OpenRouter 解读开源权重与闭源权重模型差异及选择方法

OpenRouter：公告·2026-10-31 08:00· 3 小时前AI 评分69

开放权重模型与闭源权重模型：有什么区别？

AI 导读

OpenRouter 发布解读文章，说明开放权重模型可下载、微调、由多家供应商托管，闭源权重模型只能经厂商或授权云使用。

正文 · 原文

开放权重模型是指训练后的权重被公开发布的模型，因此任何人都可以下载它、在自己的硬件上运行它、微调它，或将其提供给他人使用。闭源权重模型则保持权重私密，因此使用它的唯一途径是通过构建它的公司或其授权的云服务。

在 OpenRouter 上，开放权重模型在排名前 50 的模型 token 中所占比例从 2025 年 10 月的 27% 上升到 2026 年 9 月下旬的 72%。

简而言之

• 开放权重模型会公开其权重，因此任何人都可以运行、微调或托管它们。闭源权重模型只能从其制造商及其授权的云服务获取。
• 2026 年 9 月下旬，在 OpenRouter 上，开放权重模型处理了排名前 50 的模型 token 中的 72%，高于一年前的 27%。
• 它们的每 token 成本约为后者的四分之一，主要原因是许多供应商竞相为同一模型提供服务。
• 最好的闭源权重模型在 Artificial Analysis Intelligence Index 上的得分仍高出约 11 分。可以先从开放权重模型入手，进行测试，并在需要时对相应步骤使用闭源权重模型。

什么是开放权重模型？

模型的权重是它在训练过程中学到的数字，也是你下载模型时下载的内容。将其公开（通常发布在 Hugging Face 上）可让任何人运行该模型。DeepSeek V4.1 Flash、GLM-5.3、Kimi K3 和 MiMo-V2.6-Pro 都是开放权重模型。Claude、GPT 和 Gemini 模型则是闭源权重模型。

公开权重并不意味着你可以随意使用它们。许可证差异很大。正如我们在6 月开放权重模型综述中指出的，DeepSeek V4 Flash 以 MIT 许可证发布，而 MiniMax M3 的社区许可证要求署名，并要求较大的商业产品先获得书面许可。在基于某个模型进行构建之前，请先查看其许可证。

开放权重与开源有何不同？

按照开源促进会的定义，开源意味着你能获得研究和重建它所需的一切：对于模型而言，这包括训练数据（或在无法合法共享时关于数据的详细信息）、代码和权重。

大多数开放权重模型并不发布其训练数据，因此“开放权重”是对它们更准确的称呼。不过，搜索结果和模型页面会宽松地使用这些词，所以当你看到“开源 LLM”时，它几乎总是指开放权重。

两者分别能带来什么？

前两行正是某些团队需要开放权重的原因。他们的数据不能离开自己的基础设施，或者他们想要一个在自己的数据上微调过的模型。对于其他所有人来说，选择取决于最后三行，而价格通常是决定因素。使用数据说明了原因。

开发者使用开放权重模型的程度如何？

使用量每个季度都在增长。2026年初，MIT Sloan 发表了一项研究，基于 OpenRouter 2025年5月至9月的流量数据，发现闭源模型处理了近80%的 token。我们自己2025年底的数据看起来类似，而此后情况已发生很大变化。

我们根据 OpenRouter 周 token 量排名前50的每个模型的目录条目是否链接到已发布的权重，将其归类为开放权重或闭源权重：

两类都在增长。闭源权重的量增长了近十倍，从每周3.4万亿 token 增至33万亿，而开放权重的量增长了60多倍。开放份额在7月达到77.5%的峰值，此后一直保持在三分之二以上。

过去四周使用最多的开放权重模型是 DeepSeek V4.1 Flash、GLM-5.3 Flash、Hunyuan 4 Preview 和 DeepSeek V4 Flash。在闭源方面，GPT-5.6 Luna 以较大优势领先，其次是 Gemini 3.8 Flash 和 GPT-6 Luna。在两类中，大部分量都流向了便宜、快速的模型，而不是得分最高的模型。

