导语：当最强模型被锁在云端，开源模型却开始在企业机房、个人电脑甚至终端设备中扎根，大模型竞争已经不再只是“谁更聪明”。真正决定胜负的，是谁掌握定价权、数据权和迁移权。

2026年的大模型市场，有一个很有意思的现象。

一边，OpenAI、Anthropic等公司仍在不断抬高闭源模型的能力上限。新模型不仅会聊天、写代码，还开始使用浏览器、终端、文件和企业应用，独立执行数小时甚至更长时间的复杂任务。模型不再只是给出答案，而是在逐渐变成可以被委派工作的“数字执行者”。

另一边，开源阵营也没有被甩开。DeepSeek-V4把百万上下文、Agent能力和开放权重同时摆上桌面；OpenAI自己也推出了gpt-oss开放权重模型；Google则一边经营闭源的Gemini，一边继续扩展Gemma开放模型家族。

这说明一个事实：连最有能力修建围墙的公司，也不愿意彻底放弃开放生态。

所以，大模型战争的下半场，并不是“开源消灭闭源”或者“闭源碾压开源”这么简单。真正的竞争，是谁能够成为企业和开发者无法绕开的那一层基础设施。

一、表面在争技术路线，背后争的是三种权力

很多人讨论开源和闭源，第一反应是比较跑分：哪个模型数学更强，哪个模型代码更好，哪个模型幻觉更少。

但到了真正部署和付费的时候，企业关心的远不止智力榜单。

第一种权力是定价权。闭源模型按Token、调用次数或套餐收费，价格、限额、缓存规则和可用区域都由平台决定。用户享受了开箱即用的便利，也必须接受平台随时调整商业规则。

第二种权力是数据权。医疗、金融、制造、政务等行业拥有大量敏感数据，它们并不愿意把全部业务上下文送到外部云端。谁能让数据留在企业自己的机房或私有云里，谁就更容易进入这些高价值场景。

第三种权力是迁移权。一个应用如果把提示词、工具调用、知识库、工作流和模型特性全部绑在某一家平台上，模型越好用，未来迁移的成本反而越高。真正危险的不是今天多付一点API费用，而是明天想换模型时，发现整个系统都要重写。

因此，开源与闭源之争，本质上是用户愿意用多少控制权，交换多少便利和能力。

二、闭源模型为什么仍然守得住“能力上限”

必须承认，闭源路线有非常现实的优势。

最前沿模型的训练、推理和安全评估都需要巨额资金、算力和工程投入。用户调用一个闭源API时，买到的不只是模型参数，还包括稳定推理、弹性并发、工具链、语音与视觉能力、安全防护、持续更新，以及出问题后的服务保障。

尤其进入Agent时代之后，竞争已经从“模型会不会回答”变成了“系统能不能把事情办完”。模型需要连接浏览器、终端、数据库、企业文档和第三方应用，还要处理权限、状态、重试、审计和异常恢复。闭源平台把这些复杂能力打包后，企业可以在几天内做出原型，而不是先花几个月搭建推理集群。

这也是为什么闭源模型很难被简单概括为“黑盒收租”。它们真正出售的是一整套高度集成的生产能力。

不过，便利从来不是免费的。平台越完整，用户越容易形成依赖；模型升级后行为发生变化，企业也只能被动适配。闭源模型擅长把路铺好，但这条路的收费站和交通规则并不属于使用者。

三、开源模型争夺的不是冠军，而是AI时代的“地基”

开源阵营最有杀伤力的地方，不是每次评测都必须拿第一，而是它允许企业拥有自己的模型副本。

图：DeepSeek-V4公开的两个模型版本及上下文、参数信息。来源：DeepSeek官方文档。

模型权重可以下载，意味着企业能够在本地或私有云部署，决定数据放在哪里，选择什么硬件，如何量化和微调，也可以根据自己的业务增加安全规则和领域知识。对于矿山、工厂、医院、银行等网络环境复杂或数据不能外流的场景，这种控制力往往比多几个跑分更重要。

