編按：本文綜合整理自 Mozilla《The State of Open Source AI》報告、Mozilla 官方說明、Time 報導、Hacker News 討論 與公開社群回應，並加入 Siami 編輯部觀點與分析。
報告說了什麼：開源模型已經跨過臨界點
Mozilla 在 2026 年 7 月發布首份《The State of Open Source AI》評估，資料由 Mozilla 與 SlashData 整理，調查於 2026 年 5 月 19 日至 29 日進行，共有 1,494 名符合資格的開發者參與；報告也交叉使用 OpenRouter、LMSYS Chatbot Arena、Epoch AI、Stanford HAI、Linux Foundation 等公開資料。需要先說清楚，這是一份由 Mozilla 發布、帶有公共利益與反集中化立場的產業評估，不是中立政府統計，也不是單一模型的盲測論文。
報告最醒目的數字，是開源模型與頂尖閉源模型在 Chatbot Arena 的平均能力差距約為 3.3 個百分點。這個數字不是「所有任務都完全相同」，而是把不同類別放在一起後的平均結果：開源模型在程式撰寫、遵循指令與一般知識方面已接近甚至部分追平，但在複雜推理、長上下文檢索與 agentic task 仍由閉源模型保有優勢。
報告還把這條能力曲線放回時間軸：2024 年 1 月，閉源模型領先開源模型約 8.04%；2024 年 8 月差距一度縮至 0.5%；DeepSeek-R1 在 2025 年初曾短暫追上頂尖美國模型；到了 2026 年 3 月，推理模型重新拉開差距，平均差距回到 3.3%。因此，「開源追平」更精確的意思是：在大量常見工作負載上已足夠競爭，而不是所有最困難的前沿能力都已完全一致。
成本與採用率：開源把價格曲線往下砍
Mozilla 報告指出，達到 GPT-4 級能力的最低推論價格，在 36 個月內由每百萬 tokens 約 20 美元降至 0.40 美元，降幅約 50 倍。報告把這個變化與 Llama 3.1、DeepSeek 等開源權重模型的出現連在一起：當模型可以被下載、蒸餾、量化、在自有硬體上執行，供應商就不再能只靠 API 訂價維持高昂的模型層毛利。
在調查資料中，約 79% 的開發者目前使用開源模型，89% 的受訪機構使用某種開源元件；但真正把開源模型送進生產環境的比例約為 51%，閉源模型則約為 63%。報告因此下了一個很重要的判斷：開源的主要問題已不是模型能力不足，而是營運工具與信任機制還沒補齊。
最常見的阻礙包括：
- 基礎設施或運算成本過高，約 27% 的開發者提到這項問題。
- 安全、隱私或合規疑慮，約 26% 的開發者提到。
- 維護與更新、部署與擴展、模型評測，以及和既有系統整合的複雜度。
- 文件、專業支援與企業級治理仍不如託管式閉源服務完整。
這也是為什麼「可以下載模型」不等於「企業可以放心使用」。從實驗室下載一個權重檔，只解決了取得模型的問題；要做到版本控管、推論監控、資料隔離、成本上限、權限撤銷與事故追蹤，還需要另一整套工程系統。
為什麼這件事重要：AI 的主導權正在從模型轉移
開源 AI 的意義，不只是讓工程師少付一點 API 費用，而是把「誰能決定 AI 如何運作」這個問題往下放。閉源 API 的便利性很高，但使用者受制於供應商的價格、服務地區、內容政策、版本更新與資料處理方式；一旦供應商停用模型、調整價格，或因出口管制改變存取權限，建立在 API 上的產品就只能被動承受。
Mozilla 報告把這種選擇稱為 optionality，也就是保留替代方案。報告舉出的產業脈絡是：企業在雲端時代已經見識過資料搬遷費、供應商鎖定與「先方便、後難以退出」的代價。開源權重讓模型可以在自有或指定的基礎設施上運行，對醫療、金融、政府與國防等高敏感領域尤其重要，因為這些場景不能把所有資料與關鍵決策都交給外部 API。
這個議題對台灣與華文開發者也直接相關。台灣許多團隊未必有能力訓練最大型模型，但可以利用開源權重建立本地語言、製造、醫療、教育或企業流程的專用系統。它們可以在內網運行，也可以針對繁體中文、產業術語與本地法規做調整。真正的競爭不一定是「誰訓練出全球最大模型」，而可能是「誰能把可取得的模型，安全地接進真實工作流程」。
報告也特別指出中國與東亞的採用速度。這不是要把開源 AI 簡化成國家競爭口號，而是說，當模型權重能在本地硬體上運行，AI 能力的擴散就不必完全透過美國公司的雲端服務。從 Qwen、DeepSeek 到其他中文模型，華文開發者取得了更多可以自行部署、測試與改造的選項；同時，資料來源透明度、訓練資料授權、模型拒答策略與安全審查也必須被同等嚴肅地檢驗。
更值得留意的是，開源模型的使用率與收入並不對稱。Mozilla 引用的 OpenRouter 分析顯示，在報告所研究的期間，開源權重占模型使用量約五分之一，卻只占模型層收入約 4%；報告首頁用「約三分之一」描述更晚近的真實 AI 流量趨勢。這反映出開源模型常常帶來大量低價或自架推論，但價值可能在模型上方的基礎設施、企業平台與 agent 工具鏈中實現。
數據解讀與質疑：3.3% 不是全面勝利
