多了8个。评估和对比模型困难，多了8个。微调和定制化只多了4个。基础设施和算力成本打平。安全隐私合规打平。缺乏专业支持反而是弃坑的人抱怨更少，说明他们根本没走到需要专业支持那一步就已经跑了。
按区域看，全球开发者遇到的阻碍惊人的一致。基础设施成本、安全合规、维护、部署复杂度这几项在所有地区都排在最前面。南亚最头疼安全和支持，只有北美和大中华区有超过15%的开发者说没遇到重大问题。
开源技术栈九层楼，能力很强但运维很拉胯
Mozilla把开源AI技术栈拆成九个层级48个组件，按十个维度打分。最亮眼的是机器学习框架层，5分满分拿了4.6，这是开源独一无二的优势。TensorFlow有1.96亿GitHub星标，Hugging Face Transformers 1.62亿，PyTorch 1.01亿，scikit-learn 6600万，Keras 6400万。推理代码层拿了4.3，Ollama 1.74亿星标，vLLM 8300万，llama.cpp 6500万。支持库层4.6，Pandas、Ray Data、Polars、NumPy这些数据科学标配全是开源的。
但往下看就难受了。硬件芯片层平均分只有2.1，闭源大幅领先。固件驱动层2.8，闭源领先。模型架构层3.4，闭源稍微领先。多模态权重3.4，闭源领先。领域权重3.3，闭源领先。整个技术栈最冷的两列是标准化和企业就绪度，这两项在每个层级每个组件里都是最低分。这就是运维gap的根源——零件都有，拼不到一块。
数据集许可证平均分2.3，闭源领先。服务条款2.0，闭源领先。治理和审计报告都只有2.1和1.9分，闭源领先。安全防护层整体2.64，是所有层级里最低的。权限模型只有1.7分，是整个48个组件里的最低分。RedPajama数据集有4900星标，但许可证问题至今没解决。Open Policy Agent有1.2万星标，但用在AI agent治理上还远不够成熟。
开源大模型是个千亿美元级别的正经生意
这已经不是社区爱好者的玩具了。Databricks年营收跑到54亿美元，还在涨。Mistral一年营收翻了20倍冲到约4亿美元。DeepSeek年营收约2.2亿美元，最近又融了74亿美元，估值超500亿。Moonshot AI融了39亿美元。Zhipu AI和MiniMax已经在香港上市了。
2025年5月到9月OpenRouter上闭源模型占了约80%的调用量和约96%的收入。价格驱动了这一切。能力差不多的情况下，闭源每次调用贵大约6倍。Linux基金会的Nagle-Yue研究估算，开源vs闭源的价格不对称每年能省下约248亿美元。
开源不是选哪个供应商，是选有没有退路
2026年6月，Claude Fable 5开卖三天后，某个政府的出口管制令迫使Anthropic切断了所有外国公民的访问权限。没有跟任何其他资本商量，也没法商量。选择性合规做不到，模型在周五下午5点21分对所有人下线。所有建在这个模型上的东西都继承了一次毫无预警的关停。供应商能关掉一个模型，但没人能关掉一台你手里机器上已经跑起来的副本。对公司来说，存在硬盘上的权重是对冲。对国家来说，这是有政策和需要申请许可的区别。
云时代已经证明过失去退路的代价。从AWS S3往外搬1PB数据要花9万到12万美元。80%的企业正在把工作负载从云上搬回来。37signals的云账单从320万压到了100万以下。GEICO的云成本超预算2.5倍。闭源模型API复制了同一个陷阱，在私有端点上搭东西，就得继承供应商的价格变动，还没有干净退路。开源权重就是退出权。
全球最大的开源权重来源是中国，这是有意为之的：到2026年3月，阿里Qwen在Hugging Face上累计下载9.42亿次，Meta Llama是4.76亿次。2026年2月，Qwen单月下载量超过了后面八个机构的总和。OpenRouter上中国开源模型的token份额从2024年底不到2%涨到2026年4月周流量的45%以上，在十个最常用模型里占到约61%。DeepSeek有超过26000个企业账户，2025年58%的新AI创业公司把它放进了技术栈。至少有八个司法管辖区限制了DeepSeek的托管服务，解决方案是架构性的。企业禁掉托管应用，但照常用权重，自托管或者走西方端点。
中国国务院2025年8月的"AI+"倡议和2026年3月的国家五年计划把开源扩散写成了核心指令。发布公开权重同时是对半导体出口管制的宏观对冲，把全球推理负载分流到终端用户本地硬件上。全球南方国家把这看作分散美国技术垄断风险的手段，其他地方纯粹是算经济账。
agent harness是新的战场，闭源正在焊死护城河
浏览器曾是开放网络的用户代理，跑在用户这边替用户跟服务器谈判。这个角色正在模型之上被重新创造出来。agentic harness包含编排循环、工具、记忆、沙箱和权限模型。生产难度集中在这里，开源vs闭源、拥有vs租用的竞赛在这里重新开始。
LangChain一个项目就有12.6万GitHub星标和60%的开发者份额。MCP第一年达到每月9700万SDK下载量和超过1万个活跃服务器，16个月增长4750%。2025年12月被捐给了Linux基金会的Agentic AI Foundation。采用速度已经超过了治理成熟度，只有约21%的公司报告有成熟的agent治理。
