事件与背景

2026 年 7 月 18 日——本周 AI 圈最值得关注的事件不是单一模型的发布，而是一份全景报告的出炉：Mozilla 发布了《The State of Open Source AI》V1.0。这是 Mozilla 作为”浏览器之战”的赢家，首次系统性回答一个核心问题——开源 AI 到底走到了哪一步？

与此同时，中国 AI 实验室 Moonshot AI 发布了 Kimi K3（2.8 万亿参数），号称”首个开源 3T 级模型”，承诺于 7 月 27 日开放权重。这两件事叠加在一起，画出了 2026 年中 AI 格局的清晰轮廓。

来源：

• Mozilla: The State of Open Source AI V1.0 — 完整报告与交互式数据
• Mozilla: 报告 PDF 下载
• Simon Willison: Kimi K3 深度评测 — 含”鹈鹕骑自行车”实测
• Moonshot AI: Kimi K3 官方公告
• HN 讨论（489 分/293 评论） — 开源 AI 报告讨论帖

为什么现在重要

1. “能力差距”已不是阻碍，但”部署鸿沟”才是

报告最震撼的数据点：开源与闭源的能力差距在过去 24 个月从 8.04% 缩小到 0.5% 后又反弹至 3.3%。但这个 3.3% 是”锯齿状前沿”的平均值——开源在编程、指令跟随、通用知识上已基本持平，差距集中在复杂推理、超长上下文和 agentic 任务上。

然而 79% 的开发者使用开源模型（71% 使用闭源，50% 两者兼用），这是 Mozilla/SlashData 2026 开发者调查的结果。开源模型已经不再是”替代品”，而是主流选择。

真正的警告在生产侧：只有 51% 的开源团队到达生产，闭源是 63%。而且企业规模越大，这个差距越明显——闭源大企业的生产率从 54% 攀升到 73%，开源几乎不动（53% → 57%）。问题不是模型不够好，而是部署工具不够成熟。

2. 推理成本 36 个月暴跌 50 倍，开源模型的 token 用量统治 OpenRouter

GPT-4 级别模型每百万 token 的推理成本从 $20 降至 $0.40，50 倍的降幅甚至快于当年 PC 计算成本的摩尔定律式下降。在这轮价格崩溃中，OpenRouter 上 token 用量最高的五个模型全部是开源权重。每周约 18T token 通过中国开发的模型，而美国模型约 5.5T，比例超过 3:1。开发者用 token 投票，票投向了开源。

3. 开源 AI 已是一个百亿美元的商业市场

报告用硬数据打破了”开源不赚钱”的认知：

• Databricks 跨过了 $5.4B 年化收入 门槛
• Mistral 12 个月内增长了 20 倍，达 ~$4 亿 ARR
• DeepSeek 实现约 $2.2 亿 ARR，最近融资 $74 亿，估值超 $500 亿
• 五种商业模式已被验证：托管推理、企业平台、本地许可、微调服务、编排工具层

这是一个从”捐钱做慈善”到”风险投资规模到公开市场”的完整演进。

4. Kimi K3 的发布为开源能力论述添加注脚

就在 Mozilla 报告发布的同时，Moonshot AI 的 Kimi K3（2.8T 参数） 在多项基准上超过 Claude Opus 4.8 和 GPT-5.5，在 Arena.ai 的前端代码竞技场上甚至超越 Claude Fable 5 排到第一。定价 $3/$15 每 M token，与 Claude Sonnet 系列相当，是迄今为止中国 AI 实验室最贵的模型。

但 Simon Willison 的”鹈鹕测试”揭示了一个有趣现实：K3 目前只有”max”一个推理强度，生成一张骑自行车的鹈鹕 SVG 就消耗了 13,241 个推理 token、耗时 25 美分。这也说明——“能力”和”效率”之间还有巨大优化空间。

5. 开发者选择的格局已定：开源不是理想主义，是务实选择

29% 的开发者只用开源，21% 只用闭源，50% 两者兼用。这不是零和博弈。Mozilla 的 CTO Raffi Krikorian 在公开信中写道：“相信一个充满多种模型的世界，有标准的连接方式，以及随时可以从任何供应商走开的自由。”

区域数据也值得关注：大中华区和东亚开源采用率达 89%，南美和西欧是唯二闭源使用率超过开源的两个地区。

工程师/产品人今天能做什么

1. 评估自己的”部署鸿沟”：如果你团队在用开源模型但还没上线生产，卡点在哪？是基础设施成本（27% 开发者遇到）、安全合规（26%）、还是运维复杂度（24%）？报告的数据说明，这几乎是行业通病，不是你的团队问题。考虑使用成熟的推理服务平台（如 OpenRouter、Fireworks、Together）先跑起来，再自建。

2. 重新审视模型选择策略：闭源模型在复杂推理和 agentic 场景仍有优势，但开源在编码、常规任务和成本控制上已经完美胜任。如果你的场景用不到最前沿的思考能力，闭源的溢价对你来说是浪费。

3. 关注 Kimi K3 的开源进度：7 月 27 日开放权重是一个重要时间点。2.8T 参数意味着本地部署需要 A100/H100 集群，但可以关注社区如何通过量化、蒸馏来降低门槛。同时注意其高昂的推理成本——高能力 ≠ 低成本。

4. 构建 agent 系统时，预留模型替换能力：两年内能力差距从 8% 降到 3%，这意味着明年可能消失。不要在代码中写死模型接口，为未来更换模型保留灵活性。 OpenAI API 的兼容接口（如通过 LiteLLM、OpenRouter）是好的实践。

5. 关注开源部署工具链的演进：Mozilla 报告明确指出运维工具是开源最大的短板。这一缺口意味着商业机会——能像操作闭源 API 一样简单部署开源模型的企业级工具，将有很大市场。

待观察

1. DeepSeek 下一轮：报告披露 DeepSeek 估值 $500 亿+，融资 $74 亿。这笔资金的使用方向（算力扩张？生态建设？下一代模型？）将深刻影响 2026 下半年的格局。

2. 3.3% 差距是收窄还是扩大：报告捕捉到 2026 年 3 月时差距因闭源的推理模型而重新扩大至 3.3%。如果下半年 OpenAI/Anthropic 的新推理模型进一步拉大差距，开源可能需要新的突破口（MOE 架构？更高效的推理？）。

3. Mozilla 的后续行动：Mozilla 将这份报告定位为 “V1.0, Recurring”（定期发布）。作为浏览器时代开放精神的守护者，Mozilla 在 AI 时代是否会推出自己的开源模型、推理平台或开发者工具？如果它把浏览器积累的分发能力和生态运营经验带入 AI 领域，可能会成为一个意想不到的变数。