Vercel最近公布了AI Gateway的7月生产指数,一组数据让闭源厂商坐不住了:2026年6月,开源模型在AI Gateway上的token占比达到29%,而4月这个数字还是11%。两个月,三倍增长。
与此同时,中国开源模型在全球头部模型总调用量中的占比已经达到61%。全球超过500家机构从单一闭源模型切换到开源或混合部署模式。
说实话,这个趋势比很多人预想的来得更快。
数据背后的三件事
先看Vercel AI Gateway的完整数据:
| 时间 | 开源模型占比 | 闭源模型占比 |
|---|---|---|
| 2026年4月 | 11% | 89% |
| 2026年5月 | 21% | 79% |
| 2026年6月 | 29% | 71% |
两个月从11%涨到29%,不是线性增长,是加速增长。按这个趋势,年底之前开源模型占比突破40%是大概率事件。
但更有意思的是另一组数据:中国开源模型(DeepSeek、Qwen、GLM等)在头部模型总调用量中占比61%。也就是说,全球开发者调用最多的模型,超过一半是中国开源模型。
这背后反映了三件事:
成本:1/50不是夸张
我们算一笔账。
以编码任务为例,目前主流模型的价格:
| 模型 | 输入价格(每百万token) | 输出价格(每百万token) |
|---|---|---|
| GPT-5.5 | $3.00 | $12.00 |
| Claude 4.5 | $3.00 | $15.00 |
| DeepSeek V3 | $0.27 | $1.10 |
| GLM-5.2 | $0.50 | $2.00 |
| Qwen3-Max | $0.55 | $2.20 |
一个中型开发团队,每天消耗约500万token(输入+输出),一个月22个工作日:
- 用GPT-5.5:约$3,300/月
- 用DeepSeek V3:约$60/月
- 用GLM-5.2:约$110/月
不是1/2,不是1/10,是1/50。对于创业公司来说,这笔账不需要算第二遍。
而且这些开源模型你还可以私有化部署。买几台服务器,一次性投入,后续只有电费和运维成本。对于数据安全要求高的金融、医疗、政务行业,私有化部署是刚需——不是成本问题,是合规问题。
性能:开源已经追上来了
过去"开源模型效果好但不如闭源"的刻板印象已经过时了。2026年上半年的数据:
- SWE-bench Pro:美团LongCat-2.0(59.5)> GPT-5.5(58.6)
- Terminal-Bench 2.1:智谱GLM-5.2(81.0)> GPT-5.5(75.2)
- HumanEval+:DeepSeek V3(92.8)> GPT-5.5(91.8)
- MBPP+:Qwen3-Max(86.1)> Claude 4.5(82.7)
四个核心编码基准,开源模型在三个上领先。这不是偶然,是趋势。
当然,在通用能力(多语言翻译、创意写作、复杂推理)上,闭源模型仍然有优势。但差距在缩小,而且缩小得很快。
500家机构的迁移潮
全球超过500家机构从单一闭源切换到开源或混合模式。这个数字背后有几个典型场景:
场景一:创业公司。预算有限,用不起GPT-5.5的API。部署DeepSeek或GLM-5.2,成本降到1/50,效果差不了多少。
场景二:金融行业。数据不能出海,只能用私有化部署。开源模型是唯一选择。
场景三:大型互联网公司。自建AI平台,底层模型可以随时切换。混合部署——简单的任务用开源模型,复杂的任务用闭源模型——成本最优。
场景四:科研机构。需要模型可解释、可修改、可复现。闭源模型是黑盒,开源模型才能做研究。
"安卓时刻"的类比靠谱吗
很多人把开源模型的崛起比作智能手机的"安卓时刻"——当年iOS先定义了智能手机,但安卓通过开源和免费策略,最终占据了全球80%以上的市场份额。
这个类比有一定道理,但不完全准确。
相似之处:
- 开源降低了使用门槛,扩大了用户基数
- 开源让更多厂商参与进来,加速了生态繁荣
- 开源模型的定制化能力远超闭源
不同之处:
- 大模型的训练门槛比手机操作系统高得多——不是谁都能训一个万亿参数模型
- 闭源模型在安全性、稳定性、合规性上仍然有优势
- 大模型领域可能不会出现"赢家通吃"的局面,更可能是多模型共存
闭源厂商会怎么应对
面对开源模型的冲击,闭源厂商的策略已经在调整:
- 降价:OpenAI和Anthropic都在降低API价格,但降到1/50是不可能的
- 差异化:强调闭源模型在安全、对齐、多模态上的优势
- 锁定生态:通过工具链、插件、平台绑定来增加迁移成本
- 开源部分模型:Meta的Llama系列就是典型,但最新的Llama 4又开始收紧商用条款
有趣的是,这些策略iPhone在面对安卓竞争时都试过。结果大家都知道。
对开发者的建议
如果你是开发者,现在选模型应该考虑什么?
不要只盯着一个模型。混合部署是趋势。简单任务用开源,复杂任务用闭源,成本最优。
关注模型的可替换性。设计系统时,把模型层抽象出来,方便随时切换。不要深度绑定任何一个模型供应商。
私有化部署的门槛在降低。48B激活参数的模型,几张消费级显卡就能跑。对于数据敏感的场景,私有化部署是值得考虑的选项。
关注中国开源模型。DeepSeek、Qwen、GLM、LongCat——这些模型在编码能力上已经不输甚至超过闭源模型,而且成本低得多。
写在最后
29%的占比,61%的调用量,500家机构的迁移——这些数字说明一件事:开源模型的崛起不是"趋势预测",是"正在发生"。
对开发者来说,最好的策略不是选边站队,而是拥抱多元。开源和闭源不是非此即彼的选择,它们是工具箱里的不同工具。好的工程师会用最适合的工具解决当前的问题。
而2026年下半年的工具箱,比以往任何时候都丰富。
Vercel AI Gateway 7月生产指数显示,2026年6月开源模型token占比达29%(4月为11%),两个月增长3倍。中国开源模型占全球头部模型调用量的61%。超过500家机构从闭源切换到开源或混合部署。开源模型编码成本仅为闭源的1/50。