Mozilla 在 2026 年 9 月發布的《State of Open Source AI》報告傳達了一個清楚訊息：開放權重（open-weight）AI 已經不是實驗性替代方案，而是足以納入商業與技術決策的選項。

不過，這不代表開放模型已全面超越最強的閉源模型。報告的重點在於，企業面對的競爭問題正在改變：與其問「拿不拿得到夠強的模型」，現在更該問「能不能把模型安全、穩定、經濟地部署到實際工作流程」。12

能力差距收窄，成本優勢更顯著

Mozilla 的 9 月快照顯示，Kimi K3 與 GLM-5.3 在 Artificial Analysis Intelligence Index 均獲得 60 分，Claude Opus 5 則為 63 分。K3 比 Claude Fable 5 少 2 分，但其輸入 token 價格約為後者的 30%。依 Mozilla 對 Epoch 能力指數的比較，剩餘差距約相當於一個模型發布週期，也就是大約 4 個月。12

這對不必在每一項任務都追求「全市場最強模型」的團隊尤其重要。當模型已接近前沿、成本較低，且可在自行選擇的環境執行，企業便能擁有更多客製化、控管與部署上的選擇。

使用量證明：開放權重已進入主流

從模型路由平台的數據來看，開放權重模型已獲得大量實際使用。Mozilla 指出，在其較廣泛的 2026 年觀察中，開放權重約占 token 用量的三分之一；而在 OpenRouter 的 8 月統計期間，按 token 用量計算的前 10 大模型中，有 8 個屬於開放權重，其中 7 個由中國團隊開發。DeepSeek 更成為第一個在 OpenRouter 請求數量上居首的開放模型。12

但這不應被解讀為所有企業都已完成生產環境導入。Token 用量反映的是使用、測試與路由行為，未必代表已用於高風險或核心業務流程。Mozilla 的結論是：開放模型已被廣泛採用，但閉源業者在成熟、即用型的生產服務上仍具優勢。12

中國領先開放權重前沿，歐洲的機會在模型之上

Mozilla 的比較中，開放權重前沿主要由中國開發者主導，包括 Kimi K3、GLM-5.3 與 Qwen 3.8；其排行榜前 10 名中的第 5 至第 8 位均為開放模型。12

歐洲並非缺席，Mistral 仍是重要的區域模型開發商；不過，在這份比較中，其位置落後於領先的中國開放權重系統。報告也特別提醒授權差異：Mistral Medium 3.5 採用附帶營收限制條款的修改版 MIT 授權，而非不受此限制的 MIT 授權。12

對歐洲而言，較具防禦力的機會可能不在基礎模型本身，而在模型之上的實務層：部署平台、工作流程編排、模型路由、評測、可觀測性、合規自動化、資安、身分與存取控管，以及特定產業的企業產品。這些能力才是讓強大模型能在組織內可靠運作的關鍵。12

「開放權重」不等於「完整開源」

Mozilla 報告最值得注意的提醒之一，是定義問題。報告中「開放」通常是指模型權重可供下載，除非另有說明；這與完整的開源 AI 系統並不相同。

Mozilla 審查 16 個重要模型發布後發現，沒有任何一個提供 Open Source Initiative 定義所要求的完整訓練資料配方；其中 3 個僅提供部分且受管制的資料，另有 13 個完全未提供資料。12

瑞士則是報告提到的少見對照案例：一個公共聯盟發布了國家級訓練模型的權重、資料與訓練程式碼。相較於僅公開權重，這類釋出方式提供更高程度的可檢視性與可重現性。12

因此，採購方與政策制定者不應只問模型是否「開放」，而應進一步確認：是否有權重、訓練程式碼、資料文件、評測結果、授權條款，以及修改與再散布的權利。單靠「開放」一詞，無法回答這些實務問題。

最難的部分是模型周邊的「部署底座」

Mozilla 用一句話概括當前局面：「決策已從模型移到部署底座（harness）。」12

一套可正式上線的 AI 系統，不是下載模型就完成。它還需要模型路由、狀態管理、評測、監控、資安控制、資料處理、稽核能力、事故應變與合規流程。即使組織自行託管模型，仍可能難以讓系統在大規模使用下維持可靠、經濟與安全。

這也是為什麼基準測試上的小幅差距，並不會讓開放權重模型自動成為託管 API 的直接替代品。模型權重或許容易取得，但把 AI 穩定運作所需的整套工程與治理能力，仍然難以建立及長期維護。

