Google开源模型3个月追上GPT-5，企业AI预算要重算了

2024年4月，Google把Gemma 4的权重文件往Apache 2.0协议下一丢，六家实验室的开放模型正式凑齐一桌麻将。一年前选开源模型还得认栽——隐私有了、控制权有了，但质量明显比GPT-4差一截。现在？Epoch AI的追踪数据显示，开放模型平均只落后最强闭源模型三个月。

三个月和三年的区别，相当于外卖迟到和快递丢件。

62倍价差，70%场景打平

今年2月的一份定价分析算过笔账：最便宜的GPT-5 Nano每百万token 0.4美元，最贵的Claude Opus 4.6要25美元，价差62倍。但典型API流量里，约70%的请求——邮件摘要、短语翻译、工单分类——两者输出几乎没区别。

你付的溢价，买的是你用不上的能力。

剩下30%才是闭源模型的护城河：复杂多步推理、陌生领域的代码生成、 nuanced 的法律或财务分析。如果你的 workload 扎在这块，Claude或GPT-5的钱花得值。如果不是，你在为 Ferrari 的引擎买单，却只用来买菜。

Linux基金会和Meta的联合报告里有个数字：89%的组织已经在某种程度上使用开源AI，这些组织的ROI比纯闭源用户高25%。世界经济论坛2026年1月的企业AI调研也确认，63%的组织已采用开源工具，核心理由就是成本。

许可证才是隐形战场

六家开放模型里，五家用的是Apache 2.0或MIT协议。这意味着没有商业限制、没有"可接受使用条款"在你上线后突然变脸、没有月活门槛触发法务约谈。

Meta的Llama 4、阿里Qwen 3.5、Mistral、OpenAI的gpt-oss、智谱GLM-5，加上Google的Gemma 4，阵容已经齐整。OpenAI进场尤其值得玩味——这家公司靠API订阅起家，现在却把开放权重当成一张牌打。

许可证的选择从来不是技术问题，是权力问题。Apache 2.0让你可以修改、可以集成、可以闭源衍生，不用每隔半年重新谈判条款。对于需要把模型塞进边缘设备、或者担心数据出境合规的团队，这种确定性值多少钱？

评估成本 vs 不评估的成本

开源模型的隐藏成本不是部署，是评估。你得测它在你的数据上表现如何，得调参，得建评估流水线。但闭源模型的隐藏成本是锁定——价格变动、功能下线、服务条款单方面更新。

Google发布Gemma 4的同一天，内部团队放出了一组微调后的医疗问答数据。没上新闻稿，藏在技术文档里：在特定垂直场景，27B参数的Gemma 4微调版打平了半年前70B闭源模型的表现。参数效率的提升，让单卡推理从奢望变成常态。

这对预算结构的冲击是直接的。以前"开源=省钱但凑合"的等式，现在变成"开源=够用且可控"。财务模型里那行"AI API支出"的增速，终于可以往下调了。

但别急着把OpenAI的API key 注销。三个月的代差在快速收窄，却还没抹平。关键问题是：你的 use case 到底落在70%还是30%？多数团队其实没仔细测过。

Google DeepMind的Gemma团队负责人Tomás Berrueta在发布后的技术 AMA 里被问到：「你们不怕开放权重影响Gemini的订阅收入吗？」他的回复是：「企业客户最终会为支持、为安全审查、为合规工具链付费，不是为权重文件本身。」

这话的潜台词是：模型层正在commoditize（商品化），价值往上迁移。谁能在你的基础设施里扎根更深，谁才能收到持续的钱。

你的AI预算里，有多少比例花在"以防万一"的能力冗余上？