Mozilla 在 2026 年 9 月发布的《开放源代码 AI 状况》报告认为，开放权重 AI 已成为闭源模型 API 在商业和技术层面都不可忽视的替代方案。报告的核心并不是宣称开放模型已经超越最前沿闭源模型，而是指出：竞争重点正逐步从“能否拿到足够强的模型权重”，转向“能否把模型部署、治理并整合进组织的实际业务”。12

能力与成本差距正在收窄

Mozilla 的 9 月数据快照显示，领先开放权重模型已逼近顶级闭源系统。在 Artificial Analysis Intelligence Index 上，Kimi K3 和 GLM-5.3 均为 60 分，Claude Opus 5 为 63 分。报告还称，K3 比 Claude Fable 5 低 2 分，但其输入 Token 价格仅为后者的 30%。与 Epoch 的能力指数对照后，Mozilla 将剩余差距概括为约一个发布周期，即大约 4 个月。12

这对并非每一项任务都必须调用“最强模型”的团队意义很大：能力接近前沿、成本更低，且可在自选环境中运行的模型，会扩大组织能够自行构建和掌控的 AI 应用范围。

用量表明，开放权重已进入主流选择

模型路由数据也显示出开放权重的广泛使用。Mozilla 在其 2026 年整体观察中称，开放权重模型约占 Token 用量的三分之一。OpenRouter 在 8 月的统计窗口内，按 Token 用量排名前 10 的模型有 8 个是开放权重，其中 8 个里的 7 个由中国团队开发；DeepSeek 也成为首个在 OpenRouter 请求量上领先的开放模型。12

不过，这些指标不能直接等同于所有行业都已完成生产级部署。Token 用量反映的是使用、试验和路由行为，并不必然代表模型已进入高风险企业流程。Mozilla 的证据更准确地说明：开放模型已被大量采用，但闭源供应商在成熟的一站式生产服务上仍具优势。12

中国领跑开放权重前沿，欧洲的机会在模型之上

Mozilla 的比较中，开放权重领先阵营主要由中国开发者主导，包括 Kimi K3、GLM-5.3 和 Qwen 3.8。其前 10 名中，第 5 至第 8 位有 4 个开放模型。12

欧洲并未缺席，Mistral 仍是重要的区域开发者；但在这项比较中，其位置低于领先的中国开放权重系统。报告同时提醒，许可证细节不可忽略：Mistral Medium 3.5 使用的是带营收限制条款的修订版 MIT 许可证，而不是不受限制的 MIT 许可证。12

对于欧洲，Mozilla 指向了一条更有防御力的路径：在基础模型之上建设部署平台、编排与路由、评测、可观测性、合规自动化、网络安全、身份与访问控制，以及面向特定行业的企业产品。要让强大的模型在真实组织中稳定运行，恰恰需要这些能力。12

“开放权重”不等于“真正开源”

Mozilla 最重要的提醒之一，是概念不能混用。除非另有说明，报告中的“开放”通常指模型权重可以下载；这并不等同于一个完整的开源 AI 系统。

Mozilla 对 16 个重要模型发布的审视发现，没有一个提供达到开源倡议组织（OSI）定义所需的完整训练数据配方。其中 3 个只提供了部分、且受访问限制的数据，另外 13 个没有提供数据。12

报告将瑞士列为一个较特殊的反例：当地公共联盟发布了一款本国训练模型的权重、数据和训练代码。与只发布权重相比，这种更完整的发布方式提供了更高程度的可检查性与可复现性。12

因此，采购方和政策制定者应当具体询问：究竟开放了哪些内容——模型权重、训练代码、数据文档、评测结果、许可证条款，以及修改与再分发权利。“开放”这个标签本身，并不能回答这些问题。

难点已转移到“部署底座”

Mozilla 对运营层面的挑战总结得很直接：“决策已从模型转向部署底座。”12

一个可用于生产环境的 AI 系统，远不止一组可下载的模型参数。它还需要模型路由、状态管理、评测、监控、安全控制、数据处理、审计能力、事件响应和合规流程。组织即使自行托管模型，也可能难以让它以可接受的成本，在大规模场景下保持可靠与安全。

