过去两年，几乎所有企业技术负责人都被同一个问题困扰：到底该用闭源前沿大模型，还是转向便宜得多的开放权重模型？这个问题的答案，往往被两种声音撕扯——一种说“贵有贵的道理，前沿能力就是护城河”，另一种说“开放模型已经追平，没必要交智商税”。Mozilla 9月15日发布的最新《开源 AI 现状》报告，给出了一个更冷静、也更扎心的答案：性能差距只剩4.4个月，成本差距却是5倍。换句话说，你为“领先”付出的溢价，买到的可能只是几个月的窗口期。
先看报告的核心数据。Mozilla在发布前与Ars分享的这份报告指出，美国科技公司的前沿AI模型，与中国公司最好的开放权重模型之间的性能差距，已经缩小到仅4.4个月。在Artificial Analysis智能指数上，领先的开放模型——月之暗面的Kimi K3——综合得分仅落后Anthropic的Fable 5闭源前沿模型三分，而成本仅为后者的30%。三分是什么概念？在大多数日常任务上，这几乎是人眼难以感知的差距；但在成本端，却是实打实的5倍价差。这意味着，如果一家公司把80%的AI调用放在开放模型上，它可能用原来五分之一的预算，完成同样质量的日常工作。
这解释了为什么越来越多公司正在“用脚投票”。过去一年，从客服对话摘要、内部知识检索，到代码补全、营销文案初稿，大量标准化、高频次的工作负载正在从闭源API迁移到开放权重模型。原因很简单：这些任务对模型能力的要求是“够用就好”，而不是“必须最强”。当一个开放模型能以30%的成本完成95%的效果时，继续为那5%的边际提升支付5倍溢价，在财务上很难说得通。
但Mozilla的报告并没有走向另一个极端——它没有说“闭源模型已死”。恰恰相反，报告揭示了一个狭窄但关键的工作负载区间，在这些场景中，前沿模型依然物有所值。Mozilla首席技术官Raffi Krikorian在给Ars的邮件中说得非常直接：“闭源模型在少数领域物有所值：专家级专业工作、高强度检索和长上下文。”他进一步强调：“我们认为为闭源模型付费的决定是针对具体工作负载的，而非针对具体组织的。”这句话值得所有技术决策者抄在笔记本上。它意味着，你不应该问“我们公司该用闭源还是开源”，而应该问“我们哪一类任务该用闭源，哪一类该用开源”。
那么，哪些任务属于“值得为前沿模型付费”的区间？第一类是专家级专业工作。比如法律合同中的复杂条款推理、医疗诊断中的多模态判断、金融建模中的长链条逻辑推演。这些任务容错率极低，模型差三分可能就意味着差之毫厘谬以千里。第二类是高强度检索。当任务需要在海量文档中做多跳推理、交叉验证、引用溯源时，前沿模型在长上下文窗口中的注意力分配和事实一致性上仍有优势。第三类是长上下文场景。处理数十万字的技术手册、跨年度的项目文档、多轮次的复杂谈判记录，前沿模型的稳定性和召回率依然更可靠。
反过来，对于绝大多数企业来说，开放模型应该成为默认选择。这不是“退而求其次”，而是“理性配置资源”。把省下来的预算投入到数据治理、提示工程、评估体系上，往往比单纯追求模型榜单上的几分差距带来更大的业务回报。Mozilla的报告本质上在说：AI落地的竞争，已经从“谁用的模型最强”转向“谁的任务分配最聪明”。
更深一层看，4.4个月的性能差距和5倍的成本差距，揭示了一个残酷的商业现实：前沿模型的领先优势正在被快速压缩。今天你花5倍价钱买到的领先，4个月后开放模型就能以十分之一的价格追平。这意味着，把前沿模型当作长期护城河来投资，风险极高；而把它当作短期攻坚工具来租用，才是更理性的策略。Krikorian所说的“针对具体工作负载”，本质上是一种“能力套利”——在需要的时候为最强能力付费，在不需要的时候果断降级。
对于中国企业而言，这份报告还有一层特殊意义。Kimi K3作为开放权重模型的代表，已经能在综合智能指数上逼近闭源前沿模型，这本身就说明中国开放模型生态的竞争力。对于国内企业，这意味着两件事：第一，你有机会用更低的成本获得接近前沿的能力；第二，你需要建立一套精细化的模型路由机制，让不同任务自动流向最合适的模型，而不是一刀切地绑定某一家。
最后，回到那个最实际的问题：你的公司该怎么选？答案不是“开源”或“闭源”，而是“分层”。把80%的日常任务交给开放模型，把20%的高价值、高容错成本任务留给前沿闭源模型。用省下来的钱去建评估体系、去调优提示词、去积累领域数据。4.4个月后，当开放模型再次追平，你的迁移成本几乎为零，而你的竞争对手可能还在为上一代前沿模型支付5倍溢价。
评价引导：你所在的公司目前是“全量闭源”“全量开源”还是“分层混用”？在评论区说说你的模型选型策略，以及你遇到过哪些“贵但值”或“便宜但坑”的真实案例。