開源 AI 的歷史性轉捩點
2026 年 7 月 14 日，Mozilla 基金會發布了首屆 《開源 AI 狀態報告》（State of Open Source AI Report），基於對全球 950 多名開發者的調查，為我們描繪了開源 AI 生態系統的完整面貌。
報告的核心結論可以濃縮成一句話：開源 AI 已經追上閉源了，但真正賺到錢的，還是那些收你月費的公司。
這不是一個技術問題，而是一個商業模式與權力結構的問題。
四大核心發現
📉 成本暴跌 50 倍
過去三年，開源模型的運算與推論成本下降了約 50 倍。達到 GPT-4 等級效能的推論成本從每百萬 token 約 20 美元暴跌至 40 美分。
這個降價速度有多誇張？Mozilla 報告指出：
- 比個人電腦歷史成本曲線快 3 倍以上
- 比網路泡沫時期的頻寬降價速度快 2.5 倍以上
推動這波降價的主要推手，是 Llama 3.1 和 DeepSeek-V3 這兩個開源權重模型的發布。
📊 市場營收嚴重失衡
這是報告中最驚人的數據：
pie title 開源 vs 閉源：應用佔比 vs 營收佔比
"開源模型支援的應用" : 33
"閉源模型支援的應用" : 67pie title 全球 AI 市場營收分配
"開源模型營收" : 4
"閉源模型營收" : 96開源模型支撐了全球約 33% 的活躍 AI 應用，但在全球 AI 市場營收中，卻僅獲取了 4% 的份額。 這是一個極端不對等的市場結構。
🔧 開發與生產部署的巨大落差
- 79% 的開發者在開發過程中使用開源模型
- 但僅有 51% 成功將其部署至實際的生產環境
- 相比之下，閉源模型的部署率為 63%
Mozilla 的技術長 Raffi Krikorian 一針見血地指出：「這表明制約開源 AI 的並非模型效能，而是部署基礎設施與工具鏈的不成熟。」
🌏 地緣政治與主權 AI 崛起
- 中國與東亞地區的開源 AI 採用率高達 89%，全球領先
- 去年全球共建立了 12 個新的國家級 AI 框架
- 47 個國家對敏感工作負載實施了境外數據處理限制
各國政府正在把開源 AI 當作國家戰略來對待，因為它提供了一個不受外部供應商控制的選項。
開源 vs 閉源：差距真的縮小了？
Chatbot Arena（一個讓用戶盲測比較 AI 模型的公共排行榜）的數據顯示：
| 時間點 | 閉源 vs 開源差距 |
|---|---|
| 2024 年初 | > 8 分 |
| 2025 年初 | 基本持平（0-1 分） |
| 2026 年 3 月 | 3.3 分 |
| 2026 年 6 月（Claude Fable 5 發布後） | 略有拉開 |
雖然 Anthropic 在 6 月發布的 Claude Fable 5 在極高難度的推理和編碼問題上重新拉開了一些差距，但總體上閉源模型的領先優勢在兩年內基本瓦解。
不過分析師也指出一個「參差不齊的前沿（Jagged Frontier）」：雖然平均效能差距已縮小到 3% 至 3.3% 之間，但在進階推理、長文本資訊檢索、以及多步驟 AI 代理工具調用等複雜任務上，閉源旗艦模型仍保有明顯優勢。
Hugging Face 生態系大爆發
Hugging Face 2026 年春季開源狀態報告的數據同樣令人驚嘆：
- 1,100 萬用戶、超過 200 萬個公開模型、超過 50 萬個數據集
- 財富 500 強企業中已有 三分之一 活躍於該生態系
- 中國的月度模型下載量已超越美國，佔全球 41%
- 平均下載模型參數大小從 8.27 億（827M）猛增至 208 億（20.8B）——受 MoE 和量化技術推動
- 機器人（Robotics） 成為成長最快的子社群，相關數據集從 1,145 個暴增至 26,991 個
誰在引領開源 AI？2026 年頂尖模型一覽
| 模型 | 開發者 | 總參數 | 活躍參數 | 上下文 | 授權 | 亮點 |
|---|---|---|---|---|---|---|
| GLM 5.2 | 智譜 AI | 7,440 億 | 400 億 | 100 萬 token | MIT | 最佳綜合開源模型 |