Terminal-Bench 2.0在2026年5月让harness看起来像人人都能捡的便宜。一个第三方脚手架跑Anthropic自己的权重拿到79.8%，Claude Code只跑了58.0%，同一个模型差了21.8个百分点。八周后Terminal-Bench 2.1反转了局面。前沿实验室读懂了结果，把harness收回了内部。在两者都出现的每个模型上，实验室自己的harness现在都赢了，21.8个点的差距压缩到顶部大约3个点。模型正在往上吃掉自己的技术栈，权重和脚手架打包成一个产品卖。
这种集成正在形成护城河，实验室有全部动力把它挖深。跟一个实验室权重紧密耦合的harness变成了定制适配而不是中性层。换到别人家的模型上表现就会下降，耦合越紧底层的权重越难替换。锁定是优化的副作用。开源模型没有第一方harness来回应，这就是为什么官方排行榜认证的顶级梯队里一个开源模型都没有。
但缺失不等于没能力。vals.ai用同一个中性harness跑Terminal-Bench 2.1，能力差距只有几个点，价格差距是5倍。最强开源模型GLM 5.2只比Claude Opus 4.7低一点点，比Opus 4.8低大约4个点，成本只有五分之一。集成给了实验室开源部署缺失的第二个优势，通过实验室harness的真实使用数据直接回流训练下一个模型。这个优势是真实的，而且双向起作用。使用数据训练的是拥有harness的人，问题只是那是闭源端点还是你自己的技术栈。
harness中心有个没补上的洞：写操作权限
读操作可以大范围默认放行，坏读取成本很低。写操作有代价高昂或不可逆的副作用，发消息、花钱、改记录、执行交易。这里需要确认、审批阈值、成本上限和撤回能力。
闭源还在四个地方领先：
合规和问责是可签合同解决的问题。集成harness是工具问题。长上下文保真度是模型问题，关上这个差距只能靠开源实验室自己干活。
五个不用追上前沿就能下注的机会
第一，跟开源权重协同设计来构建开源harness。闭源实验室刚证明了这玩意值得拥有。他们把它收回去焊到了自己的权重上，开源的版本还没人建。现在就建，调优到开源权重，像Codex调优到GPT-5.5那样。垂直集成正在今年形成，还没完工。窗口在闭源技术栈把模型和脚手架焊成一个租赁产品的那一刻关闭。
第二，拥有记忆层。当权重价格趋近于零，模型变成可替换零件，记忆变成资产，技术栈里唯一会复合的东西。把它放在自己防火墙后面的可移植追加式格式里。多年的积累上下文一旦访问结束就没法重建。架构必须在模型商品化之前定下来。每个季度在闭源端点上跑而不拥有记忆层，就是把唯一会增值的资产交给一个你控制不了的供应商。
第三，解决可移植权限问题。harness中心有一个没补上的洞，写操作表面。没有一个可移植标准定义agent在MCP主机、A2A对等端、直接工具调用和框架边界之间可以无人值守做哪些写操作。管道规模已经跑起来了，1万多个服务器，9700万月下载量，但锁没装上去。meta-harness层正在构建有状态写策略。开源标准在这个窗口定规则，不然闭源平台替所有人定。
第四，打碎计费表。现在的前沿API定价是网约车早期的便宜阶段，陷阱也一样。把模型当商品看，跑一次闭源vs开源的对比测试，在开放接口上保持一个备用模型，预测负载稳定的地方自托管。现在做第二供应商，趁它还便宜还不起眼。试用价在2027到2028年左右结束，等供应商上了市折扣花完。最便宜的 ride 永远是你走不掉的前一天。
第五，让开源默认选项是多元的。我们曾经圈过公有地，花了十年才爬出来。风险不是任何单个供应商，而是开源默认选项收敛到单一来源。只有一个供应商的公有地不是公有地。对替代方案的需求真实且有资金支撑，47个国家限制境外数据处理，70多个国家战略已启动，欧洲在投EUROPA，加拿大投了8.9亿美元，印度备案了38231块GPU。对选择权的胃口存在，供应得跟上来兑现。公共资金撑过中间的缓慢期，不然开源默认选项会因为缺席而凝固到单一来源。扩散决定谁赢，扩散现在正在被资助，否则就没有。
盯着这些信号，它们在告诉你窗口还开着
3.3%的差距，编程持平，推理和agent落后。开源在OpenRouter上的token份额，尤其是agentic编程场景。如果token份额停滞而推理差距扩大，警报响。
Terminal-Bench上实验室自有和独立支架的差距。MCP/A2A在AAIF下的治理。还不存在的可移植权限规范。如果实验室harness领先扩大，或者闭源平台先定了权限标准，警报响。
开源实验室的经济状况，营收、融资、Zhipu和MiniMax的IPO，对着计量定价的断裂点。主权算力作为平衡力量。如果主权资金断供或开源实验室经济撑不住，警报响。
信任和安全，追踪中没定论。滥用能力和安全调优从开源权重剥离的容易程度。硬摩擦区域，尤其是合成CSAM和NCII。NTIA的"监测不限制"立场是否站得住。如果发生重大滥用事件，或政策从监测转向限制，警报响。
有个测试你可以一直做。看看谁坐在决定AI的房间里，以什么身份。当那些让AI保持开放、可移植、广泛部署的人被平等地安排到座位上，从租用到拥有的转变就完成了。窗口现在开着。它关得够慢，我们可以假装它没在关。租约比看起来短。
作者单位背景：Mozilla 技术团队，CTO Raffi Krikorian 领衔