一个被说了太久的叙事正在崩解。
过去两年，主流舆论反复告诉行业：开源和开放权重模型永远追不上前沿实验室，差距只会越拉越大。每当OpenAI或Anthropic发布一个新模型，评论区总有“闭关源已死”的论调。
数据讲的是另一个故事。
2026年6月的AI生态图上，开放权重模型正在以至少三种方式改写游戏规则。DeepSeek V4 Flash把前沿级智能体编码成本压到GPT-5.5的约1/150。GLM 5.2在关键Agent基准上逼近Anthropic Opus 4.8，以约1/5的成本把差距缩小到1个百分点以内。MiniMax M3把多模态长上下文打包进了一个开放权重模型。NVIDIA Nemotron 3 Ultra则在Computex上打出了550B参数的美国开放权重冠军牌。
四个月，四个模型。没有一个是来凑数的。
开放权重的“秀肌肉”时刻
OpenRouter联合创始人Chris Clark在6月发布的评估报告中给出了一个量化结论：开放权重模型的智能水平与前沿实验室的差距，已连续18个月稳定在3至6个月区间，前沿实验室“并没有在加速拉开距离”。
这不是随意观察。透视2026年前六个月的发布节奏，两条趋势线的交汇清晰可见。一条是智能水平的上扬曲线——从DeepSeek V4 Pro在SWE-bench Verified上拿下80.6%（开放权重最高分）开始，到GLM 5.2在Artificial Analysis Intelligence Index v4.1上以51分登顶开放权重模型首位，领先Nemotron 3 Ultra的48分、MiniMax M3和DeepSeek V4 Pro的44分，距离Anthropic Claude Fable 5仅5分。另一条是成本曲线的断崖式下降——DeepSeek第一方API定价低至0.14美元/0.28美元每百万token（入/出），缓存命中后再降至0.029美元，而GPT-5.5的输出定价是30美元每百万token。
差距在拉大吗？18个月来的答案是：没有。
与此同时，成本正在成为企业规模化AI部署的核心矛盾。Anthropic在6月初发布Opus 4.8后，随即对Fable 5实行了用量配额制。6月12日，美国出口管制指令迫使Anthropic暂停Fable 5和Mythos 5对所有外国国民的访问——两款模型在全球范围内关闭。6月26日，OpenAI应白宫请求将GPT-5.6 Sol、Terra和Luna的广泛发布推迟。微软则被曝正在评估在Copilot Cowork中部署自托管版DeepSeek V4以压缩token支出——这家曾经与OpenAI深度绑定的巨头正在用行动承认一件不言自明的事：前沿模型变得太贵了，贵到连最有钱的公司也开始精打细算。
就在这样的背景下，四款开放权重模型脱颖而出。
DeepSeek V4 Flash：第一个跨过“Agentic卢比孔河”的开放模型
DeepSeek V4 Flash不是四款中最强的，但它是第一个。
第一个让团队毫不犹豫地把它丢进真实智能体流水线、视作Anthropic或OpenAI类前沿模型可行替代品的开放权重模型。数据很清楚：SWE-bench Verified 79.0%，距离大哥V4 Pro的80.6%仅1.6个百分点；MoE架构约284B总参数、约13B激活参数；100万token上下文窗口；MIT许可证。2026年4月发布。
但真正引爆市场的不是性能，是定价。
DeepSeek第一方API的Flash定价低至0.14美元/0.28美元每百万token，缓存命中后进一步降至0.029美元每百万输入token。OpenRouter的数据直接写道：这“大约是GPT-5.5输出成本的1/150”。即使在不训练数据的西方托管商上价格约翻倍，相比闭源前沿仍然是一个令人无法忽视的数字。
代价真实存在。第一方API路由经过中国，服务条款允许将数据用于训练。不过不训练数据的西方托管商以接近价格即可获得——用户可以选择在哪里运行模型。
DeepSeek Flash的真正影响超越了模型本身。0.14美元每百万输出token这个数字设定了整个开放权重行业的价格锚。任何一个新模型进入市场时，买家都会问两个问题：比DeepSeek便宜吗？比DeepSeek聪明吗？这两个问题正在重新定义AI市场的竞争标尺。
GLM 5.2：新的质量之王
如果说DeepSeek在成本上捅破了天，GLM 5.2则在质量上做出了同等级别的突破。
6月中旬，智谱AI（Z.AI）发布了GLM 5.2，MIT许可证下开放权重。一出手就改写了开放权重模型的能力天花板。Forbes的报道异常精准：GLM 5.2“以约1/6的token成本，在关键Agent基准上与Opus 4.8的差距缩小到1个百分点以内”。CNBC的独立评测证实了这个判断——在关键Agent基准上，GLM 5.2与Opus 4.8的差距不到1个百分点，成本仅约后者的1/5。
