開放權重模型與前沿模型：成本與品質比較

開放權重模型與前沿模型之間的取捨，歸結起來是能力和成本兩件事。在通用能力上，最好的開放權重模型大約落後前沿四個月，這是 Epoch AI 在 2026 年 5 月提出的測量結果。在價格上，截至 2026 年 10 月，開放權重模型每個 token 的價格比旗艦前沿模型低好幾倍。而在一個明確的任務上，用這項任務訓練開放模型可以補上能力差距：在我們已發表的 QMSum 研究中，訓練過的模型在 ROUGE-1 上的得分高於我們測試的全部五個託管專有模型，相關限制條件見下文。

本文介紹兩類模型的差別、整體差距有多大、開放權重為什麼比較便宜、目前領先的開放模型有哪些、訓練過的開放模型在哪裡勝出（附我們的實測結果），以及從兩個成本維度來看每類模型的單一任務成本。

開放權重模型和前沿模型有什麼差別？

前沿模型指的是某一時期能力最強的一批模型，其中幾乎全部是閉源權重：您只能透過開發者的 API 使用，訓練、部署、定價和下架都由開發者決定。開放權重模型會公開訓練好的參數，任何人都可以下載、自行託管，並用自己的資料繼續訓練。

Artificial Analysis 的劃分方式和業界多數人一致：只要模型"where their weights are accessible to download"（權重可以下載），就算開放權重，這代表可以"self-hosting on your own infrastructure"（在自己的基礎設施上託管），也可以透過微調等方式客製模型（2026 年 10 月 29 日查閱）。開放權重的含義比開源更窄。訓練資料和訓練程式碼通常仍然保密，商業上能做什麼由授權條款決定，詳見我們的開放模型授權指南。

英國 AI 安全研究所（UK AI Security Institute）在 2026 年 7 月這樣概括開放模型的好處：它們"can be hosted privately, with no data returning to the model providers, adapted to specific tasks, and run only at the cost of compute"（可以私有託管，資料不會回流到模型提供者，可以針對特定任務調整，運行成本只有算力）。一旦投入使用，它們就是提供者無法更改或下架的可靠基礎。

開放權重模型落後前沿模型多少？

在通用能力上大約四個月。Epoch AI 發現，自 2026 年 1 月以來，"the most capable open-weight models have lagged frontier closed models by an average of four months"（能力最強的開放權重模型平均落後閉源前沿模型四個月），這是依其 Epoch Capabilities Index 計算的，平均差距為 8 個指數點，"similar to the gap between GPT-5 and GPT-5.5"（與 GPT-5 和 GPT-5.5 之間的差距相當），見 Epoch AI 2026 年 5 月 29 日的資料。它先前的分析顯示，2023 年 1 月到 2025 年 10 月期間的落後時間約為三個月。

針對更具體能力的測量也落在同一區間。英國 AI 安全研究所測試了資安能力，發現 GLM-5.2（2026 年 6 月）和 DeepSeek V4-Pro 的表現與比它們早 4 到 7 個月發布的閉源前沿模型相當，比它在 2025 年大部分時間測得的 6 到 10 個月更短（AISI，2026 年 7 月 17 日）。

這兩項測量涵蓋的都是一大批任務。一家企業如果只是大量執行某一項任務，要回答的問題更具體：模型做這項工作做得如何，每次回答要花多少錢。整體差距只是起點，用這項任務訓練模型會改變答案，下文的 QMSum 結果說明了這一點。

為什麼開放權重模型比較便宜？

開放權重模型比較便宜，是因為任何人都可以部署同一份權重，託管商之間要在每個 token 的價格上競爭；閉源模型則只有開發者訂下的一個價格。2026 年 10 月 29 日，OpenRouter 上的 GLM-5.2 有 25 家供應商的 34 個端點，輸出價格從每百萬 token 1.44 美元到 8.00 美元不等。Claude Opus 5.5 有 5 家供應商的 11 個端點，價格全部等於或高於 Anthropic 的牌價，也就是每百萬 token 輸入 4 美元、輸出 20 美元。

價差背後還有兩個原因。大多數開放權重不需要託管商付費給開發者，所以價格只需涵蓋部署成本。此外，您可以選擇模型大小：開放模型有多種尺寸，模型越小，每個 token 的運行成本越低。

表中最後一列是需要說明的例外。前沿實驗室也販售低價方案，GPT-6 Luna 每個 token 的價格甚至比託管的開放模型更低。面對低價方案，訓練模型的優勢在於第二個成本維度，也就是每個任務用的 token 更少，再加上品質：低價方案能不能在您的任務上達到您的標準。

最好的開放權重模型是哪一個？

就通用能力而言，截至 2026 年 10 月 29 日，Artificial Analysis 將 DeepSeek V4.1 Flash 1017 和 GLM-5.3（皆為最高推理強度）列為智慧程度最高的開放模型，其次是 MiMo-V2.6-Pro 和 Ling 3.1 Flash 1019（Artificial Analysis）。這類排名變動很快，引用任何排名時都要確認日期。