首先，3.3 個百分點不是一個可以脫離評測背景解讀的「距離」。Chatbot Arena 是由人類偏好與模型對戰構成的評測系統，不同能力類別的分數也不是簡單線性刻度。開源模型在程式與一般知識上接近頂尖閉源模型，不代表它在長文件忠實度、複雜多步推理、工具呼叫可靠性或高風險決策上同樣可靠。社群讀者指出，若只用一個平均值宣告全面追平，會掩蓋「能力前沿仍然凹凸不平」的事實。
其次，報告的開源定義主要討論 open weights，而不一定等於傳統自由軟體社群所理解的完整開源。模型權重公開，並不自動代表訓練資料、資料處理流程、完整訓練程式碼、評測管線與再現條件全部公開。Hacker News 討論裡就有讀者質疑，報告標題使用 open source，但實際內容大量談的是 open weights；這是概念層面的重要提醒，尤其企業在採購時不能只看「可下載」三個字。
第三，Mozilla 自己也是有立場的倡議者。報告把開源 AI 描繪成對抗科技集中化的力量，這與 Mozilla 的歷史任務一致，但也意味著讀者應該把它當作「有資料支撐的產業論述」閱讀，而不是把所有數字視為無爭議的終局答案。報告中的調查、OpenRouter 流量與不同來源的時間窗並不完全相同，部分數字是估計值或跨資料集整理；例如開源流量比例在不同章節出現約 20%、約三分之一與更晚近的多數等不同時間點，不能直接相加。
最後，成本下降也不等於總成本消失。自架模型需要 GPU、電力、儲存、網路、維運人員、資安監控與故障備援。對小型團隊來說，低廉的每 token 價格可能換來較高的初始工程成本；對大型企業來說，這筆成本則可能是換取資料主權與可預測性的合理投資。真正該比較的不是單一 API 報價，而是每個完成任務的總成本、失敗率、延遲、資料風險與退出成本。
新戰場：Agent harness 比模型本身更難
Mozilla 報告最有價值的部分，可能不是「開源模型已接近閉源」這句口號，而是它把焦點往模型上方移動。所謂 agent harness，可以理解成把模型變成可工作的代理系統所需要的那一層：編排迴圈、工具呼叫、記憶、沙盒、身份驗證、權限、預算、評測與觀測性。
單獨一個模型只會產生文字或動作建議；一個真正能工作的 agent，還必須知道：
- 目前任務的狀態是什麼，以及上一輪做過哪些事。
- 哪些工具可以使用，哪些資料可以讀取。
- 哪些動作需要人類批准，哪些寫入操作必須被阻擋。
- 花費多少 tokens 或 API 預算後要停止。
- 發生錯誤時，誰能追蹤、回復與究責。
報告引用 Terminal-Bench 的比較指出，在某些測試中，同一組模型權重搭配不同 harness，結果可以出現很大的落差；當模型公司把模型與自家工具鏈整合後，差距又可能快速縮小。這代表新一輪平台競爭不只是在比「模型 IQ」，也在比誰能把模型包裝成穩定、可控、可觀測的工作系統。
報告還以 MCP 的生態成長作為例子：官方 Python 與 TypeScript SDK 的月下載量從約 200 萬增加到約 9,700 萬，企業採用速度遠快於治理標準成熟速度。這裡有一個不能忽略的反差：工具互通性擴大了 agent 的能力，也同時擴大了權限與資料外洩的攻擊面。開源並不會自動帶來安全；如果企業自己部署，就必須自己完成權限、審計、沙盒與撤銷機制。
Hacker News 的反應：支持開源，但不接受宣傳口號
這篇報告在 Hacker News 的討論呈現出很有代表性的兩面。支持者注意到，開源模型的流量與推論成本正在快速變化，有人根據 OpenRouter 資料觀察到開源模型的 token 使用量在幾個月內大幅增加，也有人認為真正的商業機會正在模型上方的 harness 層。
但質疑聲同樣集中而具體：有讀者批評報告使用「open source」一詞時，實際上多半指的是 open weights；有人認為報告的 CTO 前言與網頁設計過度像由模型生成的宣傳文案，反而削弱了主張；也有人提醒，OpenRouter 的樣本本來就偏向主動尋找替代模型的使用者，不能直接當成全產業的市占率。
這些反應並非單純的反 AI 或反 Mozilla，而是指出一個產業報告應該面對的問題：能力評測、流量統計、企業部署率、收入分配與開源定義，必須分開呈現。開源模型確實已經變得更實用，但「變得更實用」與「已經全面取代閉源模型」是兩個完全不同的結論。
後續觀察：誰能把開源變成可靠產品
接下來最值得追蹤的，不是下一個模型發布會喊出幾分，而是下面幾個工程指標：
- 開源模型送進生產環境的比例，能否從 51% 接近甚至超過閉源模型的 63%。
- 開源 agent 是否能提供跨模型、跨供應商的可攜式權限與記憶標準。
- 模型權重以外的訓練資料、評測方法與授權條件，是否變得更透明。
- 開源 AI 公司能否從託管推論、企業平台、地端授權、微調服務與 harness 工具取得可持續收入。
- 台灣與華文團隊能否在繁中語言、製造、醫療與教育等垂直領域建立真正可用的本地系統。
Mozilla 的報告把開源 AI 的位置說得很清楚：模型層的價格正在商品化，能力差距也已經縮小；然而在部署、治理、責任與商業可持續性上，開源生態仍有一段路要走。這不是「開源已贏」的句點，更像是下一場競爭的起點——誰能讓使用者真正擁有選擇權，又不必為了安全與可靠性付出不可承受的工程代價，誰才可能拿下 AI 的下一層。
網友熱門留言 (4)