一个常见说法
"开源模型正在追平闭源模型"——这句话在 2026 年频繁出现。比如 Kimi K3 的官方表述是"综合智能水平接近全球前沿的闭源模型"。
但要准确理解这句话，需要先拆开"差距"这个词。
三种不同的差距
能力差距：在标准评测集上的得分。这部分差距确实在缩小，在某些维度上甚至已经接近持平。
时延差距：前沿闭源模型通常部署在大规模优化过的推理集群上，响应快、稳定性高。开源模型要自己部署，实际体验取决于你的硬件和工程能力——这部分差距往往被评测分数掩盖。
成本差距：这是最容易被误解的一项。开源模型"免费"，指的是权重免费，而不是使用免费。运行它需要的 GPU、电力、运维，都是实打实的支出。
各自的真实优势
闭源模型的优势在于：开箱即用、无需运维、服务水平有保障、能力迭代快。适合希望把精力放在业务而非基础设施上的团队。
开源模型的优势在于：数据不出内网（对金融、医疗、政务等强合规场景至关重要）、可针对垂直场景深度微调、可离线部署、长期成本可控（当使用量足够大时）、不受供应商策略变化影响。
一个决策框架
选择时可以考虑三个问题：
- 数据能不能出网？ 不能出网，基本就只能选开源自建。
- 有没有工程能力维护推理服务？ 没有，闭源 API 更合适。
- 使用量级有多大？ 量小的时候闭源更省事，量大的时候自建可能更划算。
一个值得注意的趋势
2026 年出现的混合模式是：云端处理复杂任务，本地小模型处理高频、敏感的简单任务。这种分层架构让"开源 vs 闭源"从二选一变成了组合题。
说明：本文为产业观察分析，参数引自央视新闻与 AI Time Journal 报道。