Mozilla 在 2026 年 9 月發布的《State of Open Source AI》報告指出，開放權重（open-weight）AI 已由技術圈的實驗選項，變成具商業及技術份量的替代方案。不過，報告的重點不是開放模型已經超越前沿封閉模型，而是競爭焦點正轉移：企業能否部署、治理及整合模型，愈來愈比能否取得模型權重更重要。12

能力與成本差距正在收窄

Mozilla 的 9 月快照顯示，Kimi K3 和 GLM-5.3 在 Artificial Analysis Intelligence Index 均得 60 分，Claude Opus 5 為 63 分。K3 比 Claude Fable 5 少 2 分，但輸入 token 定價只是後者約 30%。以 Epoch 的能力指數比較，餘下差距約為一個模型發布週期，即大約 4 個月。12

這對不需要每項任務都追求最強模型的團隊尤其重要。接近前沿、成本較低，又可在自己選定環境運行的模型，讓機構多了建立及掌控 AI 系統的選擇。

用量反映：開放權重已走入主流

模型路由平台的數據可見採用程度。Mozilla 指，在其較廣泛的 2026 年觀察中，開放權重約佔 token 用量三分之一。OpenRouter 在 8 月的統計則顯示，按 token 用量計十大模型之中有 8 個是開放權重，當中 7 個由中國團隊開發；DeepSeek 亦成為首個在 OpenRouter 按請求數量居首的開放模型。12

但這些數字不應被解讀成所有企業都已成熟落地。Token 用量量度的是使用、實驗與路由行為，未必等同已在高風險企業流程中大規模部署。Mozilla 的證據是：開放模型已獲廣泛使用，但封閉供應商在即開即用、較成熟的生產級服務方面仍具優勢。12

中國領跑開放權重前沿，歐洲機會在模型之上

Mozilla 的比較中，開放權重領先者主要來自中國，包括 Kimi K3、GLM-5.3 和 Qwen 3.8；其十大排名的第 5 至第 8 位均為開放模型。12

歐洲並非缺席，Mistral 是重要的區內開發商，但在這項比較下仍落後於中國領先的開放權重系統。報告亦提醒授權條款不能一概而論：Mistral Medium 3.5 使用經修改的 MIT 授權，設有收入相關限制，並非毫無限制的 MIT 授權。12

對歐洲來說，較具防守力的機會可能不在基礎模型本身，而在其上層的部署平台、編排與路由、評估、可觀測性、合規自動化、網絡保安、身分及存取控制，以及針對企業的垂直產品。這些才是令強大模型可在真實機構中可靠運作的必要條件。12

「開放權重」不等於「真正開源」

Mozilla 特別提醒，報告中的「開放」一般是指模型權重可供下載，除非另有說明；這不等同一個完整開源的 AI 系統。

Mozilla 檢視 16 個重要模型發布後發現，沒有一個提供符合 Open Source Initiative 定義所需的完整數據配方；3 個只提供部分、且受限制取得的數據，另外 13 個完全沒有提供數據。12

報告以瑞士作為較罕見的對照例子：當地一個公共聯盟發布了國家級訓練模型的權重、數據和訓練程式碼。相比只釋出權重，這種發布方式具備更高的可檢查性與可重現性。12

因此，採購者和政策制定者不應只問模型是否「open」，而要逐項問清楚：有沒有權重、訓練程式碼、數據文件、評估結果；授權條款為何；可否修改及再分發。

最難的已是模型外圍那套「harness」

Mozilla 的概括相當直接：「決定已由模型轉移到 harness。」12

要把 AI 變成可用的生產系統，下載模型並不足夠。當中還要處理模型路由、狀態管理、評估、監察、保安控制、數據處理、審計能力、事故應對和合規流程。即使自行託管模型，機構仍可能難以在規模化情況下做到可靠、經濟及安全。

所以，基準測試上的細小差距，不代表開放權重可以直接取代受管 API。模型雖然攞得到，但圍繞 AI 的整套營運系統，仍然難建、難維護。

數碼主權成為重要應用理由

開放權重系統可讓政府和機構對模型在哪裏運行、如何處理資料、如何升級，以及能否在不依賴單一外部 API 供應商下持續運作，掌握更多控制權。對敏感資料、本地語言需求、受監管工作負載及韌性規劃而言，這些選項尤其重要。12

