✓ 已解锁完整内容
核心指标对比：开源真的追上来了吗
把2026年上半年的主流模型放在一个对比框架里，结论很有意思。在MMLU-Pro（大学水平多学科知识）、HumanEval（代码生成）、GSM8K（数学推理）三个经典评测上，开源和闭源的差距已经缩小到了5%以内。DeepSeek V4在MMLU-Pro上的得分据称达到92.3%，GPT-5约为93.1%，差值不到一个百分点。但在多模态评测（MMMU、Video-MME）上，GPT-5仍然大幅领先，差距在15%以上。
数据说明了一个清晰的格局：纯文本推理能力，开源已经基本追平闭源。多模态能力，闭源仍然有明显优势。这是由训练数据和工程资源决定的。多模态模型的训练需要海量的高质量对齐数据（图文音视四元组），这些数据的获取和清洗成本极高，目前只有OpenAI和Google这种量级的公司能大规模生产。
另一个关键维度是推理效率。开源模型的一大优势是可以针对特定硬件做深度优化。DeepSeek V4在昇腾上的部署效率，Llama 4据称在AMD MI300X上的适配，都是闭源模型无法做到的。对于有私有化部署需求的企业来说，开源模型的硬件灵活度是巨大的吸引力。
商业逻辑的根本差异
开源和闭源走的是两条完全不同的商业逻辑。
闭源的逻辑是"软件即服务"。OpenAI靠API调用收费，Anthropic靠企业订阅。用户不拥有模型，只购买使用权。这个模式的优点是收入可预测、毛利高、客户粘性强。缺点是AI正在变成基础设施，基础设施的利润率天然有天花板。电力公司不可能有软件公司那么高的利润率。同样的逻辑适用于模型API。当多家模型在核心能力上趋同时，价格战不可避免。
开源的逻辑是"生态即壁垒"。Meta免费发布Llama，不是做慈善，而是战略投资。每多一个开发者基于Llama构建应用，Meta在AI生态中的话语权就增加一分。DeepSeek开源V4，同样是在构建自己的生态护城河。当足够多的企业基于V4做微调和部署，DeepSeek在国产AI生态中的地位就不可动摇了。开源模型还可以通过提供企业级支持、私有化部署咨询、定制微调等增值服务来变现。
两种逻辑在2026年还在激烈博弈。一个有趣的趋势是"混合模式"的兴起。部分企业开始在前端使用闭源模型（GPT-5做最难的推理任务），后端使用开源模型（Llama 4或V4做批量处理），通过路由层动态分配任务。这个混合架构充分发挥了两类模型的优势，正在被越来越多的企业采纳。
地缘政治维度的开源博弈
大模型开源闭源之争还有一个不容忽视的维度：地缘政治。2026年美国对华AI技术出口管制进一步收紧。最新的BIS规则不仅限制了高端GPU出口，还开始对模型权重的大规模跨境传输设置审查机制。在这个背景下，开源模型对中国AI产业具有战略意义。
DeepSeek选择完全开源V4，除了商业考量，也有技术自主的考虑。当中国企业无法稳定获取GPT-5的API服务时，拥有一个性能接近、完全可控的开源模型就是刚需。Meta Llama 4虽然也是开源，但存在两个风险。第一是许可证限制。Llama的开源协议对于某些商业用途和地区有限制条款。第二是供应链依赖。Llama的训练和推理高度依赖英伟达GPU生态，而获取英伟达高端GPU对中国企业来说越来越难。
换句话说，DeepSeek V4加华为昇腾的组合，不仅仅是技术选型，而是一个完整的"去美化"AI基础设施方案。这个方案的成熟度还在快速提升中，但其战略价值已经不言而喻。
未来12个月走势预判
展望2026年下半年到2027年上半年，有几个趋势值得密切关注。
第一，开源模型将在多模态能力上加速追赶。Meta已经明确表示Llama 4将支持图像和视频理解，DeepSeek也在招聘多模态方向的工程师。预计12个月内，开源多模态模型将缩小与GPT-5的差距到10%以内。
第二，闭源模型将向下延伸推出更小更便宜的版本。OpenAI已经开始灰度测试"GPT-5 Mini"，参数规模约200B，定价仅为完整版的十分之一。这是对性价比市场的反击。
第三，"模型蒸馏"将成为新的战场。用GPT-5生成高质量训练数据，再用这些数据训练开源模型，这种"知识蒸馏"策略正在模糊开源闭源的边界。但法律风险也在积累，OpenAI已经多次更新服务条款限制蒸馏行为。
第四，垂直领域将成为决胜场。通用模型的竞争终将走向均值回归，谁能在医疗、法律、金融等垂直领域建立不可替代的专业壁垒，谁就能获得超额利润。这个趋势对开源和闭源都适用。
