Village 研究：闭源模型占据性价比前沿，开源模型仅在 3% 预算区间领先

Village 的 LLM Atlas 描绘了性价比前沿：每个价位上最强的 AI 模型。

闭源模型几乎占据了所有预算区间

• 在 3% 的预算区间中，开源权重模型是最佳选择。这些几乎都集中在低价端，由 Google 的 Gemma 4 E4B 和小米的 MiMo-V2.6-Flash 占据。
• 6 月时这一比例为 41%。仅 DeepSeek V4 Flash 一款就在近三分之一的预算区间中是最佳选择，智谱的 GLM-5.2 紧随其后。
• OpenAI 的两次发布夺回了大部分份额。9 月的 GPT-6 Luna 和 10 月的 GPT-6.1 Terra，连同 Anthropic 的 Claude Haiku 5.5，如今覆盖了开源模型曾赢下的预算区间。

开源模型此前也曾在性价比上领先

• 当前份额是我们测得过的最低值。自 2024 年以来，每个季度末开源模型都至少占据 6% 的预算区间。
• 峰值来自单次发布。DeepSeek-V3.2-Exp 在 2025 年 9 月发布当周，在近一半的预算区间中都是最佳选择。
• 但没有一次能持久。每次峰值过后，到下一季度开源份额都会下降约一半或更多，因为闭源实验室推出了更便宜的档位。

开源模型在性价比上呈爆发式取胜：一次强劲而廉价的发布（通常来自 DeepSeek）会占据一大片预算区间，直到下一个闭源模型以更低价格反超。最新的闭源发布在价格和性能上都优于任何开源模型，因此这片区间已收缩到价格范围的最底端。

为何闭源实验室可能在性价比上胜出

有三种解释符合这一模式：

• 闭源实验室可以蒸馏自己的前沿模型。拥有最强模型的实验室可以在内部用其输出训练更便宜的模型，而如今的廉价闭源档位都在旗舰发布后数周内跟进，正如 Claude Haiku 5.5 在 Claude Opus 5.5 发布两周后推出。开源实验室只能从自己较弱的模型起步，因为闭源实验室的条款通常禁止用其输出训练竞争对手。
• 闭源实验室发布完整的产品家族。OpenAI 的 GPT-6 和 GPT-6.1 模型，从 Luna、Terra 到 Sol、Astra，合计占据前沿 21 个点中的 11 个，因此一代产品就覆盖了几乎每个价位。
• 闭源实验室的推理服务成本可能更低。OpenAI、Anthropic 和 Google 以极大规模运行推理，Google 还使用自研芯片，这可以降低每项任务的成本；而大多数开源模型实验室的流量要小得多。

我们如何构建这项研究

本研究使用 Village 的 LLM Atlas，它根据公开基准结果估算每个模型及推理设置的能力分数，并通过独立的成本模型，根据评估者的运行记录估算每项任务的成本，详见其方法论。成本以高推理强度下的 GPT-5 为基准。对于每个日期，我们取截至当时发布的所有模型，在从 1% 到 GPT-5 成本三倍、按对数均匀分布的 201 个预算点上，找出每个点上能力最强的模型。分数截至 2026 年 10 月 31 日；Atlas 会随新结果更新。

成本反映评估者通过托管 API 支付的费用，开源模型在自有硬件上运行可能更便宜。仅限在至少 10 个基准家族上有评分的模型，或将预算区间收窄至 3% 到 GPT-5 成本的一倍，会得到相同模式；将其扩大到 0.3% 到十倍，则当前份额升至 16%，因为极小的开源模型仍在最廉价端胜出。