1. 闭源模型的 “最后一课”2026 年 6 月的一个周五下午 5 点 21 分。某个政府的一纸出口令让 Anthropic 不得不切断所有海外用户对 Claude Fable 5 的访问权限。没有提前通知没有协商空间。那些把核心业务建在 Claude 上的团队在周末前收到了一个他们无法拒绝的 “关机通知”。这件事被写进了 Mozilla 刚刚发布的State of Open Source AI V1.0报告作为整个报告的开篇案例。不是因为它罕见——而是因为它太典型了。同一天月之暗面发布了 Kimi K3一个 2.8 万亿参数的开源模型。它没有出口管制没有服务条款变更没有任何人能在周五下午 5 点把它关掉。因为权重在你手里。这不是一个国产替代的故事。这是一个关于所有权的故事。2. 三个数字看清开源 AI 的 2026Mozilla 的报告给出了三个关键数字每一个都在挑战开源不如闭源的固有认知。第一个数字0.5%2024 年 8 月开源模型与闭源模型在 Chatbot Arena 上的能力差距缩小到了 0.5%。DeepSeek-R1 甚至在 2025 年 2 月短暂追平了美国最顶尖的闭源模型。虽然到 2026 年 3 月差距又回升到了 3.3%但这个差距并非均匀分布的——它在编码、指令遵循和通用知识上几乎为零主要集中在推理和长上下文检索上。换句话说如果你做的是编码工作开源和闭源的差距已经不剩什么了。第二个数字50 倍GPT-4 级别的推理成本在 36 个月内从每百万 token 20 美元降到了 0.40 美元。这个降幅比互联网时代的带宽价格下降曲线还要陡峭。而在这个价格战里开源模型是绝对的赢家。第三个数字3:1到 2026 年中OpenRouter 上中国开源模型每周路由约 18T token美国模型约 5.5T。3:1 的差距而且还在拉大。开发者用脚投票投给了开源。OpenRouter Token Share: Open vs Closed202420252026302826242220181614121086420Weekly Tokens (T)3. Kimi K3一个 3T 参数的 “为什么”K3 的参数规模是 2.8T——算上 MoE 的稀疏激活实际每次推理只激活其中一部分。但这不是重点。重点在三个地方第一编码能力登顶。K3 在 Arena 的前端编码排行榜上超越了 Claude Fable 5成为当前最强的编码模型。这是中国开源模型首次在某个公认的权威基准上登顶。对于中国开发者社区这是一个信号最好的编码模型现在可以是开源的可以是国产的。第二定价策略的转变。K3 的定价是 $3/百万输入 token 和 $15/百万输出 token——这是中国 AI 实验室发布过的最贵的模型。相比 K2.6 的 $0.95/$4价格翻了不止一倍。月之暗面在告诉市场我们不靠补贴抢份额我们靠产品力。这是一个成熟市场的信号。第三开源承诺的兑现。K3 的权重将在 7 月 27 日前开源。这不是一个空头支票——月之暗面此前已经开源了 K2.6 等多个模型。开源不是一个营销噱头而是它的商业模式。# 用 Kimi K3 生成 SVG 的示例代码fromopenaiimportOpenAI clientOpenAI(base_urlhttps://api.moonshot.ai/v1,api_key***)responseclient.chat.completions.create(modelkimi-k3,messages[{role:user,content:Generate an SVG of a pelican riding a bicycle}])print(response.choices[0].message.content)Simon Willison 用这个 prompt 测试 K3 时模型花了 13,241 个推理 token 来生成一张鹈鹕骑自行车的 SVG。结果不错但花了 25 美分。这说明 K3 目前只有一个推理强度——“最大”它在每一个问题上都全力以赴。这对编码来说可能是好事但对简单查询来说就有点贵了。4. 开源 AI 的 “运营鸿沟”Mozilla 的报告揭示了一个反直觉的现象开源模型在采用率上领先79% 的开发者使用但在生产部署率上落后只有 51% 的团队成功上线对比闭源的 63%。这 12 个百分点的差距不是模型能力的差距而是运营工具的差距。Adoption vs Production DeploymentOpen ModelsClosed Models1009080706050403020100Percentage (%)报告对这 48 个组件进行了 10 个维度的成熟度评分得分最低的两个维度是标准化程度和企业就绪度——而且这两个冷区在每一层都重复出现。这不是能力问题。这是基础设施问题。