开源还会带来一种闭源平台很难复制的扩散速度。一个模型发布后，社区会迅速提供量化版本、推理框架、显卡适配、微调方案和各种插件。原厂没有精力照顾的边缘设备、小语种和细分行业，往往会被社区补齐。

OpenAI推出gpt-oss，Google继续发展Gemma，实际上都在承认一个趋势：开放权重模型正在成为AI生态的公共底座。

图：OpenAI开放权重模型gpt-oss的官方演示界面。来源：OpenAI。

这里也需要泼一盆冷水：今天被称为“开源大模型”的产品，很多更准确地说是“开放权重”。它们可能公开参数，却未必公开完整训练数据、训练代码和全部技术细节。开放程度不是一个开关，而是一条从可调用、可下载、可修改到可复现的光谱。

所以，看到“开源”两个字，不能只看宣传口号，还要看许可证是否允许商用、是否允许蒸馏、模型是否容易部署，以及企业有没有能力长期维护。

四、开源并不天然便宜，闭源也不天然安全

不少企业会掉进两个误区。

第一个误区是认为开源就等于免费。模型权重也许不要钱，但显卡、服务器、电力、运维、监控、升级、安全测试和专业人员都要花钱。调用量不大的团队，自己部署很可能比使用API更贵；只有当调用规模足够大、数据足够敏感，或者业务需要深度定制时，私有部署的价值才会逐渐显现。

第二个误区是认为闭源就一定更安全。闭源平台通常拥有更成熟的安全体系，但用户无法完整审计模型内部，也必须信任供应商的数据处理、权限管理和服务承诺。开源模型更容易检查和控制，却也更容易因为配置不当、缺少补丁或被恶意微调而出现风险。

安全从来不由“开源”或“闭源”四个字自动保证。它取决于部署方式、权限、审计、人员和责任边界。

图：DeepSeek官方公布的V4-Pro部分评测结果。模型厂商自测数据适合观察趋势，不宜当作唯一采购依据。

五、真正的终局，是闭源做尖刀，开源做底盘

大模型战争最可能出现的结局，不是一方把另一方彻底消灭，而是企业同时使用多种模型。

日常问答、文档分类、内部知识检索、固定流程和敏感数据处理，可以交给成本更低、可私有部署的开放模型；高难度编程、复杂研究、跨应用操作和临时出现的高峰任务，则调用能力更强的闭源模型。模型之间通过统一接口和路由系统切换，业务数据、权限体系和知识库尽量掌握在企业自己手里。

这有点像今天的计算机世界：Linux没有消灭Windows和macOS，公有云也没有消灭私有机房。成熟市场最终不会只留下一种技术信仰，而会形成分层合作。

对开发者来说，真正值得投入的也不是押注某个永远不会掉队的模型——这样的模型根本不存在。更重要的是建立模型无关的应用架构：把提示词、工具协议、评测集、业务数据和权限控制从具体厂商中抽离出来，让模型可以替换，让价格可以比较，让失败可以回退。

闭源决定了大模型能力的天花板，开源决定了整个行业能力的地板。

天花板不断被抬高，意味着AI能够解决越来越难的问题；地板不断被抬高，意味着原本只有大公司买得起的能力，会进入更多企业和普通人的设备。

所以下半场真正的赢家，可能既不是某一家闭源巨头，也不是某一个开源模型，而是那些拥有选择权的人：今天用最强的，明天换更便宜的，敏感数据留在自己手里，核心业务不被任何一家平台锁死。

当模型越来越像水和电，最值钱的就不再是某一次跑分第一，而是谁掌握了管道、阀门，以及随时更换水源的能力。

你更愿意把AI能力交给稳定但封闭的平台，还是选择需要自己维护、却更可控的开放模型？

建议话题：#大模型战争下半场 #开源大模型 #人工智能 #DeepSeek #GPT5.6 #科技优质内容自荐

资料来源：

OpenAI：GPT-5.6发布说明

OpenAI：开放权重模型gpt-oss

DeepSeek：DeepSeek-V4预览版发布

Google DeepMind：Gemma 4