對一項業務任務來說，最好的開放權重模型，是用您自己的範例訓練之後仍能達到品質標準的最小模型，而且授權允許您的用途。排行榜衡量的是通用能力，您的評估集衡量的才是您付錢要完成的工作，它選出的模型可能比榜首小得多。

訓練過的開放模型什麼時候勝過前沿模型？

當一項任務大量重複、輸出可以驗證、品質標準由這項任務本身決定時，訓練過的開放模型就會勝出。我們的 QMSum 研究（arXiv 2609.25028）在以查詢為導向的會議摘要任務上展示了這個效果，所有系統都在完整的 281 筆測試查詢上用同一套實作評分。

這組比較中有三個結果值得關注。

訓練讓開放模型在 ROUGE-1 上超越了託管模型。 未訓練的 1.2B 開放模型 ROUGE-1 為 30.12，低於最好的託管專有模型的 32.43。用它在推論時讀取的同一種檢索片段輸入進行微調後，ROUGE-1 提高了 5.29（95% 區間為 +4.02 到 +6.56），最終達到 35.41。而在訓練之前，把逐字稿開頭的文字換成檢索到的片段，只在測試集上提高了 1.55、在驗證集上提高了 0.29，所以大部分提升來自訓練。

兩個訓練過的模型得分都高於全部五個託管專有模型。 託管模型在同一個簡潔提示詞下以零樣本方式執行，得分介於 27.89 到 32.43 之間。論文對這個排序有明確限定：託管模型的回答比較長，這在以參考文本重疊度計算的指標上會拉大差距，而且研究沒有進行人工評估或事實性評估。論文結論僅限於 QMSum 和自動指標。QMSum 上最強的已發表系統在各自論文中報告了更高的分數，最高為 ROUGE-1 38.82，因此這項研究的貢獻在於統一評分下的比較和成本結論。研究所測試的託管模型版本是當時的最新版本，之後又有更新的版本推出。

更小的訓練模型守住了品質。 406M 專用模型得分 36.33，1.2B 系統為 35.41，QMSum 無法在統計上區分這個差異，而前者的推論峰值記憶體不到後者的一半。對於大量執行的任務，這個佔用決定了部署成本，所以我們會依任務決定每個模型的大小。

支出的去向也呈現相同的規律。在 OpenRouter 截至 2026 年 10 月 12 日的 30 天公開資料中，分類、擷取和轉換佔已分類模型支出的 20.8%，而在這些任務上，閉源前沿模型佔前十名模型支出的 75% 到 87%。這些任務的輸出可以驗證，訓練過的模型可以被精確評估。更完整的論述見《微調已死？》。

開放權重模型和前沿模型的單一任務成本是多少？

單一任務成本等於每個 token 的價格乘以每個任務用掉的 token 數，訓練過的開放模型能同時降低這兩項。價格下降，是因為開放權重以競爭性價格提供服務，而規模合適的模型需要的硬體更少。token 數下降，是因為通用模型每次提示都需要的指令、規範和範例被訓練進模型本身，不必再傳送。

下表使用一個示意任務：輸入 6,000 個 token，其中 4,500 個是重複的指令和範例，輸出 500 個 token。訓練模型這一列保留 1,500 個 token 的單次請求資料，並給出較短的回答。價格為各供應商 2026 年 10 月 29 日的牌價。

訓練模型這一列沿用 GLM-5.2 的價格，以便單獨看出 token 數的影響。為單一任務訓練的模型可以比通用模型小得多（我們 QMSum 研究中訓練的摘要模型分別為 406M 和 1.2B 參數），因此它每個 token 的價格可以遠低於 GLM-5.2。GPT-6 Luna 這一列說明了以 token 價格論證的界線：面對低價方案，節省來自 token 數，決定性的問題是您的任務上的品質。

提示詞越重的智慧代理，節省越多。當每次請求都帶著護欄、作業流程、工具定義和範例時，起始提示詞可以達到 10,000 個 token，而每次請求之間變化的只有單次請求的資料。把這些內容訓練進模型後，只需傳送同樣的 1,500 個 token 資料：

輸入 token 減少 85%。訓練模型的成本不到同一開放模型使用完整提示詞時的四分之一，約為 Claude Opus 5.5 的十三分之一。依這些牌價，GPT-6 Luna 的單一任務成本仍然較低；要縮小這個差距，需要較小的訓練模型帶來的較低價格，其餘由您任務上的品質決定。

token 這個維度要依您自己的流量來校準。它取決於每次提示中有多少是重複的固定內容、有多少是單次請求的資料，也取決於您目前使用的模型是否對推理 token 計費。提示詞快取已經能為重複輸入打折：截至 2026 年 10 月 29 日，Anthropic 對 Claude Opus 5.5 的快取命中以每百萬 token 0.20 美元計費，是輸入價格的二十分之一。如果您的快取做得好，輸入端能省下的就少一些，輸出和推理 token 在成本論證中的份量更重。