# 用 vLLM 自托管开源模型的典型部署命令vllm serve Qwen/Qwen3-72B-Instruct\--tensor-parallel-size4\--gpu-memory-utilization0.95\--max-model-len32768企业买得起闭源的 API 调用但买不起自托管开源模型的运维成本。这听起来像是一个悖论——开源模型本身更便宜6 倍的价格差距但运维门槛更高。Mozilla 的报告指出企业规模越大这个差距越明显闭源模型的生产部署率从 54% 提升到 73%而开源模型几乎不动53% → 57%。这个运营鸿沟就是下一个创业机会。LangChain 的 126k 星标和 60% 的开发者份额已经证明了这一点。MCP 协议在 16 个月内 SDK 下载量增长了 47 倍达到月均 9700 万次。5. 开源不是慈善是地缘政治报告中最有冲击力的部分可能不是技术分析而是地缘政治视角。Mozilla 把开源 AI 比作 25 年前的浏览器大战。Mozilla 存在是因为一家公司试图垄断 Web 的入口而开源社区站起来确保它永远做不到。25 年后同样的事情正在 AI 领域重演。中国是开源权重的最大输出者。2026 年 2 月Qwen 在 Hugging Face 上的下载量超过了其他 8 个组织的总和。DeepSeek 报告有 26,000 企业账户58% 的 2025 年新 AI 创业公司将其纳入技术栈。这不是偶然——国务院的AI倡议和五年规划把开源扩散作为核心指令释放权重也是对抗半导体出口管制的宏观对冲手段。Global AI Ecosystem: Disclosed FundingNorth AmericaChinaEurope1201101009080706050403020100Funding (B USD)在 Global South开源 AI 被视为摆脱美国技术垄断的路径。在瑞士公共财团用公共超算训练了一个国家模型把权重、数据、训练代码全部开源。在非洲农民用手机上运行的离线模型诊断木薯病害。开源的战略价值不是更便宜而是能离开。一个供应商可以随时关闭一个模型。但没有人能关闭一个已经在你的机器上运行的副本。对于企业权重在磁盘上是对冲。对于国家这是政策与许可之间的区别。报告引用了一个令人警醒的数据从 AWS S3 搬走 1PB 数据需要 9 万到 12 万美元。80% 的企业正在将工作负载搬离云。37signals 在离开云后账单从 320 万美元降到了不到 100 万。闭源模型 API 复制了同样的锁定陷阱——构建在专有端点上你就继承了供应商的定价变更而且没有干净的退出路径。6. 代理层下一场战争如果说 2025 年的战场是模型能力那么 2026 年的战场就是代理层。Mozilla 的报告提出了一个有力的框架浏览器是开放 Web 的用户代理——运行在用户端代表用户与服务器协商。代理层正在重新扮演这个角色只不过它位于模型之上。当前的代理层格局用户 / 其他 Agent / 世界管控层策略/预算/注册/撤销界面层AG-UI / A2UI行为层沙箱/权限/评估连接层MCP / A2A / 记忆编排层LangGraph / CrewAI模型层开源/闭源权重Terminal-Bench 2.0 在 5 月揭示了一个惊人的事实一个第三方脚手架用 Anthropic 的权重跑到了 79.8%而 Claude Code 在同一模型上只跑了 58.0%——21.8 个百分点的差距说明脚手架比权重更重要。但到了 7 月的 2.1 版本差距缩小到了 3 个百分点。模型正在吃掉代理层——闭源实验室把权重和脚手架打包成一个产品在自家模型上跑得最好在别人模型上跑得差。这就是锁定。开源模型没有自己的第一方代理层来回应。这就是为什么在官方排行榜的验证顶级中看不到任何开源模型。但报告提出了一个乐观的版本在一个中立的脚手架上开源模型的能力差距只有几个百分点而价格差距是 5 倍。GLM 5.2 用约 1/5 的成本达到了接近 Claude Opus 4.7 的水平。写在最后Mozilla 报告的开篇有一句话值得全文抄下来“他们都没有请求许可也没有人能租到这些。他们拥有它——这就是全部的意义。”2026 年的开源 AI 不是一个关于能力的故事。能力已经够了。它是一个关于所有权、选择权和退出权的故事。Kimi K3 登顶编码榜是一个标志性事件但真正重要的事情发生在更底层开源模型正在从足够好走向首选而代理层是下一个战场。如果你是一个开发者现在开始学习自托管和代理编排而不是仅仅调用 API——这可能是今年最重要的技术决策。来源State of Open Source AI V1.0 — Mozilla, July 2026Kimi K3 官方公告 — Moonshot AIKimi K3 与鹈鹕基准测试 — Simon WillisonKimi K3 登顶 Arena 编码排行榜 — The New Stack
