闭源和开源正在撞上

最近AI圈最反常的一个趋势，闭源在变便宜，开源越来越贵。真的，没搞反。

听起来是不是反了？

我们的直觉是，开源权重免费下载，想跑就跑，能贵到哪去；闭源模型 API 按 token 计费，企业掏的是垄断溢价。你说它在变便宜？鬼才信。

可数据不撒谎。BenchLM 有一条指数，专门盯着 AI 推理的市场价格。

从 2023 年 3 月到现在，整个前沿模型的真实成交价降了 88%。注意，是市场价，就是大家真金白银掏出去的那个数。

前沿模型中位价现在是 4.50美元每百万 token。中端呢？1.93美元。低预算级别直接压到了0.50美元。

就三年，从「用一次心疼一次」到「随便用吧反正也不贵了」。

听起来，整个趋势就是单向的嘛，变便宜。开源肯定更便宜，板上钉钉的事。

别急。这里有个关键概念，叫支出加权价格，它比的是用户实际愿意掏多少钱。

彭博跟 Silicon Data 合推了一条 LLM Token Expenditure Index，就是干这个的，结果很有意思。

整体指数在1.29美元每百万 token 左右，听起来还好，没太离谱。你把它拆开看看，两条线，在往截然相反的方向走。

闭源，从3.07美元一路往下，开源权重，从0.66美元一路上升。

是的你没看错。开源，在涨价，这件事的诡异之处在于，开源模型的权重文件确实是免费下载的，凭什么说它在涨？

原因很简单。免费的是权重文件，不是跑起来的成本。

你用开源模型跑推理，需要 GPU，需要工程师调参、压量化、修显存溢出、改 prompt 模板，甚至凌晨两点企业群炸了爬起来定位 bug，这些事，每一分每一秒都在往账本上记。

更重要的是规模，用开源的人越来越多了。

OpenRouter 的数据，DeepSeek 从今年年初 10% 的 token 份额翻倍到了 18%；中国开源模型整体，从 2025 年初不到 2%，飙到了 2026 年 6 月的 46%。快一半了。

当所有人都在跑开源模型，当 token 量从 34% 冲到 65%，总账单只会往上跳，这是物理定律，和商业模式没有什么大的关系。

闭源这边呢？在往另一边走。

Anthropic 把自己的推理毛利率从负 94% 拉到了 60% 以上。负 94%什么概念？就是每收一块钱，亏九毛四；现在收一块钱，赚六毛。

怎么做到的？规模效应，推理优化，硬件成本在降。但最关键的推手，是竞争。

OpenAI、Google Gemini、Claude，三家在同一个价格带上打得头破血流；你的 API 敢比别人贵一倍，企业 CIO 第二天就发邮件：为什么？

所以，闭源的价格被竞争活活压下来了。

两条曲线，各自朝对方的地盘走，闭源3.07美元在往下滑，开源0.66美元在往上爬。

插一条旁证；DeepSeek V4 Flash，定价0.09美元输入；输出就更便宜了，0.18美元输出百万Token，你再看看闭源前沿模型中的价位，4.5美元；差距大概是25倍。

