OpenRouter · 2026年10月31日
内容提要：什么是开放权重模型？开放权重与开源有何不同？两者各自能给你带来什么？开发者使用开放权重模型的程度如何？开放权重模型更便宜吗？开放权重模型与闭源权重模型一样好吗？如何在一个应用中同时使用两者？我们如何测量这些数据？常见问题。下一步。
开放权重模型是指训练所得的权重被公开发布的模型，任何人都可以下载它、在自己的硬件上运行它、对它进行微调，或将它提供给他人使用。闭源权重模型则将其权重保密，因此使用它的唯一途径是通过构建它的公司，或该公司授权的云服务。
在 OpenRouter 上，开放权重模型在排名前 50 的模型的 token 中所占比例，从 2025 年 10 月的 27% 上升到 2026 年 9 月下旬的 72%。
内容提要
- 开放权重模型会公开其权重，因此任何人都可以运行、微调或将其作为服务提供。闭源权重模型只能从其制造者及其授权的云服务获取。
- 在 OpenRouter 上，开放权重模型在 2026 年 9 月下旬处理了排名前 50 的模型 token 中的 72%，高于一年前的 27%。
- 它们每 token 的成本约为前者的四分之一，主要原因是有许多提供商竞相为同一个模型提供服务。
- 最好的闭源权重模型在 Artificial Analysis 智能指数上的得分仍高出约 11 分。建议先从一个开放权重模型开始，对它进行测试，并在需要它的步骤上使用闭源权重模型。
什么是开放权重模型？
模型的权重是它在训练过程中学到的数字，也是你下载模型时实际下载的内容。将它们公开（通常发布在 Hugging Face 上）可以让任何人都能运行该模型。DeepSeek V4.1 Flash、GLM-5.3、Kimi K3 和 MiMo-V2.6-Pro 是开放权重的。Claude、GPT 和 Gemini 模型是闭源权重的。
发布权重并不意味着你可以随意使用它们。许可证差异很大。正如我们在六月开放权重模型综述中所指出的，DeepSeek V4 Flash 以 MIT 许可证发布，而 MiniMax M3 的社区许可证要求署名，并要求较大的商业产品事先获得书面许可。在基于某个模型进行构建之前，请先查看其许可证。
开放权重与开源有何不同？
按照开源促进会的定义，开源意味着你能获得研究和重建它所需的一切：对于模型而言，这包括训练数据（或在无法合法共享数据时提供关于数据的详细信息）、代码和权重。
大多数开放权重模型并不发布其训练数据，因此“开放权重”是对它们更准确的称呼。不过，搜索结果和模型页面往往混用这些词，所以当你看到“开源 LLM”时，它几乎总是指开放权重。
两者各自能给你带来什么？
| 开放权重 | 闭源权重 | |
|---|---|---|
| 自行运行 | 可以，在你自己的 GPU 上 | 不可以 |
| 微调权重 | 可以 | 仅能通过供应商的微调 API（如果它有的话） |
| 由谁提供服务 | 任何人都可以；在 OpenRouter 上，热门模型有 20 至 31 家提供商 | 供应商及少数获得许可的云服务 |
| OpenRouter 上的标价（按 token 加权，最近 4 周） | 每百万 token 输入 $0.28 / 输出 $1.62 | 每百万 token 输入 $1.27 / 输出 $6.36 |
| 最佳 Artificial Analysis 智能指数得分 | 46.3（MiMo-V2.6-Pro） | 57.6（Claude Opus 5.5） |
前两行正是某些团队需要开放权重的原因。他们的数据不能离开自己的基础设施，或者他们想要一个在自己的数据上微调过的模型。对于其他所有人来说，选择取决于后三行，而价格通常是决定性因素。使用数据说明了原因。
开发者使用开放权重模型的程度如何？
使用量每个季度都在增长。2026 年初，MIT 斯隆管理学院发表了一项研究，基于 2025 年 5 月至 9 月的 OpenRouter 流量，发现闭源模型处理了近 80% 的 token。我们自己 2025 年末的数据与之相似，而此后情况已发生很大变化。
我们根据模型目录条目是否链接到已发布的权重，将 OpenRouter 排名前 50 的每个模型按每周 token 量归类为开放权重或闭源权重：
| 周（起始日） | 开放权重占比 | 开放权重 token | 闭源权重 token |
|---|---|---|---|
| 2025年10月6日 | 26.8% | 1.3T | 3.4T |
| 2026年1月26日 | 35.1% | 2.6T | 4.9T |