1. 闭源模型的 “最后一课”2026 年 6 月的一个周五下午 5 点 21 分。某个政府的一纸出口令让 Anthropic 不得不切断所有海外用户对 Claude Fable 5 的访问权限。没有提前通知没有协商空间。那些把核心业务建在 Claude 上的团队在周末前收到了一个他们无法拒绝的 “关机通知”。这件事被写进了 Mozilla 刚刚发布的State of Open Source AI V1.0报告作为整个报告的开篇案例。不是因为它罕见——而是因为它太典型了。同一天月之暗面发布了 Kimi K3一个 2.8 万亿参数的开源模型。它没有出口管制没有服务条款变更没有任何人能在周五下午 5 点把它关掉。因为权重在你手里。这不是一个国产替代的故事。这是一个关于所有权的故事。2. 三个数字看清开源 AI 的 2026Mozilla 的报告给出了三个关键数字每一个都在挑战开源不如闭源的固有认知。第一个数字0.5%2024 年 8 月开源模型与闭源模型在 Chatbot Arena 上的能力差距缩小到了 0.5%。DeepSeek-R1 甚至在 2025 年 2 月短暂追平了美国最顶尖的闭源模型。虽然到 2026 年 3 月差距又回升到了 3.3%但这个差距并非均匀分布的——它在编码、指令遵循和通用知识上几乎为零主要集中在推理和长上下文检索上。换句话说如果你做的是编码工作开源和闭源的差距已经不剩什么了。第二个数字50 倍GPT-4 级别的推理成本在 36 个月内从每百万 token 20 美元降到了 0.40 美元。这个降幅比互联网时代的带宽价格下降曲线还要陡峭。而在这个价格战里开源模型是绝对的赢家。第三个数字3:1到 2026 年中OpenRouter 上中国开源模型每周路由约 18T token美国模型约 5.5T。3:1 的差距而且还在拉大。开发者用脚投票投给了开源。OpenRouter Token Share: Open vs Closed202420252026302826242220181614121086420Weekly Tokens (T)3. Kimi K3一个 3T 参数的 “为什么”K3 的参数规模是 2.8T——算上 MoE 的稀疏激活实际每次推理只激活其中一部分。但这不是重点。重点在三个地方第一编码能力登顶。K3 在 Arena 的前端编码排行榜上超越了 Claude Fable 5成为当前最强的编码模型。这是中国开源模型首次在某个公认的权威基准上登顶。对于中国开发者社区这是一个信号最好的编码模型现在可以是开源的可以是国产的。第二定价策略的转变。K3 的定价是 $3/百万输入 token 和 $15/百万输出 token——这是中国 AI 实验室发布过的最贵的模型。相比 K2.6 的 $0.95/$4价格翻了不止一倍。月之暗面在告诉市场我们不靠补贴抢份额我们靠产品力。这是一个成熟市场的信号。第三开源承诺的兑现。K3 的权重将在 7 月 27 日前开源。这不是一个空头支票——月之暗面此前已经开源了 K2.6 等多个模型。开源不是一个营销噱头而是它的商业模式。# 用 Kimi K3 生成 SVG 的示例代码fromopenaiimportOpenAI clientOpenAI(base_urlhttps://api.moonshot.ai/v1,api_key***)responseclient.chat.completions.create(modelkimi-k3,messages[{role:user,content:Generate an SVG of a pelican riding a bicycle}])print(response.choices[0].message.content)Simon Willison 用这个 prompt 测试 K3 时模型花了 13,241 个推理 token 来生成一张鹈鹕骑自行车的 SVG。结果不错但花了 25 美分。这说明 K3 目前只有一个推理强度——“最大”它在每一个问题上都全力以赴。这对编码来说可能是好事但对简单查询来说就有点贵了。4. 开源 AI 的 “运营鸿沟”Mozilla 的报告揭示了一个反直觉的现象开源模型在采用率上领先79% 的开发者使用但在生产部署率上落后只有 51% 的团队成功上线对比闭源的 63%。这 12 个百分点的差距不是模型能力的差距而是运营工具的差距。Adoption vs Production DeploymentOpen ModelsClosed Models1009080706050403020100Percentage (%)报告对这 48 个组件进行了 10 个维度的成熟度评分得分最低的两个维度是标准化程度和企业就绪度——而且这两个冷区在每一层都重复出现。这不是能力问题。这是基础设施问题。