这是现在，这个差距，正在以肉眼可见的速度收窄。

我每次想到这个趋势，都会想起 2012 到 2015 年的手机行业，那会儿的格局，跟今天 AI 一模一样。

苹果做高端，闭源 iOS，一部 iPhone 六七千，安卓厂商做性价比，开源系统，一两千就能到手，然，后剧本开始反转了。

苹果被安卓的市场份额压得难受，开始做 iPhone SE、做中端机型，把均价往下拽。

安卓厂商被用户「凭什么你只值两千块」的标签锁得死死的，拼命往高端冲；三星做 Galaxy S，华为推 P 系列，价格一路往上跑。

两条线，在中间撞上了。

现在手机市场，你很难说「安卓更便宜」或者「苹果就是贵」，iPhone 的价格带上探到万元，也在下探到三千。安卓旗舰也敢叫价七千八千。

品牌溢价消失了，替代逻辑成了主流，贵一块钱都要给个理由。

今天的 AI，正在同样的剧本上狂奔。

闭源在往下探，开源在往上挤，它们会在某个价格带上相遇；大概率就是 BenchLM 框出的那块1.9美元到4.5美元的区间。

到那一天，「开源更便宜」和「闭源更好」这两个故事，谁都讲不下去了。

因为便宜的不一定真便宜了，贵的不一定真比别人好了，这盘棋，就从比「谁的模型能力强」，变成了比「谁能把东西安稳地送到客户手里」。

好，两条线正在往一起走。然后呢？

然后最吓人的事情就来了。当开源和闭源挤进同一个价格带，模型本身，就不再值钱了。「模型能力」作为一种可以单独卖钱的商品，正在被抽空。

这件事已经有一些信号了。

Mozilla 今年 7 月发了一份开源 AI 状态报告，里面有个数字我看完楞了一下。

开源模型支撑了全球大概 33% 的活跃 AI 应用，但它拿走的收入，只有 4%。33% 的活儿你干的，4% 的钱是你的。

剩下的 96% 去哪了？

去了云厂商、系统集成商、那些帮企业把模型「跑起来」的人手里。模型是免费的，落地，是要钱的。

这事在华尔街的数据里更刺眼，a16z 今年 1 月发了一份 CIO 调查，100 家全球 2000 强企业，开源模型的支出占比从上一年的 19% 掉到了 11%。同一批企业，闭源占到 89%。

注意啊，这说同一批企业，在开源上花的钱相对变少了，钱，都涌向了闭源的交付方案。

企业 CIO 不傻，开源权重下载下来只是第一步，后面那摊事，部署、运维、合规、SLA，闭源厂商帮你全包了。多收你几倍的钱，他们还觉得自己省了事。

说到底，这中间差出来的钱，挣的就不是模型能力了，挣的是「省心」。

再讲一个细节：

我查了一下，阿里今年 AI 相关收入接近 90 亿人民币，年化 358 亿。它的 AI MaaS，就是模型即服务，年度经常性收入 6 月破了 100 亿，管理层说年底奔着 300 亿去。

你再看阿里是怎么卖 AI 的？千问全栈开源，权重免费拿；但是呢？推理你得走阿里云。开源是饵，云是鱼钩。

这不是孤例，中国这批厂商，DeepSeek、阿里、字节、腾讯、智谱、月之暗面，现在清一色打一个策略，内部叫「战略级开源」。

基座开源，高端闭源，基础能力免费，增值服务付费，免费给你尝，吃饱了得留下来。

然后呢？真正把这事推到极致的，是月之暗面的 Kimi K3。

2.8 万亿参数，MIT 协议完全开源，编程能力直接把 GPT-5.6 干翻了。定价呢？100 块人民币每百万 token。发布 48 小时，算力被打爆，新用户直接暂停注册。

高盛在报告里用了三个字评价这件事：定价权。

中国模型在证明一件事，当开源权重能做到闭源 99% 的事，成本还便宜 60% 以上，定价权，就从闭源手里滑到开源手里了。

K3 发布后，OpenAI 加 Anthropic 的合计估值预期被砍了大概 3140 亿美金，而月之暗面自己的估值涨到了 3300 亿人民币。

钱没消失，却搬家了。

不过，这还不是最关键的，最要命的是那个杰文斯悖论。

19 世纪的英国经济学家杰文斯发现，蒸汽机效率越高、烧煤越省；结果呢？英国的煤炭消耗量不降反升。因为烧煤变便宜了，所有人都在用蒸汽机，总用量爆炸了。

AI 正在复刻这个剧本，Mozilla 报告里有一条数据，GPT级别的推理成本，36 个月降了 50 倍，从 20 美元，降到了 0.40 美元每百万 token。

