如果你两年前说"开源模型能追上 GPT"，大概率会被当成乐观过头。但到 2026 年，这个说法已经不需要辩论——数据摆在那里：开源与闭源的差距，正在以肉眼可见的速度消失。
一个被改写的事实：差距趋近于零
斯坦福 AI Index 2025 报告里有一个被反复引用的数字：2023 年底，最好的中美模型在 MMLU 上的差距还有 17.5 个百分点；到 2025—2026 年，这个差距已经基本归零。在数学基准（MATH-500、AIME）上，开源模型甚至开始反超。
更关键的是成本。DeepInfra 的测算显示，过去一年 API 价格下降了 60%–80%，对大多数应用场景来说，再为"闭源"支付高额溢价越来越难站得住脚。开源模型里，DeepSeek V4 Pro 在多项基准上逼近 GPT-5.5，而每百万 token 的输入/输出价格仅约 1.74/3.48 美元，接近前沿性能却只需零头成本；Meta 的 Llama 4 Maverick 通过第三方供应商，输入价甚至能压到每百万 token 0.20 美元以下。
中国军团的密集迭代
2025 至 2026 年，中国开源大模型进入密集迭代期。几个有代表性的节点：
- DeepSeek-V4 预览版（2026 年 4 月）：总参数达 1.6 万亿的 MoE 模型，采用混合专家架构，激活参数远小于总参数，兼顾性能与推理成本。其前身 R1 以 MIT 许可发布，在多数基准上追平 OpenAI o1，而据报道训练成本仅约 600 万美元——证明前沿推理能力不必依赖被出口限制的算力。
- Kimi K3（2026 年 7 月，月之暗面）：参数规模达 2.8 万亿，是全球规模最大的开源模型之一，采用自研 KDA 混合线性注意力机制，在复杂推理、代码生成、长上下文与智能体任务上均有提升。
- Qwen 系列（阿里通义千问）：Qwen3 成为全球下载量最大的开源模型家族，2026 年 1 月累计 Hugging Face 下载量突破 10 亿次；2026 年 2 月单月下载 1.536 亿次，超过其后八家供应商的总和。
- GLM-5（智谱 AI，2026 年 2 月）：开源面向复杂系统工程与长程智能体任务的旗舰基座，带来百万 token 上下文窗口。
数据说话：开源生态的中心在迁移
Hugging Face 发布的 2026 年春季全球开源 AI 生态报告指出，过去一年该平台上 41% 的大模型下载量来自中国研发的模型。在 OpenRouter 这类美国模型交易平台上，热度前十的模型也有多款出自中国厂商。2026 年上半年，人工智能开源大模型全球累计下载量突破 100 亿次。
这意味着什么？意味着"开源"不再只是西方实验室的主场。中国厂商在性价比、商用许可友好度（大量采用 Apache 2.0、MIT 等宽松许可）和国产算力适配上形成了自己的特点，把"可用、便宜、能商用"做到了极致。
对普通开发者的意义
对开发者来说，这场"反攻"最直接的红利是：很多过去必须调用昂贵 API 的场景，现在可以自己部署开源模型，或用极低成本接入。Llama 4 Maverick 拥有 1000 万 token 的上下文窗口，适合长文档分析和大型代码库；Qwen 在多语言（尤其中日韩）上原生友好；DeepSeek 在推理和数学上领先；Kimi 则擅长超长上下文与智能体编排。
当然也要清醒：开源不等于万能。在需要最高 10% 能力的极端场景、以及需要厂商承担合规与责任边界的企业级服务里，闭源旗舰仍有空间。但对"不需要顶尖那 10%"的绝大多数工作负载，开源模型已经能覆盖大部分用例。
一个趋势越来越清楚：未来选模型的核心问题，不再是"该不该用开源"，而是"我的场景该用哪一个开源"。当免费模型追上付费旗舰，整个 AI 行业的成本结构，都被重写了一遍。