更有冲击力的是更新时间线。Forbes记者Amir Husain指出，GLM-5在2月发布，GLM-5.1在3月发布，内部编码评分从35.4跃升至45.3（同比提升28%），GLM-5.2在6月发布，Terminal-Bench 2.1得分从62飙升至81——三次迭代，四个月。每一次迭代都在国产算力上完成。Husain写道：“这意味着开放前沿不是在爬向封闭前沿。它在冲刺。”
地缘政治正在为GLM 5.2提供额外推力。6月12日美国出口管制指令迫使Anthropic在全球范围内暂停Fable 5和Mythos 5的访问（据CNBC报道，Anthropic于美东时间下午5:21接到指令）。一个MIT许可证、接近前沿编码性能、不受出口管制影响的开放权重模型，对任何追求业务连续性的组织来说都变成了一个新选项——不是理想中的选项，而是现实中的一个必要备选。
GLM 5.2并非完美。它在输出端比较消耗token——加权平均定价0.447美元/3.31美元每百万token，远高于DeepSeek。但如果你的场景是架构级规划、仓库级重构或长周期代理任务，GLM 5.2就是当前开放权重中的最佳选择。
MiniMax M3与Nemotron 3 Ultra：差异化拼图
在DeepSeek和GLM争夺编码和Agent智能王座时，MiniMax M3和Nemotron 3 Ultra分别占住了两个截然不同的生态位。
MiniMax M3填补了一个被严重低估的需求：多模态长上下文。当你的Agent需要处理截图、UI状态、图表或文档时——DeepSeek和GLM都做不到，二者都是纯文本模型。MiniMax M3原生支持图像和视频输入，100万token上下文窗口，AA Intelligence Index 44分，定价0.098美元/1.21美元每百万token。它的战略定位非常清晰：不去拼编码、不去拼智能分——在“多模态×成本效率”这个狭窄而明确的赛道里做到最好。
Nemotron 3 Ultra则代表完全不同的逻辑。6月1日，黄仁勋穿着皮夹克走上Computex 2026的舞台发布了它——550B参数/55B激活的MoE模型，AA Intelligence Index 48分，美国最智能的开放权重模型。它不如GLM 5.2聪明（低3分），不如DeepSeek便宜（0.423美元/2.61美元），但它是四款模型中唯一满足以下所有条件的：美国公司研发、完全开放许可、NVIDIA全栈生态、有一个八家实验室组成的Nemotron Coalition在迭代。Nemotron 4已在路上。对“我需要一个美国开放权重模型，它的部署生态和供应商关系对我来说与基准分数一样重要”的企业用户来说，Nemotron现在就是最佳选项。
结构性力量正在改写格局
把这四个模型放在一起，有几个结论已经不容忽视。
成本侧的竞争格局已基本上尘埃落定。 DeepSeek把价格锚定在了0.14美元每百万输出token这个水平。任何一个试图商业化开放权重模型的公司都必须在DeepSeek的价格线附近竞争。闭源前沿模型的单次推理成本比开放权重高出10到150倍——这个价差本身就是一种结构性力量，它正在迫使企业重新审视“为智能支付溢价”这件事是否还有必要。
质量侧的追赶在加速而非减速。 GLM 5.2在四个月内的Terminal-Bench得分从62跳到81。Forbes引述的数据勾勒出一条过去三年的压缩路径：2023年开放模型落后两年，2024年落后一年，2025年落后六个月——如今在决定真实工程工作量的基准上，差距压缩到了“几周”。OpenRouter的量化分析同样确认：这个差距已稳定在3到6个月超过18个月。这不是一个追赶者在喘息；这是一个追赶者在加速。
地缘政治正在为开放权重创造结构性需求。 Anthropic模型被出口管制，OpenAI延迟发布——这两件事在不到两周内相继发生。当美国最好的两个闭源实验室的模型同时陷入可用性争议，全球企业必然开始严肃审视对少数几家美国闭源供应商的供应链依赖。MIT许可证的开放权重模型从“可选项”变成了“必需品”。
中间层的闭源模型即服务商处境最危险。 那些没有独特生态壁垒、定价又远高于开放权重的中型AI API公司——它们的差异化空间正在被双向挤压：上面是前沿实验室的天花板模型，下面是DeepSeek和GLM的开放权重大军。如果开放权重持续以当前速度逼近前沿，这个中间层的萎缩可能在12到18个月内就会完成。
缩放定律（Scaling Law）的时代远没有结束，但它的竞争重心已经转移。当世界上最有资本实力的AI基础设施公司——NVIDIA——开始系统性地投资开放权重，当微软开始认真评估用中国开放权重模型替代Anthropic模型来降低成本，当美国政府的出口管制指令意外地为MIT许可证的模型创造市场需求——这些信号加起来指向一个方向：开放权重模型正在从“追赶者”变成竞争局势的决定性力量。
问题已经不是“开源有一天能不能追上闭源”。问题是：你目前很可能已经在为智能支付不必要的溢价。这个问题的答案，正在从“值得”变成“不值得”。
快报