中国大模型，掀翻硅谷定价逻辑

2026.08.13

本文字数：3326，阅读时长大约5分钟

作者 |第一财经 吕倩

封图 |AI生成

全球大模型市场正迎来一场重要变革：开源这条赛道，已被中国厂商从AI行业的边缘推向中心，并倒逼整个行业重新定价。

8月13日，DeepSeek V4 Pro正式版上线；阿里Qwen3.8-2.4T-A95B模型权重正式开放，系阿里首次将Max级别旗舰模型开源。几天前，Meta也发布了开源模型Muse Glimmer，并承诺未来几周内将旗舰Muse Spark 1.2的权重也开放出来。

三家头部厂商几乎在同一时间窗口押注开源，并非巧合。过去数周，Kimi K3、智谱GLM-5.2、MiniMax H3等国产开源模型也轮番登场。

“人工智能将变革各行各业，赋能每一家企业，并由各国共同构建。”7月，英伟达CEO黄仁勋注册社交账号，这位平时几乎不在社交平台露面的硅谷芯片教父，首条动态便是发布公开信支持开源生态，“世界需要前沿的闭源模型，也需要前沿的开源模型。”

二十多天后，这封公开信所押注的趋势迎来了密集兑现。

从“追赶者”到“围剿者”

本轮开源模型更新重点强化智能体（Agent）能力。

DeepSeek V4 Pro正式版在AI编程智能体基准测试DeepSWE中，得分从预览版的12.8升至62.7；千问团队展示Qwen3.8-Max连续自主编程约16天、独立复现并改进研究论文、在超2000轮交互中经营虚拟电商企业等极限测试；Meta Muse Glimmer是一款约300亿参数、专为本地Agent工作流深度优化的开源模型，拥有从规划、工具调用到自我检查和故障恢复的完整Agent能力。

厂商密集布局的背后，是行业共识的形成——开源模型已从过去的“追赶者”角色，转变为对闭源模型的“围剿者”角色。

据Hugging Face《2026年春季全球开源AI生态报告》，中国开源模型下载占比达41%，首次超过美国，累计下载量突破100亿次。市场研究公司Counterpoint称：如果西方科技巨头只顾构建封闭的“围墙花园”，开发者和企业自然会转向中国的开放权重模型。

这种“围剿”态势在商业层面表现尤为明显。强大的开源模型大幅降低了闭源实验室的潜在利润率：一方面减少了可用于训练下一代模型的利润，另一方面降低了投资者对相关公司的长期估值。相较于闭源模型高昂的调用成本和受限的云端部署模式，开源模型支持本地私有化部署，可大幅降低AI落地成本。

但开源并不意味着免费。据市场消息，阿里计划对Qwen3.8-Max引入收益分成机制——连续12个月总收入超过2000万美元的大型商业用户需要和阿里单独签订商业协议（具体分成比例仍在讨论中）。这一模式整体效仿了月之暗面Kimi K3的做法：K3许可证规定，连续12个月总收入超过2000万美元的MaaS提供商需与月之暗面单独签约（分成比例最高可达30%，但具体比例按个案协商）。截至发稿，阿里方面暂未对该分成机制进行回应。

中信建投分析认为，随着Kimi K3等国产开放权重模型开始参与全球能力边界和商业定价权竞争，“开放权重+商业许可”的模式有望推动开源模型商业回收，后续需重点观察完整权重开放后的社区部署规模、API调用量以及付费转化。

传统开源指的是公开源代码，任何人都可以审查、修改、复现。但在AI领域，真正的“全开源”意味着同时公开模型权重、训练代码、训练数据和完整流程。目前市面上绝大多数被称为开源的模型——包括MetaLlama系列、阿里Qwen、DeepSeek系列等，在技术实质上更接近开放权重，即只公开训练完成的模型参数，用户可以下载、部署、微调，但训练代码和数据集并不公开。

这种介于全开源和完全闭源之间的中间状态，降低了模型的使用门槛，但也保留了厂商的核心技术壁垒。

开源模型驶入快车道

开源并非新概念，开源模型也并非新鲜事物，但过去几周密集的发布节奏，正在将开源推到一个新的临界点。

Meta是这个故事中最戏剧性的角色。

2023年7月，Meta创始人兼CEO扎克伯格亲自拍板开源Llama 2，高调宣称“开源AI是前进的道路”。此后Llama 3和Llama 3.1相继发布，下载量突破6亿次，Meta一度成为开源AI的旗帜。

