編按:本文綜合整理自 Ars Technica 報導 與 Mozilla 官方部落格、Artificial Analysis 模型資料庫、METR 時間水平線報告,並加入 Siami 編輯部觀點與分析。
一份報告,戳破閉源 AI 的高價神話
Mozilla 在 2026 年 9 月 15 日發布最新一期《State of Open Source AI》報告,給了矽谷一個殘酷的數字:美國頂級閉源模型與中國最佳開源模型之間的效能差距,已經收窄到只剩 4.4 個月。
這個數字怎麼算出來的?Mozilla 採用了 METR(AI 模型評估研究機構)定義的「時間水平線」(time horizon)指標——也就是 AI 模型能可靠完成任務的時間長度。METR 的研究發現,最佳閉源模型目前能處理 1.7 倍於最佳開源模型能可靠完成的任務時長。以實際案例說明:如果開源前沿模型能處理一個 7 小時的工作,閉源前沿模型能處理約 12 小時的工作;4 個月後,開源模型就能追上 12 小時任務。
「我們看到的是,閉源模型的付費溢價只在三個地方成立:專業高階工作、高強度檢索、長上下文任務。」Mozilla CTO Raffi Krikorian 在 Ars Technica 採訪中如此總結。
Kimi K3 vs Claude Fable 5:性能差 3 分,價格差 5 倍
報告核心數據來自 Artificial Analysis Intelligence Index——目前 AI 業界最權威的綜合能力評分。對比結果令人震驚:
- Moonshot Kimi K3(中國開源):Intelligence Index 得分 57,每任務成本 $0.95
- Claude Fable 5(Anthropic 閉源):Intelligence Index 得分 60,每任務成本約 $4.75
兩者效能差距只剩 3 分,但 Kimi K3 的成本只有 Fable 5 的 20%。中國另一家公司 Z.ai(智譜)的 GLM 5.2,在 Vals AI 的 Terminal-Bench 2.1 評測中使用相同的中立測試環境,分數也只差 Claude Opus 4.7/4.8 約 1 分,價格同樣是五分之一。
換句話說:付費買閉源前沿模型,只能換來 4 個月的領先優勢,價格卻要付 5 倍。
中國開源 AI 在打一場「Android 戰役」
「中國開源模型的策略,跟當年 Google 用 Android 打贏 Nokia 本質相同——免費給作業系統,但掌握整個生態系的預設值、應用商店、開發者關係。」Krikorian 在訪談中直言。
數字說明一切:根據 OpenRouter(AI 模型 API 聚合平台)的統計,2026 年 8 月 token 流量排名前 10 名的模型中,有 8 個是開源權重模型,而這些開源模型的主力軍幾乎全是中國出品。另一份 Linux Foundation 的研究顯示,開源模型目前只佔整體 AI 營收的 4%,閉源拿走 96%——但這個數字是基於 2025 年 5-9 月的舊資料,2026 年開源營收佔比正在快速攀升。
更值得注意的是企業實際部署。美國外送平台 DoorDash 已經公開表示:例行工作用 Moonshot Kimi K3,只有專家級高難度任務才升級到 Claude Fable 5。這種「分層部署」模式正在科技公司間快速擴散。
為什麼這件事重要
這份報告的意義遠超「中國 AI 又變強了」這種表面敘事。真正的衝擊是:閉源 AI 公司的高溢價商業模式正面臨根本性質疑。
過去三年,OpenAI、Anthropic 等公司靠著「我們的模型比開源強很多」這個論述,建立了動輒每月數百美元的訂閱價格。但當差距從 1 年縮短到 4.4 個月,且 5 倍價差,這個護城河已經不夠深。企業 IT 部門在做模型採購決策時,越來越難以正當化「為了 4 個月的技術領先,每年多付幾十萬美元」這件事。
更深層的影響在於地緣政治。Krikorian 警告:「多元的開源 AI 生態目前主要由中國資本餵養。這既是多元性,也是集中度。」他呼籲建立一個「反抗軍聯盟」——由美國與歐洲的開源實驗室、基金會、慈善機構組成,就像 1990 年代 Linux 與 Apache 那樣,用十年時間建立一套不依賴單一國家的 AI 基礎設施。
Mozilla 已經在身體力行。瑞士政府的國家級算力計畫「Apertus」就是範例:用公共資金訓練完全開放的參考模型,讓任何國家都能部署、不必依賴中美的閉源 API。
數據解讀與質疑
這份報告雖然引用大量 benchmark,但有幾個關鍵限制值得注意:
- 任務長度的盲點:METR 的時間水平線指標衡量的是「50% 可靠成功率」,但企業實際部署看重的是 95% 以上的高可靠度。在這個更嚴格的標準下,閉源模型的領先幅度可能比 4.4 個月更大。
- Harness(執行環境)的變數:閉源模型通常搭配模型實驗室自家調校的執行環境,這個「隱形加值」很難用統一的 benchmark 量化。Vals AI 雖然試圖中立化,但真實部署場景更複雜。
- 開源不等於免費:Mozilla 報告的「5 倍價差」是 API 價格對比,但企業自建開源模型需要 GPU、電力、MLOps 團隊,這些隱形成本常被忽略。
- 中國供應鏈風險:當 8 成開源模型是中國出品,任何一次美中貿易戰升級都可能瞬間切斷企業的 AI 服務。Mozilla 報告本身的「集中度風險」論述,恰好也適用於依賴中國開源模型的西方企業。
開源 AI 的下一步
Mozilla 報告最後給了一個充滿企圖心的願景清單:
- 公共算力計畫:由政府出資訓練完全開放的參考模型(如瑞士 Apertus)
- 基金會中立地位:讓基金會接手模型、執行環境、代理協定的標準制定
- 企業參與:從開源模型獲益的企業必須回饋(雲端算力、資料、資金)
- 慈善資金:補貼模型評估與稽核基礎設施——這是目前最缺的一塊
Krikorian 把這場運動比作 1998 年的開放原始碼起點:「當年 Linux 證明了多元、非營利、跨國的軟體基礎設施可以打贏單一商業巨頭。AI 正在走同一條路,只是速度要快得多。」
參考資料:
網友熱門留言 (5)