开源 AI 现状报告 2026（第1.1卷）

核心观点

• 开源 AI 能力和价格已赶上： 开源模型在能力、成本、使用场景、规模和效率方面已经赶上甚至超越了闭源模型。例如，Kimi K3 在多个基准测试中表现优异，其价格仅为闭源领先模型的 30%。
• 开源模型易于部署，但部署难度仍存差距： 开源模型更容易获取和使用，但在实际生产环境中，由于缺乏工具和信任问题，其部署难度仍然较大。开发者更倾向于使用开源模型，但只有不到一半的开源模型能够成功部署到生产环境。
• 获取模型权重的原因： 企业和政府希望获取模型权重以获得更多选择权、控制成本和实现数据主权。开源模型的可移植性和可预测性使其成为企业实现 AI 主权的理想选择。
• 资本已流向模型之上： 开源 AI 生态系统已经吸引了大量投资，包括 Databricks、Mistral AI 和 DeepSeek 等 公司获得了数亿美元的投资。企业也在积极投资开源 AI，例如微软、亚马逊和谷歌等公司都推出了自己的开源 AI 模型。
• 竞争已转向“ harness”： 开源 AI 生态系统的竞争重点已从模型本身转向了“ harness”。开源模型在“ harness”方面的优势可以帮助其获得更多市场份额。
• 新的锁定机制： 内存、状态和训练循环成为新的锁定机制。这些机制通过在提供商侧积累状态，而模型本身则趋于商品化，从而形成新的锁定机制。
• 开源 AI 的机遇： 在模型边界仍然开放的情况下，开源 AI 生态系统仍有巨大的发展空间。例如，可以开发可互换的“ harness”、解决可移植的权限问题、拥有状态记录、打破成本壁垒、拥有训练循环和建立多元化的开源生态系统。

关键数据

• 开源模型在 OpenRouter 上的市场份额： 2026 年 8 月，开源模型占据了 OpenRouter 上 45% 的请求份额，其中 8 个请求量最大的模型中有 7 个是开源模型。
• 开源模型的成本： 开源模型的成本远低于闭源模型。例如，Kimi K3 的价格仅为闭源领先模型的 30%。
• 开源模型的性能： 开源模型在多个基准测试中表现优异，例如 Kimi K3 在前端编码和终端基准测试中排名第一。
• 开源模型的部署情况： 只有不到一半的开源模型能够成功部署到生产环境。
• 开源 AI 生态系统的投资情况： 2025 年，开源 AI 生态系统获得了 96% 的模型层收入，但大部分收入流向了闭源提供商。

研究结论

开源 AI 生态系统正在快速发展，并在能力和价格方面已经赶上甚至超越了闭源模型。然而，开源模型在实际生产环境中的部署仍然面临挑战。为了进一步发展开源 AI 生态系统，需要解决“ harness”和权限等问题，并建立多元化的开源生态系统。