因此，基准测试上的小幅差距，并不意味着开放权重能直接替代托管式 API。模型本身也许触手可及，但围绕模型运行的整套 AI 操作体系，依然难以搭建和维护。

技术主权是重要应用场景

开放权重系统能让政府和组织对模型运行地点、数据处理方式、升级管理以及服务连续性拥有更大控制权，减少对单一外部 API 供应商的依赖。这对敏感数据、本地语言需求、强监管业务和韧性规划尤为重要。12

当然，这不等于完全独立。本地部署仍可能依赖芯片、云端算力、模型服务软件及其他上游供应商；但开放权重确实扩大了组织在所有权、部署方式和业务连续性方面的选择空间。

Mozilla 报告中的英国案例是 Cosine 提议的 Lumen Sovereign。该项目获得英国 5 亿英镑“主权 AI”计划支持，计划在 Isambard-AI 上训练，并与 13 家受监管行业组织共同设计。Cosine 表示，模型目标是在 2026 年底前完成，并部署于隔离网络和高安全环境中。1321

更低门槛可能改变企业竞争方式

Mozilla 认为，高效架构可降低推理和硬件需求，而后训练、奖励机制设计、领域数据和强化学习环境，会成为更重要的差异化来源。12

若这一趋势延续，规模较小的企业未必需要反复投入前沿级预训练，才能做出有价值的 AI 产品。它们可以通过专门化训练环境、高质量领域工作流，以及值得信赖的部署系统来竞争。

开放不意味着免除监管责任

Mozilla 还提出一项政策担忧：以算力为基础设定系统性风险门槛，可能无法准确衡量高效稀疏模型的能力。某个模型即便实际展现出很高能力，也可能因使用的活跃算力较少，而被较简单的衡量框架低估。13

同时，采用开放模型并不能让组织免于监管。若组织将开放模型改造用于高风险场景，仍须承担相应的合规义务。12

对 AI 采购方意味着什么

Mozilla 的证据支持一个务实判断：对许多工作负载而言，开放权重 AI 已是值得优先评估的选择，尤其当成本控制、本地部署、定制化或技术主权很重要时。但选择模型只是开始。

持久的竞争优势越来越位于模型周边：数据治理、工作流设计、评测、安全、可观测性和监管准备。开放权重让高能力模型更容易获得，却没有让生产级 AI 变得简单。12

Mozilla 在 2026 年 9 月发布的《开放源代码 AI 状况》报告认为，开放权重 AI 已成为闭源模型 API 在商业和技术层面都不可忽视的替代方案。报告的核心并不是宣称开放模型已经超越最前沿闭源模型，而是指出：竞争重点正逐步从“能否拿到足够强的模型权重”，转向“能否把模型部署、治理并整合进组织的实际业务”。12

能力与成本差距正在收窄

Mozilla 的 9 月数据快照显示，领先开放权重模型已逼近顶级闭源系统。在 Artificial Analysis Intelligence Index 上，Kimi K3 和 GLM-5.3 均为 60 分，Claude Opus 5 为 63 分。报告还称，K3 比 Claude Fable 5 低 2 分，但其输入 Token 价格仅为后者的 30%。与 Epoch 的能力指数对照后，Mozilla 将剩余差距概括为约一个发布周期，即大约 4 个月。12

这对并非每一项任务都必须调用“最强模型”的团队意义很大：能力接近前沿、成本更低，且可在自选环境中运行的模型，会扩大组织能够自行构建和掌控的 AI 应用范围。

用量表明，开放权重已进入主流选择

模型路由数据也显示出开放权重的广泛使用。Mozilla 在其 2026 年整体观察中称，开放权重模型约占 Token 用量的三分之一。OpenRouter 在 8 月的统计窗口内，按 Token 用量排名前 10 的模型有 8 个是开放权重，其中 8 个里的 7 个由中国团队开发；DeepSeek 也成为首个在 OpenRouter 请求量上领先的开放模型。12

不过，这些指标不能直接等同于所有行业都已完成生产级部署。Token 用量反映的是使用、试验和路由行为，并不必然代表模型已进入高风险企业流程。Mozilla 的证据更准确地说明：开放模型已被大量采用，但闭源供应商在成熟的一站式生产服务上仍具优势。12

中国领跑开放权重前沿，欧洲的机会在模型之上

Mozilla 的比较中，开放权重领先阵营主要由中国开发者主导，包括 Kimi K3、GLM-5.3 和 Qwen 3.8。其前 10 名中，第 5 至第 8 位有 4 个开放模型。12