技術主權成為重要使用情境

開放權重系統可讓政府與組織更能掌握模型在哪裡執行、資料如何處理、更新如何管理，以及在不依賴單一外部 API 供應商下能否持續服務。這對敏感資料、在地語言需求、受監管工作負載與韌性規劃都很重要。12

當然，這不代表完全獨立。地端部署仍可能依賴晶片、雲端容量、模型服務軟體與其他上游供應商；但開放權重確實擴大了組織在所有權、部署位置與服務延續性上的選項。

Mozilla 報告中的英國案例是 Cosine 提出的 Lumen Sovereign。該專案獲英國 5 億英鎊「Sovereign AI」計畫支持，規劃在 Isambard-AI 上訓練，並與 13 個受監管產業組織共同設計。Cosine 表示，模型目標是在 2026 年底前完成，並可部署於與外網實體隔離的高安全環境。1321

門檻降低，競爭可能轉往專業化能力

Mozilla 認為，更有效率的架構可降低推論與硬體需求；相對地，後訓練、獎勵設計、領域資料與強化學習環境，將更可能成為差異化來源。12

若這一趨勢延續，較小型公司未必需要一次又一次投入前沿級預訓練的龐大資金，仍可透過專業訓練環境、高品質領域工作流程與可信賴的部署系統，打造有價值的 AI 產品。

開放不代表可以免除監管責任

Mozilla 也提出一項政策疑慮：以算力為基礎的系統性風險門檻，未必能正確衡量高效率稀疏模型的能力。模型可能以較低的活躍算力提供高能力表現，因而不符合較簡化的測量框架所預期的風險輪廓。13

同時，採用開放模型不會讓組織免於法規責任。若組織將開放模型調整用於高風險情境，依然必須履行相關合規義務。12

對 AI 採購者的意義

Mozilla 的證據支持一個務實結論：對許多工作負載而言，開放權重 AI 現在已是值得優先評估的選項，尤其在成本控制、地端部署、客製化或技術主權至關重要時。

但選模型只是起點。長期優勢愈來愈集中在模型周邊：資料治理、工作流程設計、評測、安全、可觀測性與法規整備。開放權重讓高能力模型更容易取得，卻沒有讓生產級 AI 變得簡單。12

Mozilla 在 2026 年 9 月發布的《State of Open Source AI》報告傳達了一個清楚訊息：開放權重（open-weight）AI 已經不是實驗性替代方案，而是足以納入商業與技術決策的選項。

不過，這不代表開放模型已全面超越最強的閉源模型。報告的重點在於，企業面對的競爭問題正在改變：與其問「拿不拿得到夠強的模型」，現在更該問「能不能把模型安全、穩定、經濟地部署到實際工作流程」。12

能力差距收窄，成本優勢更顯著

Mozilla 的 9 月快照顯示，Kimi K3 與 GLM-5.3 在 Artificial Analysis Intelligence Index 均獲得 60 分，Claude Opus 5 則為 63 分。K3 比 Claude Fable 5 少 2 分，但其輸入 token 價格約為後者的 30%。依 Mozilla 對 Epoch 能力指數的比較，剩餘差距約相當於一個模型發布週期，也就是大約 4 個月。12

這對不必在每一項任務都追求「全市場最強模型」的團隊尤其重要。當模型已接近前沿、成本較低，且可在自行選擇的環境執行，企業便能擁有更多客製化、控管與部署上的選擇。

使用量證明：開放權重已進入主流

從模型路由平台的數據來看，開放權重模型已獲得大量實際使用。Mozilla 指出，在其較廣泛的 2026 年觀察中，開放權重約占 token 用量的三分之一；而在 OpenRouter 的 8 月統計期間，按 token 用量計算的前 10 大模型中，有 8 個屬於開放權重，其中 7 個由中國團隊開發。DeepSeek 更成為第一個在 OpenRouter 請求數量上居首的開放模型。12

但這不應被解讀為所有企業都已完成生產環境導入。Token 用量反映的是使用、測試與路由行為，未必代表已用於高風險或核心業務流程。Mozilla 的結論是：開放模型已被廣泛採用，但閉源業者在成熟、即用型的生產服務上仍具優勢。12

中國領先開放權重前沿，歐洲的機會在模型之上

Mozilla 的比較中，開放權重前沿主要由中國開發者主導，包括 Kimi K3、GLM-5.3 與 Qwen 3.8；其排行榜前 10 名中的第 5 至第 8 位均為開放模型。12