這不等於完全獨立。地端部署仍可能依賴晶片、雲端容量、模型服務軟件及其他上游供應商；不過，開放權重確實擴大了機構在擁有權、部署方式與服務延續上的選擇。

Mozilla 報告提到英國的例子：Cosine 提出的 Lumen Sovereign，獲英國 5 億英鎊 Sovereign AI 計劃支持，擬於 Isambard-AI 訓練，並由 13 個受監管行業機構共同設計。Cosine 表示，模型目標是在 2026 年底完成，並可部署於隔離網絡（air-gapped）等高保安環境。1321

門檻下降，競爭位置或會重排

Mozilla 認為，較高效率的架構可降低推理及硬件需求；另一方面，後訓練、獎勵設計、領域數據與強化學習環境，會愈來愈成為差異化來源。12

如果這個趨勢延續，較小型公司未必需要反覆籌集足以進行前沿級預訓練的巨額資金，亦可透過專門訓練環境、優質行業工作流程及可信部署系統，建立有價值的 AI 產品。

開放不代表毋須合規

Mozilla 亦提出政策層面的疑問：以運算量訂立的系統性風險門檻，未必能準確反映高效率稀疏模型的能力。模型可能以較少活躍運算量達到很高能力，但簡化的衡量框架未必看得出。13

同時，使用開放模型並不會豁免監管責任。機構若把開放模型改造用於高風險用途，仍須履行相關合規義務。12

對 AI 採購者的意思：先評估模型，後更要評估落地能力

Mozilla 的資料支持一個務實結論：若成本控制、本地部署、客製化或數碼主權是關鍵，開放權重 AI 已值得成為許多工作負載的預設評估選項。但揀模型只是起點。

可持續的優勢，愈來愈在模型周邊：數據治理、工作流程設計、評估、安全、可觀測性與監管準備。開放權重令高能力 AI 更容易取得，卻沒有令生產級 AI 變得簡單。12

Mozilla 在 2026 年 9 月發布的《State of Open Source AI》報告指出，開放權重（open-weight）AI 已由技術圈的實驗選項，變成具商業及技術份量的替代方案。不過，報告的重點不是開放模型已經超越前沿封閉模型，而是競爭焦點正轉移：企業能否部署、治理及整合模型，愈來愈比能否取得模型權重更重要。12

能力與成本差距正在收窄

Mozilla 的 9 月快照顯示，Kimi K3 和 GLM-5.3 在 Artificial Analysis Intelligence Index 均得 60 分，Claude Opus 5 為 63 分。K3 比 Claude Fable 5 少 2 分，但輸入 token 定價只是後者約 30%。以 Epoch 的能力指數比較，餘下差距約為一個模型發布週期，即大約 4 個月。12

這對不需要每項任務都追求最強模型的團隊尤其重要。接近前沿、成本較低，又可在自己選定環境運行的模型，讓機構多了建立及掌控 AI 系統的選擇。

用量反映：開放權重已走入主流

模型路由平台的數據可見採用程度。Mozilla 指，在其較廣泛的 2026 年觀察中，開放權重約佔 token 用量三分之一。OpenRouter 在 8 月的統計則顯示，按 token 用量計十大模型之中有 8 個是開放權重，當中 7 個由中國團隊開發；DeepSeek 亦成為首個在 OpenRouter 按請求數量居首的開放模型。12

但這些數字不應被解讀成所有企業都已成熟落地。Token 用量量度的是使用、實驗與路由行為，未必等同已在高風險企業流程中大規模部署。Mozilla 的證據是：開放模型已獲廣泛使用，但封閉供應商在即開即用、較成熟的生產級服務方面仍具優勢。12

中國領跑開放權重前沿，歐洲機會在模型之上

Mozilla 的比較中，開放權重領先者主要來自中國，包括 Kimi K3、GLM-5.3 和 Qwen 3.8；其十大排名的第 5 至第 8 位均為開放模型。12

