开源AI价格崩了50倍但部署成功率低12%，闭源正在焊死护城河
内容提要
开源AI正成为生产主力，推理成本三年降50倍，中国模型流量超美国三倍。但部署成功率低，闭源在集成、长上下文、合规上领先。开源生态经济规模达千亿美元，中国是最大权重来源。未来机会在开源harness、记忆层、权限标准等领域，窗口期有限。
延伸解读
开源与闭源的真实差距：能力接近，部署是分水岭
文章指出，开源模型在编程、指令遵循等任务上已与闭源持平，差距集中在推理、长上下文和代理化任务。但更关键的是部署成功率：开源团队仅51%能上线，闭源为63%，大公司差距更明显（57% vs 73%）。这并非模型能力问题，而是工具链、集成和运维支持不足。开发者弃坑主因是性能、集成困难和维护麻烦，而非成本或安全。
成本优势显著，但闭源在关键领域仍领先
推理成本三年降50倍，开源API比闭源便宜约6倍，自托管可进一步降本（如Stripe砍73%）。但闭源在集成harness、百万token长上下文保真度（Gemini 3达89%，DeepSeek V4-Pro仅41%）、开箱即用的合规（SOC 2、HIPAA）和问责性上领先。这些差距中，长上下文是模型问题，需开源实验室自身努力；合规和问责可通过合同解决。
agent harness成为新战场，闭源正构建护城河
文章强调，agentic harness（编排、工具、记忆、权限）是生产难点，也是开源与闭源竞争的新焦点。前沿实验室已把harness收回内部，与自家权重深度耦合，形成锁定效应。Terminal-Bench 2.1显示，实验室自有harness比第三方高出约3个点，而开源模型没有第一方harness回应。但中性harness下，最强开源GLM 5.2仅比Claude Opus 4.8低约4个点，成本仅五分之一，说明开源仍有潜力。
开源生态的机遇与风险：窗口期有限
文章提出五个投资机会：构建开源harness、拥有记忆层、解决可移植权限问题、打碎计费表、保持开源多元。同时警告风险：若token份额停滞、推理差距扩大、实验室harness领先扩大或闭源先定权限标准，窗口将关闭。开源经济规模达千亿美元，但依赖主权资金和商业支持。中国是最大权重来源，但地缘政治限制可能影响扩散。
Q&A
开源AI与闭源AI在能力上的差距有多大？
根据Chatbot Arena数据，2024年1月开放与闭源的能力差距为8.04%，到2024年8月缩小到0.5%，2026年3月差距重新扩大到3.3%。但这一差距是平均值，掩盖了领域差异：开放权重在编程、指令遵循和通用知识上已持平或反超，差距主要集中在推理、长上下文检索和代理化任务。
为什么开源模型部署成功率低于闭源模型？
根据Mozilla和SlashData的开发者调查，开源模型团队只有51%能将模型部署到生产环境，而闭源团队为63%。主要原因是集成到现有系统困难、维护和更新麻烦、文档不足、部署托管扩容困难等运维问题，而非模型能力不足。大公司能花钱解决闭源部署问题，但开源部署的工具链尚不成熟。
开源AI技术栈中哪些层级表现最好，哪些最差？
开源AI技术栈中表现最好的是机器学习框架层（4.6分）和支持库层（4.6分），推理代码层也较高（4.3分）。表现最差的是硬件芯片层（2.1分）、固件驱动层（2.8分）和权限模型（1.7分）。整体上，标准化和企业就绪度是各层级的短板，导致运维困难。
开源AI有哪些已验证的商业模式？
开源AI有五种已验证的商业模式：托管推理、企业平台、本地部署授权、微调服务和agent工具链。这些模式已被Databricks、Mistral、DeepSeek等公司验证，并吸引了Nvidia、Salesforce、AMD等投资。
为什么说开源权重是退出权？
开源权重被视为退出权，因为闭源模型API存在供应商锁定风险，如价格变动、服务中断等。例如，Anthropic因出口管制切断访问，导致依赖其模型的服务中断。而开源权重可以自托管，不受供应商控制，提供了退路。云时代已有类似教训，如从AWS S3迁移数据成本高昂。
中国在开源AI领域扮演什么角色？
中国是全球最大的开源权重来源，阿里Qwen在Hugging Face上累计下载9.42亿次，超过Meta Llama的4.76亿次。OpenRouter上中国开源模型的token份额从2024年底不到2%涨到2026年4月的45%以上。中国国务院的“AI+”倡议将开源扩散作为核心指令，同时开源权重也是对半导体出口管制的宏观对冲。
agent harness是什么？为什么它成为新的战场？
agent harness是包含编排循环、工具、记忆、沙箱和权限模型的系统，用于管理AI代理。它成为新战场是因为闭源实验室通过将harness与自家权重紧密集成，形成护城河，如Claude Code。开源模型缺乏第一方harness，但中性harness测试显示能力差距不大，价格差距大。
开源AI在哪些方面仍落后于闭源？
开源AI在四个方面落后于闭源：集成harness（官方Terminal-Bench认证顶级梯队无开源模型）、百万token长上下文保真度（Gemini 3多针检索89%，DeepSeek V4-Pro仅41%）、开箱即用的合规（默认SOC 2、HIPAA等）、问责（有客户可追究责任的对家）。
开源AI有哪些投资机会？
开源AI有五个投资机会：构建与开源权重协同设计的开源harness、拥有记忆层、解决可移植权限问题、打碎计费表（采用多供应商策略）、确保开源默认选项多元化。这些机会在窗口期关闭前有效。
如何判断开源AI窗口是否关闭？
可以通过几个信号判断：OpenRouter上开源模型的token份额是否停滞且推理差距扩大；Terminal-Bench上实验室自有和独立支架的差距是否扩大；MCP/A2A治理和可移植权限规范是否由闭源平台制定；开源实验室的经济状况和主权算力投资是否持续；以及信任和安全政策是否转向限制。