你用脚趾头想都知道，这么便宜，谁会只跑一次？

以前跑一次心疼半天，现在一个 prompt 不过瘾，跑十次二十次，跑完再让 Agent 自己迭代。

MIT 有一项研究算了一笔更狠的账，企业转向开源模型，推理成本能砍掉 70%，全美一年能省大概 250 亿美金。

省下来的 250 亿不会躺在账户里吃灰，会被重新投到更多的 AI 应用里，跑出更多的 token，烧掉更多的算力。

所以，我查了这么多数据，得出的结论：终端成本降得越狠，总盘子涨得越大，这就是利润池搬家的逻辑，模型层收不到溢价了，钱顺着管道往两边流。

一头流到云厂商的推理账单里，一头流到企业内部的部署维护上。

而企业之所以心甘情愿掏这笔钱，因为那 51% 和 79% 之间那 28 个百分点的落差，每个百分点掉下去，烧的是工程师的头发。

下次有人跟你说「开源模型是免费的」，你可以回他一句：对，权重免费。跑起来，账单在云上等你。

所以，闭源完了，对吧？

如果故事到这里就结束了，那 Anthropic 这家公司就不应该存在。可它不仅活着，还活得特别好。

Anthropic 的年化收入从 90 亿美金一路冲到了 600 亿以上。

同一份 a16z 调查里，它的企业渗透率一年内涨了 25 个百分点，44% 的全球 2000 强企业在用它。不是什么「模型更好」的故事。

前面说了，性能差距只剩 3%，编码类任务已经持平，它赢在别的地方。

赢在哪呢？

IP 免责。SLA 保障。数据不出境。合规审计。企业级权限管理。你发现没有，这些东西，没有一个跟模型能力本身有关。它们全是「交付」层面的事。

Anthropic 收的是「你放心，出了事我兜着」的钱。

同一张牌桌，玩家在打完全不同的游戏。开源厂商在用模型能力抢 token 份额。闭源厂商，在用交付能力抢预算份额。

然后你再看一遍那个表：

a16z 的调查里，78% 的企业在生产环境跑着 OpenAI，81% 的企业同时用三家以上的模型家族。企业的平均大模型预算，两年内从 450 万美金涨到了 700 万。

预算在涨，但涨的是「把 AI 跑通」的钱。

摩根士丹利的报告画了三种终局，闭源赢、开源赢、混合共存。

它没明说，但数据指向第三种，混合。企业会把最核心、最怕出事的工作负载交给闭源，把高频、低敏感的长尾任务交给开源。两边都活，只是在产业链上挪了位置。

那到底谁在亏？

卡在中间的人。手里确实有很强的模型，但没有交付能力；没有企业级支持，也没有稳定供应的算力。

模型强，但企业不敢用，你拿了个世界冠军，没人找你打联赛。

这个逻辑一旦成立，整个 AI 产业链就裂成了两层。

上层是模型层，比参数、跑分、paper。下层是交付层，比稳定、安全、替我扛雷。上层的利润在蒸发，下层的利润在膨胀。

CMU 有项研究算过一笔账，一个小规模部署，30B 参数以下的，三个月就能回本。

但一旦上到 200B 到 1T 参数的大规模部署，回本周期是六年。这六年里每一分每一秒，烧的都是交付成本。

所以，闭源只要守住交付，它就永远有饭吃。真正该害怕的，是那些只有模型、没有交付的人。

讲了这么多，有一个前提一直没碰。我们现在说的开源到底什么意思？

MIT 和 HuggingFace 去年底联合做了一项研究，追踪了 2022 到 2025 年间所有自称「开源」的大模型，然后按一个硬标准过了一遍筛子，训练数据是否公开。

结果非常离谱，2022 年，79% 的开源模型是真正开源，训练数据、权重、代码，全套公开；到了 2025 年，这个数字掉到了 39%。

而就在同一年，开放权重，就是只公开模型权重但不给训练数据的那种，首次超过了真正开源的数量。

你看到问题在哪了吗？

我们今天聊的「开源」，它更像一种新的闭源。核心资产，训练数据、清洗流程、配比方案，攥在自己手里，只把推理用的权重文件扔出来，说是开源，其实开了一半。

这让整个「开源 vs 闭源」的辩论变得有点荒诞。

我们假设两边都是泾渭分明的，可实际上双方都在从两端往中间靠。

闭源在降价、开放 API、给免费额度，开源在收窄定义、在把训练数据藏起来、在靠云服务收钱。两边都不纯了。

更麻烦的是，这事还被政治盯上了。

就在这两天，美国参议员 Tom Cotton 发了一封公开信，要求禁止美国政府承包商使用中国的开源模型。

然后，白宫却在豁免中国开源权重模型的安全测试要求，200 多家硅谷创业公司联名反对禁令，DoorDash 因为被曝部署了中国开源模型，正在接受调查。

一边在禁，一边在豁免，企业夹在中间不知道该看谁的脸色。

中国模型在 OpenRouter 上的周 token 占比已经超过了 30%，这不是监管部门假装看不见就能消失的数字。

你也没法假装安全问题不存在，之前有研究用五分钟就摘掉了某些开源模型的安全护栏。

所以你看，「开源 vs 闭源」这个框架，正在被三股力量同时撕扯。

第一股，定义在漂移。你嘴上说的「开源」，跟对方理解的「开源」，可能完全是两件事。

第二股，商业模式在融合，定价权在不停换手。

第三股，地缘政治在介入，模型选型不再只是一个技术或者商业决策，它开始变成一道合规选择题。

这个辩论本身，正在变成一个比它试图回答的问题更复杂的东西。

本文核心数据来源：

Mozilla《开源AI状态报告》v1.0、a16z 全球企业 CIO 调查、BenchLM Token Price Index、彭博/Silicon Data LLM Token Expenditure Index、摩根士丹利研报、MIT/HuggingFace 开源定义研究