开源 AI 加速渗透：性能差距收窄，成本优势凸显

Mozilla 近日发布首份《State of Open Source AI》报告，结合斯坦福 2026 年《AI Index Report》的数据，系统呈现了开源与开放权重 AI 在 2025–2026 年间的采用现状、性能进展与经济结构。报告显示，无论项目数量还是实际使用量，开放生态都呈现出显著扩张趋势，且与闭源模型之间的性能差距正在快速收窄。

平台规模：开源项目数量爆发式增长

公开平台上的 AI 项目数量增长极为迅猛。斯坦福 AI Index 的数据显示，截至 2025 年末，GitHub 上的 AI 相关项目已超过 500 万个，相较 2020 年的约 100 万增长了数倍；同期 Hugging Face 上的模型数量也已突破 200 万。与此同时，OpenRouter 等聚合平台的开放模型调用量持续上升。Mozilla 报告指出，在其统计的十款使用量最高的模型中，有一半采用 OSI（Open Source Initiative）批准的许可证发布，反映出开发者倾向于以社区认可的方式标注「开放」属性。

性能与成本：与闭源模型的差距持续缩小

驱动开放模型快速渗透的核心因素是「成本–性能」权衡。Mozilla 报告给出的关键数字包括：

• 在编码等任务上，开源模型与闭源模型的性能差距已收窄至约 3%；
• 过去三年间，开源模型的推理成本下降了 6 至 50 倍；
• 2026 年 6 月，最受欢迎的开放权重模型月环比使用量增长超过 90%。

这些数据表明，对于大多数应用场景，开源模型已不再是「性能妥协」的选择，而具备了实际可替代性。

开放权重 ≠ 开源：定义之争与生态集中度

报告强调，开放权重（open weights）与真正意义上的开源 AI 并不等价。开放权重仅释放模型参数，使用者可以推理、微调，但若不附带训练数据与训练代码，就无法满足 OSAID（Open Source AI Definition）对「使用、研究、修改、共享」四要素的要求。Mozilla 指出，权重层面的封闭会带来可审计性、可修改性与安全方面的盲区。

与此同时，AI 模型生态呈现出高度集中的下载分布：Hugging Face 平台上约 0.01% 的模型（约 200 个）占据了近一半的下载量。这意味着上游设计决策的影响会被进一步放大，下游用户在缺乏完整数据与代码的情况下，难以真正掌控模型行为。

商业现实：使用份额与收入严重失衡

尽管开放模型在调用量上已占据约 20% 的 token 份额，其收入占比仅为 4%。Mozilla 将这一落差称为「开放模型经济的两面」：采用者享受了更低的成本与更高的可控性，而模型的维护者却往往缺乏足够的资源来持续运营。这构成了当前开放生态最现实的张力——收益分配与可持续维护之间的不平衡。

展望：从开放权重走向完整开源

Mozilla 与 OSI（Open Source Initiative）在报告中呼吁，应在 OSAID 的框架下建立更稳健的开源 AI 标准，并通过其 Open Source AI Fellowship 项目持续开展研究、追踪趋势并凝聚社区共识。报告认为，开源不仅是技术路径，也是数字创新、竞争与安全的战略选择，其影响将延伸至模型之上的多个软件层。