开放权重 vs 闭源模型

E2
概念 · AI 模型与工具生态

开放权重 vs 闭源(专有)模型。

开放权重与闭源模型之间公开发表的差距是一个下界,而测量结果自己就这么说:Epoch AI 的能力指数测得 2026 年全年最好的开放权重模型落后闭源前沿约四个月,而它自己在十七个选定基准上的汇总发现,私有基准上的差距是八到十个月、公开基准上是四到六个月——在测试集无法被针对性优化的地方,差距大约宽了一倍。所以头条式的对比告诉你的是关于可测量之物的事,而你的任务还不在其列。这个决策的另一半比争论本身更锋利:租用一个开放权重模型买到的是四到六倍的折扣,以及一项控制力论点都没有——因为每一项控制力论点都要求你自己把权重跑起来。

步骤 1先把术语理清,再把差距读对。

三个词,而前两个不是同义词。开放权重指训练好的参数被公开——你可以下载、自行服务、通常也可以微调——而训练数据与完整训练代码一般不公开。完全开源再加上代码、理想情况下还有数据,以开放许可证发布,这罕见得多。闭源指权重从不公开,模型对你而言只以托管 API 的形式存在。即便同在「开放权重」之内,许可证差异也极大,从接近宽松许可到附带可接受用途与规模条件的「可获取源码」,而「你能下载它」从来不等于「你能随意使用它」——具体细节在开放权重许可证。

现在说能力问题,并且附上日期,因为这里每个数字都会衰减。Epoch AI 2026 年 5 月的分析使用其 Epoch 能力指数(ECI)发现,自 2026 年 1 月以来,最有能力的开放权重模型落后前沿闭源模型约四个月,指数平均差距为 8 分——大致相当于一家厂商自己产品线上连续两次发布之间的距离。它更早一次、覆盖 2023 年到 2025 年末的考察曾把这个滞后放在接近三个月处,所以差距是略微拉宽、而非收窄。截至 2026 年 10 月,这场对比里开放一侧由 Kimi K2.6、GLM-5.1 与 Qwen 3.6 Plus 这类模型领跑,闭源前沿则由 GPT-5.5 Pro、Claude Opus 4.7 与 Gemini 3.5 Flash 领跑。

有两条附带说明比头条更顶事。第一,这个指数是复合值:它对任何单一领域保持沉默,而各领域分化得很厉害——SWE-Bench 式测试上的编码差距小到有一项智能体评测把它放在 7 分左右、且在统计上并不清晰,而偏重推理的测试则显示出可见的落差。第二,也更重要的是,Epoch 指出它自己的估计可能低估了真实差距,部分原因在于开放权重模型在私有基准上的相对表现似乎比在公开基准上更差;它在十七个选定基准上的汇总把私有差距放在八到十个月、公开为四到六个月。那是一个关于「测量」的测量,也是应当改变你阅读每一张排行榜的方式的那一个——完整论述在批判性地读基准。

实用的读法不是「开放模型其实更差」,而是:一个公开基准就是一个靶子,而任何瞄准公开靶子的东西,对一项未见任务的说明力都低于它的分数所暗示的程度——机理在基准污染。把公开发表的开放对闭源的比较当作一道筛选名单的过滤器,仅此而已。决定这件事的数字,来自你自己留出的评测集;而那也是这个决策里唯一一项在双方所有模型都被换掉之后仍然保值的资产。

步骤 2租开放权重买到价格。跑开放权重才买到其余一切。

这是争论通常会塌缩掉的那个区分,而塌缩它正是这里最常见的昂贵错误。开放一侧账本上的论点分成两包,价钱不同。

你从一个托管的开放权重端点能得到的——某个第三方提供方通过 API 服务 Kimi、GLM 或 Qwen——是那笔折扣,加上离开的选项。截至 2026 年 10 月,公开列价把 Kimi K2.6 放在每百万输入 token 约 0.95 美元、输出 4.00 美元,GLM-5.1 约 1.40 与 4.40,而 GPT-5.5 约为 5.00 与 30.00、Claude Opus 4.7 约为 5.00 与 25.00。那大约是输入侧四到五倍、输出侧六到七倍。可移植性也是真的:有若干家独立提供方服务同一份权重,所以你的退出是改一个 base URL、而不是一次重写——这是真正的锁定论点,也是主要的那一个。

你从那个端点得不到的,是其余的全部。你的数据仍然离开你的边界,所以数据驻留与主权里的论点不适用。你无法锁定一个提供方已下架的版本,所以可复现性论点不适用。你完全不知道被服务的是什么量化精度——服务与接入里的服务契约问题——所以「同一份权重」并不意味着同样的行为。深度微调需要你自己持有的权重,而不是别人服务的权重。

那四项论点要求你真的把模型跑起来,而那是另一门生意。它的形状是资本支出而非运营支出:加速器无论忙不忙都一样花钱,所以交叉点完全是一个利用率问题,而一旦把自行把推理服务跑好所需的工程与可靠性成本诚实计入,它来得比人们预期的晚得多——算术在面向智能体的自托管推理与自建 vs 采购。

# The three options, and what each actually delivers.

                      price   exit    residency  version  deep
                      break   option  control    pinning  fine-tune
closed API              —       weak      no        no       no
hosted open weights   4-6x    strong      no        no       no
self-hosted weights   util.   strong     yes       yes      yes
                      depend.

