Mozilla报告称：付费前沿模型仅领先约4.4个月，开放中国模型以约五分之一成本逼近
· 来源：arstechnica.com
Mozilla最新报告显示，顶级开放权重模型与闭源前沿模型的能力差距已缩至约4.4个月；在大量常规任务上，企业或可用成本显著更低的开放模型替代高价闭源服务。
闭源前沿模型的能力溢价正在受到开放权重模型的重新审视。Mozilla于9月15日发布的《开放源代码AI现状》报告显示，来自中国公司的领先开放权重模型已将与美国闭源前沿模型的综合能力差距压缩至约4.4个月。在部分统一评测中，企业为闭源模型支付的代价约为单项任务成本的五倍，换来的主要是一段约四个月的能力领先窗口。
据Ars Technica报道，Mozilla以Artificial Analysis Intelligence Index为例称，月之暗面（Moonshot AI）的Kimi K3综合得分仅比Anthropic闭源前沿模型Fable 5低3分，但成本约为后者的30%。Mozilla首席技术官Raffi Krikorian认为，是否购买闭源模型不应再是全公司的统一选择，而应按工作负载区分：专业性极强的工作、高强度检索和超长上下文任务仍可能值得支付溢价；大量日常、重复性工作则更适合交由开放模型处理。
报告还援引研究机构METR关于“任务时间跨度”的衡量方式：模型以50%的可靠成功率能够完成的任务，对应人类专家完成该任务所需的时间。按这一指标，目前最强闭源模型可可靠完成的任务时长约为最强开放模型的1.7倍。Krikorian以7小时和12小时为例说明：若开放模型能处理约7小时的工作，闭源前沿模型可处理约12小时；随着能力迭代，开放模型可能在数月后追上这一门槛。当前大致处于8至12小时区间的复杂任务，仍是闭源模型相对突出的窄带场景。
这一比较也有重要前提。闭源实验室通常为自家模型配套工具调用、记忆等“支架”（harness）系统，可能显著改善代理式任务表现；不同支架下的模型成绩未必可直接横比。为减少这一变量，评测机构Vals AI在同一中立支架上测试多种模型。在Terminal-Bench 2.1评测中，中国智谱AI（Z.ai）的开放权重模型GLM 5.2与Anthropic Claude Opus 4.7、4.8的得分差距不足1分，而每项完成任务的成本约低五倍。
开放权重并不等同于完全开源：开发者通常允许下载和部署模型主要组件，但未必公开训练数据、数据处理流程或训练代码。与此同时，闭源产品的价格还包含开箱即用的服务、合规能力、技术支持与责任保障。对于缺乏部署和运维人才的企业，这些配套仍具现实价值。报道提到，DoorDash已将Kimi用于常规工作，并把更困难、原本需耗费更多专家时间的任务留给Fable等模型。
成本压力也正在引发对大模型商业回报的讨论。印度前HCL CEO Vineet Nayar近日表示，更低成本、更快迭代的模型即使只能解决七成至八成问题，也足以冲击市场；他质疑巨额AI投资如何获得相应回报。不过，这一判断主要是产业观察，尚不能替代跨行业真实工作负载的系统验证。若成本—性能差距在更多基准和生产环境中持续成立，企业的模型采购将更倾向于多模型路由：以开放模型承接大部分任务，仅在高风险、高复杂度或时效要求极高的场景调用闭源前沿模型。
—— 综合整理自：Ars Technica、Business Today