从"免费扩散"到"分层收租"：开源模型的注意力与收入正在成为两本账
开源模型生态在2026年完成了一次标志性的"双线分化"。使用量一侧，开源赢得上半场：Mozilla《State of Open Source AI》报告显示开源权重模型占OpenRouter流量约三分之一（一年前约2%），中国开源模型的全球token份额一年内从1.2%升至30%，OpenRouter前五大流量模型全部是开源权重，Meta与OpenAI的开放权重线则实质停更。收入一侧，闭源守着钱袋子：a16z对全球2000强CIO的调研显示企业开源模型支出占比从19%降至11%，Anthropic以12%的token份额拿走46%的收入。与此同时，旗舰开源许可证集体写入MaaS收入门槛——开源正从免费承诺变为分层收租的生态策略，企业需要按"许可证条款"重新做选型。
Mozilla首份《State of Open Source AI》报告给生态画了像：Hugging Face可用模型达250万个、月活开发者1300万，包括三分之一的财富500强企业；在OpenRouter上，开源权重模型处理约三分之一的流量（2024年底仅约2%），平台周token量达25万亿、半年增长五倍，单一最大流量来源就是一个开源模型。能力的差距也在收窄：Chatbot Arena上开源与闭源的差距从2024年初的8.04%收窄到2026年3月的3.3%，且剩余差距集中在长上下文与多步智能体任务，代码、指令跟随、通用知识等高频工作负载已实质打平。
结构性变化在于供给侧易主。OpenRouter排名前五的模型全部是开源权重，且清一色来自中国实验室：DeepSeek V4 Flash（周18.4万亿token）、小米MiMo-V2.5（14.9万亿）、腾讯Hy3 Preview（14.8万亿）、MiniMax M3（14.3万亿）、Owl Alpha（11万亿），第一个闭源模型Claude Opus 4.7排在第六。OpenRouter与a16z对超100万亿token匿名用量的分析显示，中国开源模型份额一年内从1.2%升至近30%。价格是直接的推手：CNBC报道中国开源模型比头部闭源便宜60%-90%，DeepSeek V4 Flash以每百万输入0.14美元上线当月即从Vercel网关不足1%冲到17%。
| OpenRouter 周token榜（2026年中） | 归属 | 权重属性 | 周处理量 |
|---|---|---|---|
| DeepSeek V4 Flash | DeepSeek | 开源（MIT） | 18.4万亿 |
| MiMo-V2.5 | 小米 | 开源 | 14.9万亿 |
| Hy3 Preview | 腾讯 | 开源 | 14.8万亿 |
| MiniMax M3 | MiniMax | 开源（社区许可） | 14.3万亿 |
| Owl Alpha | 未公开 | 开源 | 11.0万亿 |
| Claude Opus 4.7（首个闭源） | Anthropic | 闭源 | 第六位 |
美国企业侧的转向在加速。金融时报援引AlphaSense统计，8-9月企业财报电话会上高管提及"开放权重/开源"模型的次数同比激增6倍；Vercel AI Gateway上开放权重占比从2025年12月的7%升至2026年8月的56%；AT&T约40%的AI工作负载已跑在开放权重上，并计划一年内提到70%。与中国厂商"闭源API当旗舰、开源权重换生态"的组合拳相对，Meta自Llama 4（2025年4月）后再无新开放权重模型、OpenAI自gpt-oss（2025年8月）后同样停更——2026年的开源前沿几乎全部由中国推进。
流量与收入的分化是本轮生态最锋利的一组数据。a16z对全球2000强企业CIO的调研显示，企业大模型预算中开源占比从上一年的19%降至11%、闭源占89%，企业平均年大模型预算约700万美元；在OpenRouter平台，Anthropic以约12%的token份额拿走约46%的收入份额。原因不难解释：企业买的不只是智力，还有可靠性、技术支持、合规兜底与"出事时有一个明确的追责对象"。Mozilla口径同样验证：开源模型的开发者采纳率79%高于闭源的71%，但进入生产的比例只有51%对63%——缺的是工具链与运维成熟度，不是能力。
结果是混合部署成为默认答案：开源跑实验与边缘场景，闭源守核心链路。Vercel与OpenRouter的运营者观察到同一行为——生产团队按"任务价值"分层路由：高风险高价值的后台智能体仍给Claude等闭源旗舰（Anthropic在Vercel网关上仍占65%的支出、高难度工作负载占70-80%），路由、摘要、草拟、重试这类低风险任务交给当周最便宜的开源权重。这像极了1990年代存储芯片业：前沿留在美国，通用推理越来越多地流向成本最优的供给方。开源生态自身的造血能力也在被验证：Mistral ARR一年增长20倍至4亿美元、据报正以200亿欧元估值融资30亿欧元；DeepSeek 6月完成74亿美元首轮外部融资、估值超500亿美元。