# The expensive mistake: picking hosted open weights for a
# residency or pinning requirement it does not satisfy.

步骤 3在争论之前,先用你自己的流量算一遍。

拿一个每月两百万请求的客服分流智能体,每请求平均 3,000 输入与 400 输出 token——即六十亿输入与八亿输出 token。按 GPT-5.5 的列价,那大约是三万美元的输入与两万四千美元的输出,每月约五万四千美元。换成托管的 Kimi K2.6、按其列价,大约是五千七百与三千二百美元,约八千九百美元。算下来每月差额约四万五千美元,这是一个真实的决策,不是一个舍入误差。

现在给通常会吃掉它的那两件事定价。如果更便宜的模型在 15% 的请求上需要第二轮,或者靠思考更久来补偿更弱的权重,那么输出侧成本的变动会超过头条比值所暗示的幅度——推理开销按输出价计费,而且极容易被完全漏掉,这正是为推理 token 记账的要点。而如果有 10% 的请求为了质量必须升级到前沿模型,你付的是八千美元的便宜流量加五千四百美元的昂贵流量,节省仍然基本完好——这就是为什么混合是常规答案、而不是一种妥协。

那种混合值得被当作结构、而不是当作对冲来陈述:高流量路径上用便宜或本地模型,困难且稀少的情况走前沿 API,二者都在一个你自己拥有的路由器后面。这是模型路由模式,而它恰好也是可得的最强反锁定姿态,因为昂贵的那个依赖坐在一个你控制的接口后面,而不是被接进你的应用里。一个小到能跑在你自己硬件上的模型会加上第三档——这个论证在小模型与本地模型。

有两项成本项常常会把这场比较反转。缓存输入是单独且激进定价的——按公开费率,Kimi K2.6 约为每百万 0.16 美元、GLM-5.1 为 0.26 美元——所以一个带有庞大稳定前缀的负载,其成本结构根本不是列价所描述的那样(提示缓存)。还有上下文价格台阶:若干闭源模型在某个阈值之上收取更高费率——GPT-5.5 在约 272K token 之上、Gemini 3.5 Flash 在 200K 之上——而 Claude Opus 4.7 列的是一百万 token 窗口且无长上下文附加费。一个长上下文智能体和一个短上下文智能体不该得出同样的结论。

步骤 4一条能活过下一个发布周期的决策规则。

按顺序回答这些问题,选择通常就自己做出来了,不需要任何人去预测下个季度谁领先。

  • 数据必须留在你的边界内吗?若是,唯一的选项是你自己跑的权重。这张清单上其余一切都失去意义,问题变成哪个「可服务尺寸」的模型能过你的线——而不是开放对闭源。
  • 你需要一个比厂商愿意保留更久的冻结版本吗?受监管的模型风险管理制度与长寿的评测基线都想要这个,而只有自托管能交付。一个闭源快照会按提供方的时间表被下架——模型弃用与迁移。
  • 你的质量线在前沿的顶端吗?在你自己的集合上测量它,不要在排行榜上,并记住那个私有基准的发现:开放选项在公开测试上的相对表现会比在你的测试上更好看。如果诚实的答案是你需要前沿,就只在需要它的那条路径上为它付费。
  • 持续流量高、而任务窄吗?这是开放权重在经济上胜出的地方,也是一个微调过的小模型常常胜过两者的地方——对开放权重做 RL 微调,配上蒸馏与量化里的服务成本削减。
  • 真正担心的是锁定吗?那就先把路由器建起来、再选模型。一个在抽象层后面的托管开放权重模型是一条强退出路径;同一个抽象层后面的前沿模型是一条更弱但依然真实的路径。而一个被你代码库里四十处直接调用的前沿模型,才是你真正害怕的那个东西。

与其去争论,不如这样做:从你自己的流量里建一个一百条的评测集,附上你会接受的答案,然后跑三个东西——你当前的闭源模型、一个托管端点上的领先开放权重模型,以及一个你自己能服务的小模型。给它们打分,并按你真实的流量(含缓存输入)为每一个定价。你通常会发现你任务上的差距要么远小于、要么远大于那个四个月的头条,而无论哪种情况,你现在都拥有了那一项不会随下一个模型发布而过期的测量——如何选模型所主张的那笔资产。「开放」并不自动更便宜、更安全或更私密;它是一笔具体的折扣,附带一组具体的控制力论点,而其中只有一部分会随你正打算调用的那个端点一起到来。