開源 AI 2026 現況報告解讀：差距只剩 3.3%，該自架還是續付 API？

開源 AI 已從備案變成主戰場：與閉源頂尖模型的平均差距縮到 3.3%，推論成本 36 個月跌 50 倍，全球過半生產 token 跑在開源權重上。

stateofopensource.ai 在 2026 年 7 月發布年度報告《The State of Open Source AI》V1.0，序言由 Mozilla 技術長 Raffi Krikorian 執筆；本文發稿日為 2026 年 7 月 18 日。先解釋兩個詞：token 是 AI 處理與計價文字的最小單位；開源權重（open weights）指模型參數檔公開可下載，但授權條款各家不同。本文把報告核心數據，加上兩天前 Kimi K3 的發表，拆成六個台灣老闆常直接問 AI 的問題。

開源 AI 追上 GPT 了嗎？能力差距還剩多少？

追到平均只差 3.3%，但差距分布不均：程式碼、指令遵循、常識問答已接近打平；深度推理、長上下文檢索與 agent 任務，閉源仍明顯領先。選型看工作負載，平均值會騙人。

報告引用 Chatbot Arena（讓真人盲測比較兩個模型回答的公開對戰平台）24 個月的數據：2024 年 1 月開源與閉源差 8.04%，同年 8 月縮到 0.5%；2025 年 2 月 DeepSeek-R1 一度追平當時美國最強模型；到 2026 年 3 月，閉源推理模型把差距重新拉開到 3.3%。

報告對這條曲線的判斷很乾脆：問題已經從「開源夠不夠好」，變成「你的工作負載需要什麼」。3.3% 是一條鋸齒狀前沿的平均值——你的需求若落在已打平的區段，多付的錢買到的主要是品牌安心。

為什麼過半 token 流向開源模型？成本掉了多少？

價格跌了 50 倍：GPT-4 等級推論成本 36 個月內從每百萬 token 20 美元掉到 0.4 美元；到 2026 年年中，OpenRouter 上過半生產 token 已流向開源權重模型。

推論（inference）指模型實際回答問題的運算。報告同時引用 Stanford HAI《AI Index 2025》：GPT-3.5 等級的推論成本曾在 18 個月內跌 280 倍。價格崩落的結果直接寫在 OpenRouter 流量榜上——OpenRouter 是開發者按價格與表現自由切換模型的路由平台，目前 token 流量前五名全是開源權重模型，排名最前的美國模型是 Anthropic 的閉源 Claude 系列。

依報告轉述英國《金融時報》的分析，2026 年年中，榜上前九名模型每週約 18 兆 token 由中國開源模型處理，美國模型約 5.5 兆，比例超過 3:1。報告的註腳很冷靜：以請求數計，閉源美國供應商仍領先；開源贏的是 token 量，而且集中在程式碼與 agent 工作負載。

2026 年哪些開源 AI 模型可以免費商用？授權地雷在哪？

沒有一句話清單。「開源權重」只代表參數檔可下載，能否商用取決於各家授權條款；報告把授權現況列為盤點重點，我們的建議一致：導入前逐條讀原始 license，官方沒公布的不要猜。

報告開頭的案例就把授權光譜攤開了。紐西蘭的毛利語廣播機構，用「資料留在族人手上」的授權訓練語音模型——開放世界的授權可以附帶條件，商用前必須逐條讀。瑞士的公共聯盟用公共超級電腦訓練國家模型，權重、資料、訓練程式碼全數公開，這是最徹底的開放，也最少見。PwC 則微調開源模型處理財務語言，用自有硬體服務數百家客戶，沒有按 token 跳表的錶在轉——授權查清楚之後，開源模型撐得起這種規模的商用。

第三種地雷是時間差。Moonshot AI 於 2026 年 7 月 16 日發表 Kimi K3，承諾 7 月 27 日前釋出開源權重；發稿當下（7 月 18 日），你只能走它的官方網站與 API（見 Simon Willison 的第一手評測）。承諾開源與已經開源是兩回事，生產排程只認後者。

中小企業該自架開源模型，還是繼續付 API？

先看工作負載，再看資料主權，最後才看帳單。已打平的負載（程式碼、摘要、分類）加上主權需求，自架划算；要深度推理或複雜 agent 串接，閉源 API 目前仍值那個價。

比較項	自架開源模型	續付閉源 API
邊際成本	趨近電費與硬體折舊，無按 token 計費	按 token 計費，用量大帳單線性成長
前期投入	硬體加部署人力，門檻實在	幾乎為零，註冊即用
資料主權	資料不出自己的機器	資料經過供應商，地區與合約另議
能力上限	程式碼、指令遵循已接近打平	深度推理、長上下文、agent 仍領先
上線成功率	51%（Mozilla/SlashData 2026 調查）	63%（同一調查）
供應商綁定	隨時可換、可退場	遷移成本高

那組 51% 對 63% 是整份報告最該貼在牆上的數字。Mozilla 與 SlashData 的 2026 開發者調查顯示，採用率上開源反而贏：79% 導入 AI 功能的開發者用開源模型，閉源是 71%，半數兩者並用；但真正把開源模型推上生產環境的團隊只有 51%，閉源是 63%。報告自己的小標寫得直白：「Open ships easy. Open deploys hard.」卡點在部署工具與信任機制，模型能力早就夠了。翻成一句白話：模型免費，維運從來不免費。這也解釋了為什麼一半開發者兩者並用——閉源顧能力上限，開源顧成本與主權，混用本身就是 2026 年的主流答案。

