同樣叫 AI 模型，為什麼有些可以直接下載到自己的電腦跑，有些卻只能乖乖付月費呼叫 API？答案要從一個聽起來很技術、其實不難懂的東西講起，叫做「權重」。
權重是什麼？
一個 AI 模型在訓練完成後，內部會留下一大串數字，這些數字決定了模型看到某個字詞後，會怎麼判斷下一個字該接什麼、一張圖片裡的物體該怎麼類。這串數字就叫「權重」（weights），可以把權重想成模型的大腦，用來衡量這個模型「知道什麼、怎麼判斷」的權重。也就是說程式碼只是骨架，權重才是骨架裡的記憶跟直覺。現在的頂尖模型動輒有幾千億甚至上兆個參數，這代表光是把權重完整下載下來，就需要數百 GB 甚至數 TB 的儲存空間。
開源模型跟閉源模型差在哪裡？
開源模型（open-weight model）願意把這串權重公開下載，任何人拿到之後都能在自己的電腦或伺服器上運作模型，甚至用自己的資料繼續調整它。閉源模型則把權重鎖在公司內部的伺服器，外部使用者只能透過 API 送一個問題進去、拿一個答案出來，中間是如何思考的使用者看不到。
權重公不公開，決定了使用彈性的天花板。開源模型可以在地端部署，資料不用離開使用者自己的機房，也能拿專屬資料微調出客製版本。閉源模型拿到的是一個黑盒子，效能雖然不錯，但沒辦法拆開來看裡面是怎麼做的判斷，也沒辦法把它搬到自己的伺服器上跑。
「開放權重」不等於「開放原始代碼」
業界討論 AI 模型時，「開源」這個詞其實用得不太精確。傳統軟體世界的開源，指的是原始碼公開、授權條款允許自由修改與再散布，像 Linux 這種標準的開源專案。但 Meta 的 Llama 系列雖然公開權重，附帶的授權條款其實有使用限制，例如月活躍用戶超過一定規模的公司需要另外申請授權，這在嚴格定義上比較接近「開放權重」（open-weight），而不是傳統軟體工程意義下完整的「開放原始碼」（open-source）。對企業導入來說是實際會影響合規判斷的重點，如果打算大規模商用部署開源模型，授權條款還是要逐條核對。
開源閉源如何選擇？
Meta 一直是開源陣營的主要旗手，Llama 系列每次釋出都主打開放權重，Meta 執行長 Mark Zuckerberg 多次公開表態，認為開放生態才是 AI 的未來。xAI 早期的 Grok-1 也是開源。閉源模型較有名的就是目前最頂尖的三家實驗室：OpenAI、Anthropic、Google，這幾家的旗艦模型全部只透過 API 提供服務，理由就是閉源才有辦法靠訂閱制跟 API 費用賺錢，有收入才養得起頂尖人才跟算力。一種靠開放換生態擴散，一種靠封閉換營收。
中美兩地怎麼選？
美國有哪些代表性大模型？
美國的頂尖模型基本上被閉源三強壟斷，開源陣營主要靠 Meta 撐著場面（但 2026/7 推出了 Muse Spark 閉源模型），Google 則採取雙軌策略，旗艦 Gemini 閉源賺錢，同時另外養一條 Gemma 開源產品線去綁定開發者生態。美方企業的模型也逐漸轉向完全閉源。
| 中國 AI 模型 | ||
| 公司 | 代表模型 | 開源／閉源 |
| OpenAI | GPT 系列（旗艦）、o 系列（推理） | 閉源，僅開放 API |
| Anthropic | Claude（Opus／Sonnet／Haiku） | 閉源，僅開放 API |
| Gemini 系列 | 閉源；旗下另有 Gemma 系列走開源路線 | |
| Meta | Llama 系列 | 開源，公開權重供下載與部署 |
| xAI | Grok 系列 | 早期 Grok-1 曾開源，近期旗艦版本走閉源 API 模式 |
中國有哪些代表性大模型？
中國的路線跟美國完全反過來，最強的幾家新創幾乎全部選擇開源，只有百度、字節跳動本身就擁有龐大消費端產品的公司選擇閉源自用。其實也不難理解，中國廠商在演算法晶片受到出口管制的限制下，開源等於用生態擴散去換取全球開發者的採用與品牌聲量，DeepSeek 就是靠這個策略，用相對低廉的成本打出全球知名度。
| 中國 AI 模型 | ||
| 公司 | 代表模型 | 開源／閉源 |
| 深度求索（DeepSeek） | DeepSeek V 系列 | 開源，公開權重 |
| 阿里巴巴 | 通義千問 Qwen 系列 | 開源，公開權重 |
| 智譜 | GLM 系列 | 開源，公開權重 |
| 月之暗面（Moonshot AI） | Kimi 系列 | 開源，公開權重 |
| 稀宇科技（MiniMax） | MiniMax 系列 | 開源，公開權重 |
| 百度 | 文心一言（ERNIE） | 閉源，僅提供 API／應用服務 |
