Mozilla：2026开源 AI 现状报告（英文版）（59页）.pdf

核心结论速览： 开源AI与闭源AI的性能差距缩至3.3%：基于LMSYS Chatbot Arena 2026年3月数据，开放权重模型与顶级闭源系统的平均性能差距仅3.3个百分点。2024年1月差距曾达8.04%，同年8月缩至0.5%，DeepSeek-R1于2025年2月发布后一度追平。 推理成本36个月下降50倍：GPT-4级模型每百万Token的API价格从2022年末的约20美元降至2025年12月的0.40美元。这一降幅是PC计算历史曲线的3.4倍、互联网带宽历史曲线的2.6倍。 开源模型占据OpenRouter约三分之一Token流量：截至2025年底，开放权重模型占OpenRouter路由Token总量的约三分之一。2026年6月，按Token月消耗量排名前五的模型均为开源模型。 79%开发者使用开源模型，仅51%部署至生产：Mozilla与SlashData 2026年全球开发者调查（n=1,494）显示，79%的开发者采用开放模型，但仅51%成功部署至生产环境，而闭源模型部署率为63%。 开源占约三分之一实际使用量，仅创造4%收入：开源模型在真实AI使用量中约占三分之一，但仅产生约4%的行业收入。Linux基金会估计，开源-闭源价格不对称带来的年化未实现节省达248亿美元。 亚洲开源AI采用率全球最高（89%） ：中国和东亚地区以89%的采用率领先全球，将开源视为国家战略的基石。2024年有12个国家推出新的国家AI战略，47国对关键工作负载实施境外处理限制。 开源模型“易用难部署”——症结在运营层：Mozilla开源AI堆栈地图（9层48个子组件）评估显示，开源在模型代码（3.96/5）、社区（4.0/5）等维度得分高，但在标准化（2.83/5）和企业就绪（2.79/5）方面得分最低。H2：研究背景与全景图谱。Mozilla于2026年7月14日发布首份《开源AI现状报告》（State of Open Source AI 2026），这是Mozilla对开源AI生态系统的首次年度评估。报告基于对OpenRouter平台超100万亿Token日处理量的分析、LMSYS Chatbot Arena基准数据、Mozilla与SlashData联合开展的全球开发者调查（n=1,494，覆盖全球开发者），以及Linux Foundation和公开 filings 等多源数据。报告核心判断：开源AI已跨越技术门槛。Mozilla CTO Raffi Krikorian指出：“开源AI已到达一个转折点。争论已不再是开源模型能否与闭源竞争——而是谁拥有塑造、审计和改进它们的力量。”。H2：能力差距与成本曲线——开源已接近闭源。性能差距的“锯齿状前沿” ：3.3%的平均差距掩盖了任务层面的差异。开源模型在编码、指令遵循和通用知识方面与闭源持平或接近；闭源模型在推理、长上下文检索和智能体任务上仍保持优势。成本崩溃的驱动者：GPT-4级模型价格从2022年11月的20美元/百万Token降至2025年12月的0.40美元/百万Token。最大单次降幅来自开源权重模型——Llama 3.1和DeepSeek在一个季度内将GPT-4级价格下限拉低了11倍。H2：采用与部署的断层。采用——开源广泛渗透：79%的开发者使用开源模型。89%的组织在其软件栈中使用了开源组件。按请求数，闭源美国供应商仍领先；开源的优势集中在Token密集型的编码和智能体工作负载上。部署——开源遭遇瓶颈：仅51%的开源模型团队成功部署至生产环境，闭源模型为63%。部署率随企业规模增长的幅度，开源远小于闭源。阻碍因素：开发者列出的前五大挑战——基础设施与计算成本（27%）、安全/隐私/合规（26%）、持续维护与更新（24%）、部署/托管/扩展复杂性（23%）、缺乏专业支持（22%）。H2：区域竞争格局——主权AI竞赛。亚洲领跑：中国和东亚以89%的开源AI采用率领先全球。