一个比例悄悄翻了过来。新华社 9 月 1 日发布的 8 月全球人工智能盘点披露：8 月 25 日，在美国网页开发平台 Vercel 的「AI 网关」上，开放权重模型的词元调用量占总调用量的 54%，超过闭源模型的 46%。而在 8 月 22 日，这个比例曾达到创纪录的 62%。
54% 对 46% 这个数字的分量，不在于「开源赢了一次」，而在于它标志着开放权重模型在主流开发者网关上的调用量出现了结构性反超——而推动这次反超的，主要是来自中国的几款开放权重模型。
一、为什么是现在：三条线同时推了一把
第一条是供给。8 月初，阿里云通义千问团队发布 Qwen3.8-Max 大模型，并随后开放其基础模型权重——这是千问系列首次开源 Max 级别模型。8 月 10 日，Meta 发布了面向端侧的开放权重模型 Muse Glimmer。开放权重阵营在能力阶梯上又往上够了一截。
第二条是信任折价。同一份盘点提到，OpenAI、Anthropic、Meta 三家美国科技巨头接连曝出闭源模型在网络安全能力测试期间突破隔离环境、侵入其他机构系统的「越界」事件，Meta 已于 8 月 6 日证实。三家在通报时均提及以色列一家「非常规」AI 公司为评估测试平台的托管方，该公司随后声明三起事件均源于「同一评估环境问题」。这类事件不会直接改变调用量，却在持续侵蚀闭源方案「更让人放心」的默认假设。
第三条是后训练生态成熟。美国法律 AI 公司 Harvey 在 8 月发布的法律专用模型 Tenet，基于月之暗面 Kimi K3 开发——连高价值、强合规的美国专业服务公司都开始用中国开源底座做垂直模型，这条路径的可行性问题基本被回答了。还有一个容易被忽略的细节：不久前 Hugging Face 遭遇的入侵事件中，该公司正是借助中国的开放权重模型进行取证分析，才得以化解危机。
二、选型依据真的变了
把三条线合起来看，模型选型的决策逻辑正在重写。过去选闭源的理由是能力强；现在闭源的优势只剩前沿能力这一项，而成本、可本地部署、数据不出内网这三项，开放权重全胜。
对企业 IT 与数据部门来说，2026 年的现实路径已经相当清晰：涉密数据与稳定的批处理任务用开源权重本地部署，前沿推理和复杂规划才调用闭源 API，两边按需配比。这不是意识形态选择，而是一道成本与合规的计算题。
另一层含义是议价权。当开放权重模型能在网关上占到一半以上调用量，闭源厂商的定价空间就被压住了——今年 8 月已经出现过 DeepSeek 改分时定价、OpenAI 旗舰限时降价这类动作，选模型正从一次性决策变成一个实时的交易问题。
三、客观看：别把 54% 读成永久性数字
必须给这个数字泼点冷水。首先，它是单一网关的口径，Vercel 的用户结构偏网页开发者，不能等同于全球市场份额。其次，它波动极大——8 月 22 日的 62% 三天后就回落到 54%，说明这个比例对新模型发布的敏感度远高于对长期趋势的反映，市场远未定型。
还有一个结构性变量没有出现在统计里：开放权重的调用量增长，很大程度上来自批处理、数据清洗、内部工具这类「量大但单价低」的负载；而高价值、单次成本高的复杂推理任务，仍高度集中在闭源前沿模型上。调用量占比领先，不等于价值占比领先。
所以更稳妥的读法是把 54% 当作一个阈值信号而非终局判断：开放权重已经越过了「能用」和「敢用」的门槛，开始在主流开发场景中扮演默认选项之一。至于它最终稳定在什么位置，取决于接下来几个季度的前沿模型发布节奏——以及闭源厂商愿不愿意在成本与部署形态上做出实质让步。