| 字節跳動 | 豆包（Doubao） | 閉源，主打消費端應用 |
閉源模型一定比開源模型強嗎？
Stanford HAI 的《AI Index Report》長期追蹤 Chatbot Arena 排行榜上看最強閉源模型跟最強開源模型的差距：2024 年 1 月，閉源領先開源 8.04 個百分點；到了 2024 年 8 月，這個差距一度收斂到只剩 0.5 個百分點，幾乎打平；但 2026 年 3 月的最新報告顯示，差距又反彈拉開到 3.3 個百分點。
拉開差距的關鍵就是推理模型出現，具備測試時推理能力的模型上線後，在數學、程式這類需要多步驟邏輯的任務上，重新把閉源模型的優勢拉開。換句話說，開源模型不是輸在基本能力，而是在最前沿的推理技術上，目前還是慢半拍。Stanford 的報告也提到，目前排行榜前十名裡有六個是閉源模型，代表頂尖模型的競爭也在慢慢往閉源集中。
不過，如果以 Artificial Analysis 的智能指數比較各家模型發布時間與能力分數，中國模型的成長斜率明顯比美國模型更陡峭，月之暗面 2026 年 7 月發布的 Kimi K3，智能指數已經逼近當時排名第一的旗艦模型，只差 3 分。
Kimi K3 在多項企業級評測基準上，包含綜合推理、科學推理、數學競賽、軟體工程與終端智能體任務，分數全面超越三家美國旗艦閉源模型，這是開源陣營首次在正式評測基準上全面壓過閉源旗艦，也讓「開源終究打不過閉源前沿」這句話，至少在 2026 年中這個時間點，需要打上問號。當然，單一模型在特定評測基準領先，不代表整體格局翻轉，後續閉源陣營會不會再次靠新一代推理模型拉開差距，值得持續觀察。
開源閉源模型的商業價值
a16z 針對全球兩千大企業做的第三屆 CIO 調查顯示，企業實際花在開源模型上的預算佔比，去年是 19%，今年掉到只剩 11%；閉源模型的預算佔比則從 81% 衝到 89%。
技術能力的差距在縮小，企業掏錢的方向卻越來越集中在閉源。同一份調查顯示，企業每年花在大型語言模型上的預算，從 2024 年的 250 萬美元，暴增到 2025 年的 700 萬美元，預期 2026 年衝上 1,160 萬美元，OpenAI、Anthropic、Google 三家合計吃下企業 AI 預算的 89%。65% 的受訪企業表示偏好用老牌供應商，理由是信任度、系統整合度，跟採購流程比較簡單。
開源模型就算下載量、討論度再高，如果沒有轉換成企業實際付費的意願，商業價值就很難反映在財報上。Mozilla 與 SlashData 在 2026 年做的開發者調查也印證了這個落差，79% 的開發者會用開源模型做測試跟實驗，但真正把開源模型送進正式產線的團隊只有 51%，閉源模型則有 63% 能走到正式上線，也就是差距其實不在能力，而在維運工具跟企業信任度這兩件事上。
也就是說，兩者是不同的戰場。Meta 選擇開源 Llama，圖的不是直接靠模型賺錢，而是用開放生態綁住開發者、鞏固自己在整個 AI 基礎設施裡的位置。中國的 DeepSeek、Qwen 選擇開源，賭的是生態擴散可以換來全球範圍的採用。OpenAI、Anthropic 選擇閉源，賭的是模型的持續迭代可以讓模型保持領先，以持續轉換成企業訂閱收入。
常見問答
Q1：開源模型真的完全免費嗎？
下載模型本身通常免費，但自己架設伺服器、維護、微調需要投入實際的硬體與工程成本，長期下來不一定比付訂閱費便宜。
Q2：蒸餾別人家的模型違法嗎？
目前法律上還沒有定論，比較明確的是違反服務條款屬於違約行為，至於模型輸出算不算受著作權保護、擷取行為構不構成不正當競爭，各國看法仍在發展中。
Q3：中國模型為什麼幾乎都選開源？
在晶片與算力取得受限的情況下，開源可以用生態擴散換取全球開發者採用度與品牌聲量，這是相對低成本卻能快速累積影響力的策略。
Q4：企業可以修改閉源模型嗎？
不行，閉源模型只能透過 API 呼叫，內部參數不對外開放，企業如果需要客製化，通常只能透過提示工程或有限的微調服務。
Q5：未來會不會只剩開源或只剩閉源？
從目前數據看不出這個趨勢，開發者調查顯示有一半的團隊同時使用開源與閉源模型，比較可能的走向是兩條路線長期並存。
結語
從權重公不公開的技術選擇，到蒸餾引發的國際攻防，再到中美兩地南轅北轍的開源策略。AI 模型的開源閉源之爭不只是技術偏好，而是牽動國家戰略跟產業結構問題。中美模型之間的技術差距這幾年一直在上演先收斂又反彈的戲碼，但真正值得投資人關注的，只有企業實際把預算投向哪裡，未來到底是開源模型還是閉源模型的天下？目前的看來錢正在往閉源集中，但這條路線的競爭遠遠還未結束。
【延伸閱讀】