| 维度 | 开源权重阵营 | 闭源API阵营 |
|---|---|---|
| 流量（OpenRouter token份额） | 约33%，前五全开源 | 首个闭源模型排第六 |
| 企业预算占比（a16z CIO调研） | 11%（去年19%） | 89% |
| 开发者采纳 → 生产转化 | 79% → 51% | 71% → 63% |
| 定价（同档能力） | 比头部闭源低60%-90% | 享可靠性/合规溢价 |
| 造血样本 | Mistral ARR 4亿美元（+20倍）、DeepSeek 74亿美元首轮 | Anthropic以12%token份额拿46%收入 |
2026年旗舰开源许可证出现集体漂移。沿用多年的MIT/Apache 2.0干净姿态不再是默认：Z.ai为GLM-5.3弃用MIT改用定制许可（年收入超100亿美元的主体商用前须通过安全审查），月之暗面Kimi K3写入"MaaS业务12个月总收入超2000万美元须签单独协议"，阿里Qwen3.8-Max对12个月收入超5000万美元的MaaS设单独授权、Qwen3.8-Flash-Next甚至不设收入门槛，Meta Llama 4与MiniMax也保留社区许可条件。规律高度一致：新增条款几乎全部指向"转售推理服务"的云厂商与超大型企业，内部使用与普通产品公司通常豁免。开源没有变贵，但"开源"的定义权收紧了——把模型当获客渠道的实验室，开始对生态中的"二房东"分层收租。
| 模型 | 许可证 | 关键门槛（2026.10） | 对普通企业的实际约束 |
|---|---|---|---|
| DeepSeek V4系列 | MIT | 无 | 无（最干净） |
| Qwen3.8-27B / Gemma 4 / gpt-oss | Apache 2.0 | 仅署名 | 几乎无 |
| GLM-5.3-Flash | MIT | 无 | 无（旗舰许可收紧但小杯保留MIT） |
| Kimi K3 | 定制 | MaaS 12个月收入>2000万美元须协议；1亿MAU须署名 | 内部使用豁免 |
| GLM-5.3 | 定制 | 集团收入>100亿美元商用须安全审查 | 内部使用豁免 |
| Qwen3.8-Max（2.4T） | 定制 | MaaS 12个月收入>5000万美元须授权 | 内部使用豁免 |
| MiniMax M3 | 社区许可 | 商用须展示"Built with"并一次性告知 | 条款较轻但需审查 |
许可证已经直接影响采用：Hugging Face累计下载（2026-10-05口径）显示，2026年新增开源模型中下载最高的是Apache 2.0的Qwen3.8-27B（累计676万次，4-bit量化约17GB可塞进单卡），而GLM-5.3-Flash（MIT，574万次）下载量约为同源旗舰GLM-5.3（定制许可，144万次）的4倍。"跑在我自己的硬件上"+"律师不用逐字读许可证"的组合，正在把干净许可转化为实打实的采用优势。
第一，开源重新定义了AI的单位成本。推理成本三年下降50倍，叠加开源权重可私有化部署，企业第一次有能力把"AI员工的底薪"（推理成本）压到可忽略量级。对以AI员工为组织形态的企业，理性结构是双轨：开源权重承载高并发的常规任务（文档处理、路由、摘要），闭源API承载高风险决策链——按任务价值分层，而不是按"哪家最强"一刀切。
第二，许可证条款要进采购与法务流程。本轮许可漂移的触发器各不相同（12个月收入、集团收入、MAU），同一模型家族的不同版本条款也可能不同。实操上两条纪律：部署时锁定具体仓库commit（许可证可在版本间变更）；采购云厂商托管的中国模型时，主动确认对方是否持有新版许可要求的单独协议——否则合规风险会顺着供应链传导到使用方。
| 企业部署场景 | 是否触发新增许可门槛 | 建议动作 |
|---|---|---|
| 内部系统调用自托管权重 | 基本豁免 | 仍需锁定commit、留存许可副本 |
| 自建对外MaaS转售推理 | 大概率触发（收入/集团收入门槛） | 与实验室签单独协议或换MIT/Apache模型 |
| 采购云厂商托管的模型 | 传导风险 | 要求供应商出具许可合规证明 |
| 超1亿MAU的C端产品 | 触发署名/展示条款 | UI按条款展示模型名 |
第三，开源改变的是博弈结构，不是终局。开源赢了使用量、闭源赢了利润，说明模型层正快速商品化，利润池向两端（上游算力、下游编排/数据/服务）迁移。对企业经营而言，这意味着护城河不在"用了哪个模型"，而在把模型组织进流程的能力——同样的开源权重，有人只做了问答机器人，有人跑出了可审计、可追责、可持续降本的AI员工体系。差距不在模型，在治理。
数据口径与主要来源（按编号）：
估计值声明："中国模型周处理约18万亿token vs 美国5.5万亿"为OpenRouter+Vercel两套生产流量数据的汇总口径（估计值）；其余关键数据均标注机构与来源，无法核实的口径未采用。