| 2026年4月20日 | 47.7% | 8.9T | 9.8T |
| 2026年7月20日 | 77.5% | 41.1T | 11.9T |
| 2026年9月28日 | 71.7% | 83.5T | 33.0T |
两类模型都在增长。闭源权重模型的 token 量增长了近十倍，从每周 3.4 万亿增至 33 万亿，而开放权重模型的 token 量增长了 60 多倍。开放权重占比在 7 月达到 77.5% 的峰值，此后一直保持在三分之二以上。
过去四周使用最多的开放权重模型是 DeepSeek V4.1 Flash、GLM-5.3 Flash、Hunyuan 4 Preview 和 DeepSeek V4 Flash。在闭源方面，GPT-5.6 Luna 以较大优势领先，其次是 Gemini 3.8 Flash 和 GPT-6 Luna。在两边，大部分用量都流向了便宜、快速的模型，而不是得分最高的模型。
开放权重模型更便宜吗？
通常是的。在过去四周里，开放权重模型按 token 加权的标价为每百万输入 token $0.28、每百万输出 token $1.62。闭源权重模型则为 $1.27 和 $6.36，约为前者的四倍。
主要原因是竞争。任何人都可以提供开放权重模型的服务，因此提供商会在同一个模型上展开价格竞争。以下是 2026 年 10 月 21 日 OpenRouter 上六款热门模型分别由多少家提供商提供服务，以及它们各端点的输入价格区间：
| 模型 | 权重 | 提供商数量 | 输入价格区间（每百万 token） |
|---|---|---|---|
| z-ai/glm-5.3-flash | 开放 | 30 | $0.04 至 $1.15 |
| deepseek/deepseek-v4.1-flash | 开放 | 31 | $0.03 至 $0.60 |
| moonshotai/kimi-k3 | 开放 | 20 | $0.24 至 $4.50 |
| anthropic/claude-sonnet-5.5 | 闭源 | 5 | $2.00 至 $2.20 |
| openai/gpt-6-luna | 闭源 | 3 | $0.05 至 $0.20 |
| google/gemini-3.8-flash | 闭源 | 2 | $0.38 至 $1.35 |
开放权重模型的价格区间很宽，因为各家提供商在硬件、量化、速度和数据政策上各不相同。最便宜的端点不一定是你想要的，我们的评估提供商性能指南展示了如何比较它们。提供商路由让你可以按价格排序、按量化或数据政策筛选，或设置价格上限。
这两个类别也存在重叠。Kimi K3 最便宜的端点比 Claude Sonnet 5.5 更便宜，但其最贵的端点价格约为后者的两倍。GPT-6 Luna 的标价为每百万输入 token $0.10，低于任何 Kimi K3 提供商的价格。请比较你正在考虑的具体模型，而不是这两个类别。
我们对这种比较的快捷做法是：先设置价格上限，再按吞吐量对其余选项排序。它只需要一个 provider 对象，{"max_price": {"prompt": 1, "completion": 4}, "sort": "throughput"}。超出你预算的端点会被剔除，而你能负担得起的最快端点会被优先尝试。
开放权重模型与闭源权重模型一样好吗？
价格是权衡的一半，质量是另一半。在这方面，开放权重模型尚未登顶。在由我们的基准测试端点汇总的 Artificial Analysis 智能指数上，最好的闭源权重得分是 Claude Opus 5.5 的 57.6 和 Claude Sonnet 5.5 的 56.0。最好的开放权重得分是 MiMo-V2.6-Pro 的 46.3、GLM-5.3 的 44.8 和 Step 5 Preview 的 43.7，Kimi K3 以 43.6 紧随其后。每个得分都是模型在其最高推理强度设置下的表现。
该设置会影响这些数字，因此请在你计划运行的推理强度下比较模型。
这 11 分的差距是在该指数所衡量的最难任务上最强模型之间的差距，它并不能告诉你这一差距对你自己的工作负载有多大影响。我们六月的综述在更早版本的指数上给出的差距约为 5 分，因此请将确切数字视为一个快照。
面对 11 分的质量差距与 4 倍的价格差距，我们的默认做法是先从一个开放权重模型开始，并在你自己的任务上测试它。只有当测试表明额外质量会改变结果的步骤上，才转向闭源权重模型。这通常是工作流中最难的一步，例如智能体中的规划，而不是每一次调用。