欧洲并未缺席，Mistral 仍是重要的区域开发者；但在这项比较中，其位置低于领先的中国开放权重系统。报告同时提醒，许可证细节不可忽略：Mistral Medium 3.5 使用的是带营收限制条款的修订版 MIT 许可证，而不是不受限制的 MIT 许可证。12

对于欧洲，Mozilla 指向了一条更有防御力的路径：在基础模型之上建设部署平台、编排与路由、评测、可观测性、合规自动化、网络安全、身份与访问控制，以及面向特定行业的企业产品。要让强大的模型在真实组织中稳定运行，恰恰需要这些能力。12

“开放权重”不等于“真正开源”

Mozilla 最重要的提醒之一，是概念不能混用。除非另有说明，报告中的“开放”通常指模型权重可以下载；这并不等同于一个完整的开源 AI 系统。

Mozilla 对 16 个重要模型发布的审视发现，没有一个提供达到开源倡议组织（OSI）定义所需的完整训练数据配方。其中 3 个只提供了部分、且受访问限制的数据，另外 13 个没有提供数据。12

报告将瑞士列为一个较特殊的反例：当地公共联盟发布了一款本国训练模型的权重、数据和训练代码。与只发布权重相比，这种更完整的发布方式提供了更高程度的可检查性与可复现性。12

因此，采购方和政策制定者应当具体询问：究竟开放了哪些内容——模型权重、训练代码、数据文档、评测结果、许可证条款，以及修改与再分发权利。“开放”这个标签本身，并不能回答这些问题。

难点已转移到“部署底座”

Mozilla 对运营层面的挑战总结得很直接：“决策已从模型转向部署底座。”12

一个可用于生产环境的 AI 系统，远不止一组可下载的模型参数。它还需要模型路由、状态管理、评测、监控、安全控制、数据处理、审计能力、事件响应和合规流程。组织即使自行托管模型，也可能难以让它以可接受的成本，在大规模场景下保持可靠与安全。

因此，基准测试上的小幅差距，并不意味着开放权重能直接替代托管式 API。模型本身也许触手可及，但围绕模型运行的整套 AI 操作体系，依然难以搭建和维护。

技术主权是重要应用场景

开放权重系统能让政府和组织对模型运行地点、数据处理方式、升级管理以及服务连续性拥有更大控制权，减少对单一外部 API 供应商的依赖。这对敏感数据、本地语言需求、强监管业务和韧性规划尤为重要。12

当然，这不等于完全独立。本地部署仍可能依赖芯片、云端算力、模型服务软件及其他上游供应商；但开放权重确实扩大了组织在所有权、部署方式和业务连续性方面的选择空间。

Mozilla 报告中的英国案例是 Cosine 提议的 Lumen Sovereign。该项目获得英国 5 亿英镑“主权 AI”计划支持，计划在 Isambard-AI 上训练，并与 13 家受监管行业组织共同设计。Cosine 表示，模型目标是在 2026 年底前完成，并部署于隔离网络和高安全环境中。1321

更低门槛可能改变企业竞争方式

Mozilla 认为，高效架构可降低推理和硬件需求，而后训练、奖励机制设计、领域数据和强化学习环境，会成为更重要的差异化来源。12

若这一趋势延续，规模较小的企业未必需要反复投入前沿级预训练，才能做出有价值的 AI 产品。它们可以通过专门化训练环境、高质量领域工作流，以及值得信赖的部署系统来竞争。

开放不意味着免除监管责任

Mozilla 还提出一项政策担忧：以算力为基础设定系统性风险门槛，可能无法准确衡量高效稀疏模型的能力。某个模型即便实际展现出很高能力，也可能因使用的活跃算力较少，而被较简单的衡量框架低估。13

同时，采用开放模型并不能让组织免于监管。若组织将开放模型改造用于高风险场景，仍须承担相应的合规义务。12

对 AI 采购方意味着什么

Mozilla 的证据支持一个务实判断：对许多工作负载而言，开放权重 AI 已是值得优先评估的选择，尤其当成本控制、本地部署、定制化或技术主权很重要时。但选择模型只是开始。

持久的竞争优势越来越位于模型周边：数据治理、工作流设计、评测、安全、可观测性和监管准备。开放权重让高能力模型更容易获得，却没有让生产级 AI 变得简单。12