# 用 vLLM 自托管开源模型的典型部署命令vllm serve Qwen/Qwen3-72B-Instruct\--tensor-parallel-size4\--gpu-memory-utilization0.95\--max-model-len32768企业买得起闭源的 API 调用但买不起自托管开源模型的运维成本。这听起来像是一个悖论——开源模型本身更便宜6 倍的价格差距但运维门槛更高。Mozilla 的报告指出企业规模越大这个差距越明显闭源模型的生产部署率从 54% 提升到 73%而开源模型几乎不动53% → 57%。这个运营鸿沟就是下一个创业机会。LangChain 的 126k 星标和 60% 的开发者份额已经证明了这一点。MCP 协议在 16 个月内 SDK 下载量增长了 47 倍达到月均 9700 万次。5. 开源不是慈善是地缘政治报告中最有冲击力的部分可能不是技术分析而是地缘政治视角。Mozilla 把开源 AI 比作 25 年前的浏览器大战。Mozilla 存在是因为一家公司试图垄断 Web 的入口而开源社区站起来确保它永远做不到。25 年后同样的事情正在 AI 领域重演。中国是开源权重的最大输出者。2026 年 2 月Qwen 在 Hugging Face 上的下载量超过了其他 8 个组织的总和。DeepSeek 报告有 26,000 企业账户58% 的 2025 年新 AI 创业公司将其纳入技术栈。这不是偶然——国务院的AI倡议和五年规划把开源扩散作为核心指令释放权重也是对抗半导体出口管制的宏观对冲手段。Global AI Ecosystem: Disclosed FundingNorth AmericaChinaEurope1201101009080706050403020100Funding (B USD)在 Global South开源 AI 被视为摆脱美国技术垄断的路径。在瑞士公共财团用公共超算训练了一个国家模型把权重、数据、训练代码全部开源。在非洲农民用手机上运行的离线模型诊断木薯病害。开源的战略价值不是更便宜而是能离开。一个供应商可以随时关闭一个模型。但没有人能关闭一个已经在你的机器上运行的副本。对于企业权重在磁盘上是对冲。对于国家这是政策与许可之间的区别。报告引用了一个令人警醒的数据从 AWS S3 搬走 1PB 数据需要 9 万到 12 万美元。80% 的企业正在将工作负载搬离云。37signals 在离开云后账单从 320 万美元降到了不到 100 万。闭源模型 API 复制了同样的锁定陷阱——构建在专有端点上你就继承了供应商的定价变更而且没有干净的退出路径。6. 代理层下一场战争如果说 2025 年的战场是模型能力那么 2026 年的战场就是代理层。Mozilla 的报告提出了一个有力的框架浏览器是开放 Web 的用户代理——运行在用户端代表用户与服务器协商。代理层正在重新扮演这个角色只不过它位于模型之上。当前的代理层格局用户 / 其他 Agent / 世界管控层策略/预算/注册/撤销界面层AG-UI / A2UI行为层沙箱/权限/评估连接层MCP / A2A / 记忆编排层LangGraph / CrewAI模型层开源/闭源权重Terminal-Bench 2.0 在 5 月揭示了一个惊人的事实一个第三方脚手架用 Anthropic 的权重跑到了 79.8%而 Claude Code 在同一模型上只跑了 58.0%——21.8 个百分点的差距说明脚手架比权重更重要。但到了 7 月的 2.1 版本差距缩小到了 3 个百分点。模型正在吃掉代理层——闭源实验室把权重和脚手架打包成一个产品在自家模型上跑得最好在别人模型上跑得差。这就是锁定。开源模型没有自己的第一方代理层来回应。这就是为什么在官方排行榜的验证顶级中看不到任何开源模型。但报告提出了一个乐观的版本在一个中立的脚手架上开源模型的能力差距只有几个百分点而价格差距是 5 倍。GLM 5.2 用约 1/5 的成本达到了接近 Claude Opus 4.7 的水平。写在最后Mozilla 报告的开篇有一句话值得全文抄下来“他们都没有请求许可也没有人能租到这些。他们拥有它——这就是全部的意义。”2026 年的开源 AI 不是一个关于能力的故事。能力已经够了。它是一个关于所有权、选择权和退出权的故事。Kimi K3 登顶编码榜是一个标志性事件但真正重要的事情发生在更底层开源模型正在从足够好走向首选而代理层是下一个战场。如果你是一个开发者现在开始学习自托管和代理编排而不是仅仅调用 API——这可能是今年最重要的技术决策。来源State of Open Source AI V1.0 — Mozilla, July 2026Kimi K3 官方公告 — Moonshot AIKimi K3 与鹈鹕基准测试 — Simon WillisonKimi K3 登顶 Arena 编码排行榜 — The New Stack
![[C++]内存管理：串顺序存储的内存回收](http://pic.xiahunao.cn/yaotu/[C++]内存管理：串顺序存储的内存回收)