Kimi K3 漲價，對開源陣營是好消息還是壞消息？

短期訊號變亂，長期是市場成熟：K3 的 API 費率每百萬 token 輸入 3 美元、輸出 15 美元，是中國實驗室歷來最貴的模型，頂規模型開始按能力收費。先把帳分清楚：這是 API 的錶；「開源等於便宜」講的是自架後沒有按 token 計費，兩套帳別混著算——何況 2.8 兆參數要自架，以當前開源部署現實估計，需要工業級 GPU 叢集，算力本身就不便宜。

依 Simon Willison 的整理，Kimi K3 有 2.8 兆參數，Moonshot 自稱是首個 3 兆級開源權重模型——Willison 隨即點破，這是把 2.8 兆往上湊成了 3 兆（前代 K2.6 輸入 0.95 美元、輸出 4 美元）。自報基準多數勝過 Claude Opus 4.8 max 與 GPT-5.5 high，敗給 Claude Fable 5 與 GPT-5.6 Sol。第三方 Artificial Analysis 的長時程知識工作評測給出 Elo 1547，比 K2.6 高 732 分，僅次於 Claude Fable 5；單一任務成本約 0.94 美元，與 GPT-5.6 Sol 的 1.04 美元同級，約為 Claude Opus 4.8（1.80 美元）的一半。

這組數字對選型者的意義是競爭態勢：開源陣營的頂規模型，每任務成本已經跟閉源同桌比價。選型該算任務單價與工作負載的匹配度，模型掛什麼標籤放一邊。

台灣中小企業 2026 年下半年該怎麼部署開源 AI？

我們的立場：多數台灣中小企業 2026 年下半年不必急著自架，但該立刻開始「可退場」的架構準備。三條可執行的判斷如下。

一、API 帳單還沒痛到需要專人處理的，續用 API。同時把 prompt、評測題組、工作流程整理成與供應商無關的格式，隨時搬得走。推論價格 36 個月跌了 50 倍，可替換性本身就是你對供應商的議價力。

二、手上有客戶個資、財務或醫療資料的，主權需求排在成本前面。報告裡 PwC 的做法就是現成路徑：微調開源模型、自有硬體、對客戶服務。這條路徑同樣適用於台灣的會計師事務所、診所與金融周邊服務，前提是把維運人力算進總成本。

三、要上生產環境，先過維運關，再談模型。51% 對 63% 的差距說明卡點在部署。自架之前先回答三題：誰負責更新模型？誰顧硬體？系統半夜出事誰起來？答不齊，就還沒到自架的時候。

另有一條台灣特有的觀察：token 流量以超過 3:1 倒向中國模型（OpenRouter 前九名模型的每週 token 統計、FT 分析），對成本是好事，對部分客戶的供應鏈審查是風險。替客戶建的系統若用中國開源模型，先確認對方的資安與法遵立場，這一題省不得。

這類「該不該自架」的判斷，我們在 AIRUN 對抗式創業體檢裡當固定科目在做——用你的實際工作負載與帳單算，不套媒體標題。想先看你的生意在 AI 眼中長什麼樣子，可以從 AIRUN 對抗式創業體檢的線上評估 開始。

報告序言把 2026 年比作 25 年前的瀏覽器之戰：Mozilla 當年賭開放，贏了；這次又押同一邊。我們的結論務實一點——開源 AI 已經贏下成本與主權兩局，閉源還握著推理上限。台灣中小企業的正確姿勢是兩邊都用、隨時能走：供應商綁不住你的那一天，你才真正拿回議價權。

常見問題

2026 年開源 AI 和 GPT 這類閉源模型的差距還有多大？

以 Chatbot Arena 盲測計，2026 年 3 月平均差距為 3.3%，但分布不均：程式碼、指令遵循、常識問答已接近打平；深度推理、長上下文檢索與 agent 任務，閉源仍明顯領先。選型看工作負載，別看平均值。

開源 AI 模型都能免費商用嗎？

不一定。「開源權重」只代表模型參數檔可下載，能否商用取決於各家授權條款，部分授權附帶使用限制或自訂條件。導入前要逐一查官方 license；已承諾但尚未釋出權重的模型（如 Kimi K3），先別排進生產計畫。

自架開源模型最常卡在哪裡？

卡在維運。Mozilla 與 SlashData 的 2026 開發者調查顯示，開源模型團隊只有 51% 真正上到生產環境，閉源是 63%，差距來自部署工具與信任機制，模型能力早就夠了。沒有專職 IT 的公司，先算維運人力，再算 GPU。

中小企業什麼情況該優先考慮自架開源模型？

兩種情況：一是用量大到 API 帳單成為固定重負，且工作負載屬於開源已打平的類型；二是資料主權有硬需求，客戶個資或財務資料不能離開自己的機器。PwC 用自有硬體跑微調過的開源模型服務數百家客戶，走的就是第二條路。

Kimi K3 是開源模型嗎？現在拿得到權重嗎？

Moonshot AI 於 2026 年 7 月 16 日發表 Kimi K3（2.8 兆參數），承諾 2026 年 7 月 27 日前釋出開源權重；截至 7 月 18 日發稿，僅能透過官方網站與 API 使用，定價每百萬 token 輸入 3 美元、輸出 15 美元。