开放权重模型更便宜吗？

通常是的。过去四周，开放权重模型按 token 加权的标价为每百万输入 token 0.28美元、每百万输出 token 1.62美元。闭源权重模型则为1.27美元和6.36美元，约为前者的四倍。

主要原因是竞争。任何人都可以部署开放权重模型，因此提供商针对同一模型展开价格竞争。以下是2026年10月21日 OpenRouter 上六个热门模型分别有多少提供商提供服务，以及它们在各端点上的输入价格区间：

开放权重模型的价格区间很宽，因为提供商在硬件、量化、速度和数据政策上各不相同。最便宜的端点并不总是你想要的那个，我们的评估提供商性能指南展示了如何比较它们。提供商路由让你可以按价格排序、按量化或数据政策筛选，或设置价格上限。

这两个类别也有重叠。Kimi K3 最便宜的端点比 Claude Sonnet 5.5 便宜，但其最贵的端点价格约为后者的两倍。GPT-6 Luna 标价为每百万输入 token 0.10美元，低于任何 Kimi K3 提供商的收费。请比较你正在考虑的具体模型，而不是类别。

我们进行这种比较的捷径是先设置价格上限，然后按吞吐量对剩余选项排序。这只需要一个 provider 对象，{"max_price": {"prompt": 1, "completion": 4}, "sort": "throughput"}。超出预算的端点会被排除，你能负担得起的最快端点会首先被尝试。

开放权重模型和闭源权重模型一样好吗？

价格是权衡的一半，质量是另一半。在这方面，开放权重模型尚未登顶。在 Artificial Analysis Intelligence Index 上（由我们的 benchmarks endpoint 汇总），得分最高的闭源权重模型是 Claude Opus 5.5（57.6）和 Claude Sonnet 5.5（56.0）。得分最高的开放权重模型是 MiMo-V2.6-Pro（46.3）、GLM-5.3（44.8）和 Step 5 Preview（43.7），Kimi K3 以 43.6 紧随其后。每个分数均为模型在最高推理强度设置下的成绩。

该设置会改变这些数字，因此请在你计划运行的推理强度下比较模型。

这 11 分的差距是索引所衡量的最难任务上最强模型之间的差距，它并不能说明这一差距对你自己的工作负载有多大影响。我们的 June roundup 在较早版本的索引上给出的差距约为 5 分，因此请将确切数字视为一个快照。

面对 11 分的质量差距和 4 倍的价格差距，我们的默认做法是先从一个开放权重模型开始，并在你自己的任务上测试它。只有当测试表明额外的质量会改变结果时，才转向闭源权重模型。这通常是工作流中最难的一步，例如智能体中的规划，而不是每一次调用。

如何在一个应用中同时使用两者？

我们通过同一个 API 提供这两类模型，因此你可以在不重写应用的情况下混合使用它们。在 models 数组中先列出一个闭源权重模型，再在其后列出一个开放权重模型作为回退。

我们的 how model routing works 指南解释了我们的尝试顺序。此请求还将价格上限设为每百万输入 token 1 美元、每百万输出 token 4 美元。Claude Sonnet 5.5 的成本高于此，因此我们跳过它，将请求路由到 GLM-5.3 Flash：

import os
import requests

r = requests.post(
    "https://openrouter.ai/api/v1/chat/completions",
    headers={"Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"},
    json={
        "models": ["anthropic/claude-sonnet-5.5", "z-ai/glm-5.3-flash"],
        # USD per million tokens
        "provider": {"max_price": {"prompt": 1, "completion": 4}},
        "messages": [
            {"role": "user", "content": "In one sentence: what is an open-weight model?"}
        ],
    },
    timeout=120,
)

data = r.json()
print(r.status_code, data.get("model"), data.get("provider"))
print(data["choices"][0]["message"]["content"] if "choices" in data else data)
print(f"${data.get('usage', {}).get('cost', 0):.6f}")