2026年2月，Qwen在Hugging Face的下载量超过了其后八个组织的总和。中国开源模型在OpenRouter十大最常用模型中占61%的流量。欧洲追赶：2025年2月法国承诺1090亿欧元AI基础设施。2025年8月AI法案为合格开源系统提供针对性豁免。2026年6月，葡萄牙以550万欧元推出完全开源的Amalia大语言模型。北美应对：加拿大2026年6月启动“全民AI”计划，含8.9亿加元主权AI超级计算机。Cohere开源Command A+（2180亿参数MoE）。印度崛起：IndiaAI Mission拨款1037.2亿卢比，38,231块GPU以低于市场40%的补贴价格提供。2025年新增超500万GitHub开发者，总数达2190万。H2：代理层（Harness）——模型之上的新战场。代理层正在成为决定性层：Mozilla指出，“最重要的发现可能也是最不明显的——最重要的层不是模型本身，而是代理层（Agentic Harness）”：模型与用户之间的软件，决定AI系统能看什么、记住什么、做什么。市场数据：LangChain在GitHub上有超12.6万星标，在编排领域占据60%的开发者份额。MCP（模型上下文协议）Python与TypeScript SDK月下载量从约200万增长至9700万，16个月增长4750%。财富500强中28%在2026年3月前已在生产环境运行MCP。安全风险：MCP成为Linux Foundation基础设施后的前八周内，安全研究人员填补了30多个CVE。约21%的公司拥有成熟的智能体治理——采用速度已超过管控能力。H2：商业模式与投资格局。开源生态的融资断层：基础模型、推理/服务、基础设施/计算层获得充分资本支持；数据、安全、评估——即“信任层”——仅依赖慈善和政府资金。“按量计费”模式在大规模下失效：微软探索Azure托管DeepSeek V4用于最重的Copilot工作负载；Stripe在开源模型上将推理成本降低了73%。整合已经开始：CoreWeave以17亿美元收购Weights & Biases（2025年5月）；Databricks以13亿美元收购MosaicML（2023年7月）；Cohere以约200亿美元估值收购Aleph Alpha（2026年4月）。延伸阅读：以上为报告核心趋势分析，如需获取完整报告详细数据及全部案例，请访问下载页下载完整PDF报告。FAQ区块。Q1：开源AI与闭源AI的性能差距到底有多大？基于2026年3月Chatbot Arena数据，平均差距为3.3个百分点。在编码、指令遵循和通用知识方面接近持平；差距集中在推理、长上下文检索和智能体任务。Q2：开源模型的使用成本有多低？GPT-4级模型每百万Token的价格从2022年末的约20美元降至2025年12月的0.40美元，36个月下降50倍。Q3：开源模型在真实世界中到底被用得多不多？开源模型在OpenRouter上约占三分之一的Token流量。2026年6月，按Token月消耗量排名前五的模型均为开源模型。Q4：为什么开发者用开源模型但部署不上去？79%的开发者使用开源模型，仅51%部署至生产环境。主要障碍是运营工具、标准化和企业就绪支持，而非模型能力。Q5：代理层（Agentic Harness）为什么重要？代理层决定AI系统能访问什么数据、使用什么工具、记住什么信息、执行什么操作。更换代理层软件对系统行为的影响可能比更换模型本身更大。Q6：哪些国家在开源AI上投入最大？中国（开源作为国家战略）、欧盟（1090亿欧元AI基础设施）、加拿大（8.9亿加元主权AI超级计算机）、印度（1037.2亿卢比IndiaAI Mission）。数据来源说明。以上数据来源于Mozilla《State of Open Source AI 2026》报告（2026年7月发布），基于LMSYS Chatbot Arena、OpenRouter平台数据、Mozilla/SlashData全球开发者调查（n=1,494）及公开 filings 等多源数据。