| DeepSeek V4-Pro | 深度求索 | 1.6 兆 | 490 億 | 100 萬 token | 自訂 | SWE-Bench 80.6 |
| Kimi K2.7 Code | 月之暗面 | 1 兆 | 320 億 | 25.6 萬 token | Modified MIT | 編碼代理專用 |
| Qwen 3.6 | 阿里巴巴 | 35B-A3B | - | 100 萬 token | Apache 2.0 | 支援 100+ 語言 |
| Llama 5 | Meta | 6,000 億 | - | 500 萬 token | Llama 社群 | 西方最強開源 |
| Gemma 4 | 12B-31B | - | - | Apache 2.0 | 筆電即可運行 |
你可能注意到了：頂尖開源模型大多來自中國公司。 智譜、DeepSeek、月之暗面、阿里巴巴在這個領域佔據了主導地位。
企業為什麼開始擁抱開源 AI？
報告中最有趣的章節，莫過於企業從閉源 API 轉向開源模型的案例：
💳 Stripe：砍掉 73% 的 AI 成本
Stripe 將每日 5,000 萬次的 AI 請求，從閉源供應商的 API 轉移至在自有硬體上運行開源模型，成功砍掉了 73% 的 AI 運作成本。原本隨用量飆升的彈性成本，變成了固定且可預測的開支。
💸 Microsoft：Claude Code 預算被吃掉
微軟在 6 月底取消了大部分內部的 Claude Code 授權——因為隨用隨付的計費方式在短短幾個月內就吃光了該部門的年度 AI 預算。
🚗 Uber：4 個月燒完整年預算
Uber 在 4 個月內花光了 2026 整年的 AI 編碼預算，部分工程師個人單月的代碼調用帳單高達 500 至 2,000 美元，迫使公司實施預算上限。
🇨🇦 Cohere：主權 AI 的商業化
多倫多 AI 獨角獸 Cohere 推出可完全斷網運行的 Command A+ 開源權重模型，專為政府和受高度監管行業設計。加拿大政府也撥款近 8.9 億加元打造主權超級計算機，實踐「擁有自己的 AI，而非租用」。
開源 AI 面臨的四大挑戰
報告也毫不迴避地指出了開源 AI 的深層問題：
1️⃣ 「開源」名義與實質的背離
絕大多數所謂的「開源模型」實際上只是 「開源權重（Open-Weight）」。你的確可以免費下載權重，但核心訓練數據與具體配方依然秘而不宣。Llama 5 的社群授權甚至包含用戶量上限和歐盟限制條款，被批評為「假開源、真限制」。
2️⃣ 安全性漏洞與「同意疲勞」
AI 代理的底層協議（如 MCP）下載量從 200 萬次暴增至 9,700 萬次，但安全監管遠未跟上。2026 年初僅前 8 週就發現了 30 多個安全漏洞。更可怕的是，高達 93% 的用戶會預設批准 AI 代理提出的所有請求。
3️⃣ 地緣政治風險
由於多數頂尖開源模型來自中國，西方用戶面臨地緣政治摩擦、制裁或行政命令隨時切斷技術支援的風險。社群專家建議：一旦有優秀的開源模型發布，立即下載到本地，作為「保險單」。
4️⃣ 資金鏈的可持續性
不同於傳統開源軟體靠志願者貢獻程式碼，AI 模型需要天文數字的資金、算力與電力。目前開源模型多由追求利潤的商業公司或風投資助。一旦市場環境惡化或投資人要求回報，這種「大方釋出免費權重」的模式還能維持多久？
結語：從「開源夠不夠好」到「誰來主導未來」
Mozilla 總裁 Mark Surman 在 LinkedIn 上的發言或許是最好的總結：
「『開源夠不夠好』這個問題已經沒有懸念了。真正沒有定論的是：誰來主導接下來發生的事？這就是『擁有自己的 AI』和『租用 AI』之間的差別。」
開源 AI 已經不再是一個「能不能追上閉源」的問題——它早就追上了。現在的問題是，誰能建構出更好的工具、更完善的生態系統、更永續的商業模式。
2026 年的開源 AI 報告告訴我們：比賽已經進入下半場，而且才正要開始精彩。
參考來源：Mozilla State of Open Source AI, 2026、Digital Journal、Hugging Face Spring 2026 Report