200 z-ai/glm-5.3-flash Relace
An open-weight model is a machine learning model whose trained parameters (weights) are publicly released for anyone to download, run, inspect, and fine-tune, though typically without the training data or full development details that would make it fully "open-source."
$0.000023

响应中的 model 字段显示是哪个模型作出了回答，而计费对象正是该模型。如果你从列表中移除 GLM-5.3 Flash，同一请求会失败，因为没有端点满足价格上限：

404 {'error': {'message': 'No endpoints found that satisfy the max price for this request', 'code': 404,
  'metadata': {..., 'failed_routing_step': 'Filter by Max Price'}}}

价格上限只是一种触发条件。Model fallbacks 还会在遇到速率限制、停机、上下文长度错误和审核拒绝时切换到下一个模型。以闭源权重模型为主、开放权重模型为回退，你的应用就能在主供应商发生故障时继续作答。

我们如何测量

本文中的每一项用量、价格和基准数据都来自我们自己的 API，本节说明我们如何提取和分类这些数据。用量数据来自我们的公开 rankings dataset，其中给出了前 50 个模型的每周 token 总量。我们使用了 2025 年 10 月 6 日至 2026 年 9 月 28 日的数据。如果某个模型在 OpenRouter 目录条目中链接到 Hugging Face 仓库，则该模型被视为开放权重。对于已退出目录的退役模型，我们在发布者明确无歧义时按发布者进行分类。

份额中排除了两类用量。数据集中的“other”行汇总了前 50 之外的所有内容，每周范围为 0.3 至 10.8 万亿 token。隐身模型未公布，因此我们无法对其进行分类，它们在最近一周达到了 38.7 万亿 token。Token 计数来自各供应商自己的分词器，因此适合比较趋势，但并非精确的同类计数。按 token 加权的价格是 2026 年 10 月 8 日我们 models 和 endpoints API 中的标价。供应商数量和价格区间于 2026 年 10 月 21 日提取。

常见问题

Llama 是开源的吗？

Llama 是开放权重，而非开源倡议组织定义下的开源。Meta 发布了权重，但没有发布训练数据，且 Llama 许可证要求月活跃用户超过 7 亿的公司向 Meta 申请单独许可证。大多数被描述为开源的大语言模型，同样属于开放权重。

我可以免费运行开放权重模型吗？

在你自己的硬件上，模型是免费的，但 GPU 不是。通过 API，OpenRouter 上有多个开放权重模型的免费版本，其速率限制在我们的免费 LLM API 对比中有所介绍。热门开放权重模型的付费端点起价约为每百万输入 token 几美分。

使用开放权重模型，我的数据会更安全吗？

只有你自己运行时才会如此，这样数据永远不会离开你的服务器。通过托管提供商使用时，关键在于该提供商的数据政策，无论它提供的是哪种模型。在 OpenRouter 上，你可以将请求限制为零数据保留端点，两类模型均适用，可按请求或在整个账户范围内设置。

我应该从哪个开放权重模型开始？

我们会从 DeepSeek V4.1 Flash 开始。它是 OpenRouter 上使用最多的开放权重模型，有 31 家提供商提供服务，因此通过 OpenRouter 路由可以在某家提供商宕机时保持可用。它还接受图像和文本输入。当你需要更强能力时，可以试试 GLM-5.3 或 Kimi K3。排行榜页面展示了开发者当前正在使用的模型。

后续步骤

• 模型回退解释了 models 列表以及触发回退的条件。
• 提供商路由涵盖了排序、价格上限，以及对拥有众多提供商的开放权重模型最为重要的量化和数据政策过滤器。
• 排行榜页面和基准测试端点展示了本文背后的数据，并持续更新。
• 2026 年 6 月值得关注的开放权重模型是我们对各个模型的汇总。

来源：OpenRouter：Announcements · openrouter.ai