可以用單一任務成本計算器算算您自己的數字，它把每個 token 的價格和每個任務的 token 數作為兩個獨立輸入。我們關於 AI 單一任務成本和客製模型何時在成本上勝過前沿 API 的指南，在計入訓練和託管成本後算出了損益平衡點。

什麼時候應該用前沿模型？

任務範圍廣、剛起步或量不大時，租用前沿模型；任務明確、穩定且反覆出現時，訓練一個開放模型。

兩者可以搭配使用。用提示詞呼叫前沿模型，是摸清任務需求最快的方式；過程中累積的範例和評估集，會成為訓練模型的資料和品質標準。困難或少見的請求可以繼續交給前沿模型，訓練過的模型承擔大部分流量。

Ertas 是一家應用型 AI 實驗室，為此提供自適應模型端點：一個用您的任務訓練的模型，透過相容 OpenAI 的 API 提供服務。新版本在背景用您的代理程式流量訓練，依您的評估評分，只有經您核准才會上線。如果新版本沒有達到標準，目前的模型會繼續服務。它可以由 Ertas 託管，也可以部署在您自己的雲端或地端，您的資料始終保持私密。該端點目前僅限受邀企業使用，我們正在開發一個更精簡的版本，讓更多企業可以接入。

常見問題

英文應該寫 "open weights models" 還是 "open-weight models"？

兩種寫法都有人用。"open-weight model" 要加連字號，因為 "open-weight" 用來修飾名詞，和 "open-source model" 的寫法一樣。不加連字號的 "open weights" 是名詞片語，例如 "the model has open weights"。Epoch AI 寫作 "open-weight models"，英國 AI 安全研究所寫作 "open weight models"。中文一般稱為開放權重模型。

ChatGPT 是前沿模型嗎？

ChatGPT 是 OpenAI 的聊天產品，背後運行的是 OpenAI 的前沿模型。這些模型是閉源權重：您只能透過 ChatGPT 或 OpenAI 的 API 使用，權重不公開。

ChatGPT 是開源還是閉源？

閉源。OpenAI 不公開 ChatGPT 背後模型的權重。它另外以 gpt-oss 為名發布了開放權重模型，任何人都可以下載和託管；Epoch AI 將 gpt-oss-120b 標為無使用限制。

有哪些開放權重模型的例子？

Z.ai 的 GLM-5.2、DeepSeek V4 Pro、Moonshot 的 Kimi K2.6、Google DeepMind 的 Gemma 4 以及 OpenAI 的 gpt-oss 都是開放權重模型。授權各不相同：Epoch AI 將 Kimi K2.6 標為無使用限制，將 Gemma 4 31B 標為限制使用，商用前請先確認條款。

為什麼運行開放權重模型比較便宜？

許多託管商部署同一份開放權重並在價格上競爭，您還可以選擇與任務相符的模型大小。閉源模型只有開發者訂下的一個牌價。截至 2026 年 10 月 29 日，GLM-5.2 在 Together AI 上的輸出價格為每百萬 token 4.40 美元，而 Claude Opus 5.5 為 20 美元。

開放權重模型能和前沿模型競爭嗎？

在通用能力上，最好的開放模型平均落後約四個月，這是 Epoch AI 在 2026 年 5 月的結論。在單一明確的任務上，訓練會改變比較結果：在我們的 QMSum 研究中，訓練過的開放模型在 ROUGE-1 上的得分高於五個託管專有模型，但需要注意，託管模型的回答比較長，而且研究沒有進行人工評估或事實性評估。

簡短版

前沿模型在通用能力上領先幾個月，開放權重模型每個 token 的價格比旗艦模型低好幾倍。對於大量執行的單一任務，一個規模合適、用這項任務訓練過的開放模型，可以在這項任務自己的衡量標準上超越託管模型，同時每次請求傳送的 token 少得多。任務範圍廣或剛起步時用前沿模型，任務穩定且反覆出現後再訓練模型。把您自己的價格和 token 數輸入單一任務成本計算器，就能看到您的交叉點在哪裡。

什麼時候一項任務值得擁有自己的模型，可參閱基礎模型與特定任務模型。訓練好的模型上線後如何持續改進，可參閱AI 智慧代理的持續學習。

---

資料來源，均於 2026 年 10 月 29 日查閱：Epoch AI，"Open models lag state-of-the-art closed models by 4 months"（2026 年 5 月 29 日）；英國 AI 安全研究所，"How Far Behind the Frontier are Leading Open Weight Models on Cyber?"（2026 年 7 月 17 日）；Artificial Analysis 開放權重模型比較；價格來自 OpenAI、Anthropic 和 Together AI；供應商列表來自 OpenRouter。我們的研究：QMSum 研究和 OpenRouter 結構化任務報告。