歐洲並非缺席，Mistral 是重要的區內開發商，但在這項比較下仍落後於中國領先的開放權重系統。報告亦提醒授權條款不能一概而論：Mistral Medium 3.5 使用經修改的 MIT 授權，設有收入相關限制，並非毫無限制的 MIT 授權。12

對歐洲來說，較具防守力的機會可能不在基礎模型本身，而在其上層的部署平台、編排與路由、評估、可觀測性、合規自動化、網絡保安、身分及存取控制，以及針對企業的垂直產品。這些才是令強大模型可在真實機構中可靠運作的必要條件。12

「開放權重」不等於「真正開源」

Mozilla 特別提醒，報告中的「開放」一般是指模型權重可供下載，除非另有說明；這不等同一個完整開源的 AI 系統。

Mozilla 檢視 16 個重要模型發布後發現，沒有一個提供符合 Open Source Initiative 定義所需的完整數據配方；3 個只提供部分、且受限制取得的數據，另外 13 個完全沒有提供數據。12

報告以瑞士作為較罕見的對照例子：當地一個公共聯盟發布了國家級訓練模型的權重、數據和訓練程式碼。相比只釋出權重，這種發布方式具備更高的可檢查性與可重現性。12

因此，採購者和政策制定者不應只問模型是否「open」，而要逐項問清楚：有沒有權重、訓練程式碼、數據文件、評估結果；授權條款為何；可否修改及再分發。

最難的已是模型外圍那套「harness」

Mozilla 的概括相當直接：「決定已由模型轉移到 harness。」12

要把 AI 變成可用的生產系統，下載模型並不足夠。當中還要處理模型路由、狀態管理、評估、監察、保安控制、數據處理、審計能力、事故應對和合規流程。即使自行託管模型，機構仍可能難以在規模化情況下做到可靠、經濟及安全。

所以，基準測試上的細小差距，不代表開放權重可以直接取代受管 API。模型雖然攞得到，但圍繞 AI 的整套營運系統，仍然難建、難維護。

數碼主權成為重要應用理由

開放權重系統可讓政府和機構對模型在哪裏運行、如何處理資料、如何升級，以及能否在不依賴單一外部 API 供應商下持續運作，掌握更多控制權。對敏感資料、本地語言需求、受監管工作負載及韌性規劃而言，這些選項尤其重要。12

這不等於完全獨立。地端部署仍可能依賴晶片、雲端容量、模型服務軟件及其他上游供應商；不過，開放權重確實擴大了機構在擁有權、部署方式與服務延續上的選擇。

Mozilla 報告提到英國的例子：Cosine 提出的 Lumen Sovereign，獲英國 5 億英鎊 Sovereign AI 計劃支持，擬於 Isambard-AI 訓練，並由 13 個受監管行業機構共同設計。Cosine 表示，模型目標是在 2026 年底完成，並可部署於隔離網絡（air-gapped）等高保安環境。1321

門檻下降，競爭位置或會重排

Mozilla 認為，較高效率的架構可降低推理及硬件需求；另一方面，後訓練、獎勵設計、領域數據與強化學習環境，會愈來愈成為差異化來源。12

如果這個趨勢延續，較小型公司未必需要反覆籌集足以進行前沿級預訓練的巨額資金，亦可透過專門訓練環境、優質行業工作流程及可信部署系統，建立有價值的 AI 產品。

開放不代表毋須合規

Mozilla 亦提出政策層面的疑問：以運算量訂立的系統性風險門檻，未必能準確反映高效率稀疏模型的能力。模型可能以較少活躍運算量達到很高能力，但簡化的衡量框架未必看得出。13

同時，使用開放模型並不會豁免監管責任。機構若把開放模型改造用於高風險用途，仍須履行相關合規義務。12

對 AI 採購者的意思：先評估模型，後更要評估落地能力

Mozilla 的資料支持一個務實結論：若成本控制、本地部署、客製化或數碼主權是關鍵，開放權重 AI 已值得成為許多工作負載的預設評估選項。但揀模型只是起點。

可持續的優勢，愈來愈在模型周邊：數據治理、工作流程設計、評估、安全、可觀測性與監管準備。開放權重令高能力 AI 更容易取得，卻沒有令生產級 AI 變得簡單。12