但到了2025年，Llama 4反响平淡，以OpenAI与Anthropic为代表的头部闭源模型狂飙突进，扎克伯格开始暗示要“严格减轻风险”。据报道，Meta在2026年经历了从开源到闭源的战略摇摆，直至近期发布Muse Glimmer并重返开源轨道。8月13日，Meta同步预告将开放旗舰模型Muse Spark 1.2权重。

扎克伯格同步发表逾6000字的公开信《未来属于所有人》，将AI公司划分为两类：一类是“把超级智能集中在少数实验室中”，另一类是“把能力广泛分发”。他明确认为应该广泛分配超级智能。

Meta从开源到闭源的两年，是海外头部厂商在模型领域的领先期；而从闭源回归开源这一年，则是国产开源模型追赶势能的集中释放，也是开源从技术理念发展为核心竞争力的客观趋势。

国产开源模型性能跃升的同时，正在倒逼整个行业重新定价。投研机构Silicon Data的LLM Token支出指数显示，开源模型和闭源模型的价格走势正在分化——闭源在降价，开源在变贵。

数据显示，闭源模型的价格从3.07美元/百万token（词元）持续下滑，主要原因是OpenAI、Google等巨头之间的价格战。而开源模型的实际使用成本从0.66美元/百万token一路上涨——而这并非因厂商提价，而是使用开源模型的用户和场景大规模增加，推高了综合成本。用的人越多，总账单越高。

8月7日凌晨，OpenAI宣布免费用户默认模型升级为GPT-5.6 Luna，开放无限量文本聊天。DeepSeek此前预告将于近期上调API定价后，8月13日晚正式官宣，8月17日零点起采用峰谷定价，空闲时段价格为高峰时段价格一半，DeepSeek V4-Pro高峰时段每百万token缓存未命中输入价格从3元涨至9元，输出价格从6元涨到27元。一放一收之间，模型行业定价逻辑正在被改变。

以同日发布的DeepSeek-V4-Pro与Grok 4.6为例。在第三方评测中，两者性能均属全球第一梯队——DeepSeek V4 Pro在Terminal Bench 2.1上距全球第一仅差0.1分。但价格悬殊：Grok 4.6输出每百万token定价6美元，DeepSeek V4-Pro输出价按当前汇率折算约为0.87美元，不足其七分之一。

Grok 4.6和即将发布的Grok 4.7短期内不会开源，它们将通过xAI API、Grok应用和X平台以闭源形式提供服务。但xAI此前已经开源过Grok-1、Grok-2.5以及Grok Build等工具，业内预估Grok 4.6可能会在多轮迭代后跟进开源。

当开源模型在性能上逼近闭源对手，价格却只有对方的零头，闭源厂商面临的压力是双重的：定价权被侵蚀，利润率承压；开发者流向开源生态，意味着闭源厂商不仅失去API收入，更失去了构建生态、形成数据飞轮的机会。

面对这种局面，头部厂商的开源策略开始分化。有的全面重启开源战略，如Meta；有的采取“分层开源”策略——开源旧版本模型构建生态、吸纳反馈，同时守住核心技术的闭源优势，如xAI。

接下来，这场围绕开源的竞争还会进一步加剧。扎克伯格表示，美国严苛的数据使用和模型训练限制，让本土AI实验室相对海外团队处于竞争劣势，单纯封禁境外开源模型无法从根本上解决问题。他呼吁美国政府重新审视数据应用、模型蒸馏等核心规则，守住美国开源AI的全球领先地位。

而黄仁勋在7月末的那封公开信，早已将这场变局的焦点挑明。公开信敦促美国政策制定者避免对开放权重AI模型施加过早的限制，强调开放权重模型能够强化市场竞争，确保技术红利“被广泛共享，而非集中在少数人手中”。

可以说，从Llama到Kimi、Qwen、DeepSeek，开源早已不是极客社区的理想主义实验，而是一场关于生态、定价权和全球竞争格局的严肃博弈。

微信编辑| 苏小

：bianjibu@yicai.com

：business@yicai.com