歐洲並非缺席，Mistral 仍是重要的區域模型開發商；不過，在這份比較中，其位置落後於領先的中國開放權重系統。報告也特別提醒授權差異：Mistral Medium 3.5 採用附帶營收限制條款的修改版 MIT 授權，而非不受此限制的 MIT 授權。12

對歐洲而言，較具防禦力的機會可能不在基礎模型本身，而在模型之上的實務層：部署平台、工作流程編排、模型路由、評測、可觀測性、合規自動化、資安、身分與存取控管，以及特定產業的企業產品。這些能力才是讓強大模型能在組織內可靠運作的關鍵。12

「開放權重」不等於「完整開源」

Mozilla 報告最值得注意的提醒之一，是定義問題。報告中「開放」通常是指模型權重可供下載，除非另有說明；這與完整的開源 AI 系統並不相同。

Mozilla 審查 16 個重要模型發布後發現，沒有任何一個提供 Open Source Initiative 定義所要求的完整訓練資料配方；其中 3 個僅提供部分且受管制的資料，另有 13 個完全未提供資料。12

瑞士則是報告提到的少見對照案例：一個公共聯盟發布了國家級訓練模型的權重、資料與訓練程式碼。相較於僅公開權重，這類釋出方式提供更高程度的可檢視性與可重現性。12

因此，採購方與政策制定者不應只問模型是否「開放」，而應進一步確認：是否有權重、訓練程式碼、資料文件、評測結果、授權條款，以及修改與再散布的權利。單靠「開放」一詞，無法回答這些實務問題。

最難的部分是模型周邊的「部署底座」

Mozilla 用一句話概括當前局面：「決策已從模型移到部署底座（harness）。」12

一套可正式上線的 AI 系統，不是下載模型就完成。它還需要模型路由、狀態管理、評測、監控、資安控制、資料處理、稽核能力、事故應變與合規流程。即使組織自行託管模型，仍可能難以讓系統在大規模使用下維持可靠、經濟與安全。

這也是為什麼基準測試上的小幅差距，並不會讓開放權重模型自動成為託管 API 的直接替代品。模型權重或許容易取得，但把 AI 穩定運作所需的整套工程與治理能力，仍然難以建立及長期維護。

技術主權成為重要使用情境

開放權重系統可讓政府與組織更能掌握模型在哪裡執行、資料如何處理、更新如何管理，以及在不依賴單一外部 API 供應商下能否持續服務。這對敏感資料、在地語言需求、受監管工作負載與韌性規劃都很重要。12

當然，這不代表完全獨立。地端部署仍可能依賴晶片、雲端容量、模型服務軟體與其他上游供應商；但開放權重確實擴大了組織在所有權、部署位置與服務延續性上的選項。

Mozilla 報告中的英國案例是 Cosine 提出的 Lumen Sovereign。該專案獲英國 5 億英鎊「Sovereign AI」計畫支持，規劃在 Isambard-AI 上訓練，並與 13 個受監管產業組織共同設計。Cosine 表示，模型目標是在 2026 年底前完成，並可部署於與外網實體隔離的高安全環境。1321

門檻降低，競爭可能轉往專業化能力

Mozilla 認為，更有效率的架構可降低推論與硬體需求；相對地，後訓練、獎勵設計、領域資料與強化學習環境，將更可能成為差異化來源。12

若這一趨勢延續，較小型公司未必需要一次又一次投入前沿級預訓練的龐大資金，仍可透過專業訓練環境、高品質領域工作流程與可信賴的部署系統，打造有價值的 AI 產品。

開放不代表可以免除監管責任

Mozilla 也提出一項政策疑慮：以算力為基礎的系統性風險門檻，未必能正確衡量高效率稀疏模型的能力。模型可能以較低的活躍算力提供高能力表現，因而不符合較簡化的測量框架所預期的風險輪廓。13

同時，採用開放模型不會讓組織免於法規責任。若組織將開放模型調整用於高風險情境，依然必須履行相關合規義務。12

對 AI 採購者的意義

Mozilla 的證據支持一個務實結論：對許多工作負載而言，開放權重 AI 現在已是值得優先評估的選項，尤其在成本控制、地端部署、客製化或技術主權至關重要時。

但選模型只是起點。長期優勢愈來愈集中在模型周邊：資料治理、工作流程設計、評測、安全、可觀測性與法規整備。開放權重讓高能力模型更容易取得，卻沒有讓生產級 AI 變得簡單。12