開放權重模型與封閉權重模型：差異與選擇指南

開放權重模型是指其訓練權重已公佈，任何人都可以下載、在自己的硬體上執行、微調或提供給他人使用。封閉權重模型則將權重保密，使用方式僅能透過其製造商或授權的雲端服務。

在 OpenRouter 上，開放權重模型的佔比從 2025 年 10 月的 27% 上升到 2026 年 9 月下旬的 72%。

TL;DR

• 開放權重模型公佈其權重，任何人都能執行、微調或提供服務。封閉權重模型則只能從其製造商或授權的雲端取得。
• 截至 2026 年 9 月下旬，開放權重模型在 OpenRouter 上處理了 72% 的前 50 模型 token，較一年前的 27% 上升。
• 它們每個 token 的成本約為四分之一，主要因為許多供應商競爭提供相同模型的服務。
• 最優秀的封閉權重模型在人工分析智慧指數上仍高出約 11 分。建議先從開放權重模型開始，先測試，再在需要的步驟使用封閉權重模型。

什麼是開放權重模型？

模型的權重是它在訓練過程中學習到的數值，下載模型時也會下載這些權重。通常將它們發布在 Hugging Face 上，任何人都可執行模型。DeepSeek V4.1 Flash、GLM-5.3、Kimi K3 以及 MiMo-V2.6-Pro 為開放權重模型；Claude、GPT 與 Gemini 模型則為封閉權重模型。

發布權重並不代表你可以隨意使用。授權條款差異很大。正如我們在六月開放權重模型總結中指出的，DeepSeek V4 Flash 以 MIT 授權發布，而 MiniMax M3 的社群授權要求署名，且對較大型商業產品先須取得書面許可。使用前請先確認模型授權。

開放權重與開源有何不同？

在開源倡議的意義上，開源表示你能獲得研究與重建所需的一切：對於模型而言，這包括訓練資料（或在無法合法分享時的資料詳情）、程式碼與權重。

大多數開放權重模型不會公開其訓練資料，因此「開放權重」是更準確的說法。搜尋結果與模型頁面往往隨意使用這些詞彙，故當你看到「開源 LLM」時，幾乎總是指開放權重模型。

各種模型帶來什麼？

前兩列說明瞭為什麼有些團隊需要開放權重。他們的資料無法離開自己的基礎設施，或是想要在自己的資料上微調模型。對其他人而言，選擇取決於最後三列，而價格通常是決定因素。使用資料顯示了原因。

開發者使用開放權重模型的程度如何？

使用量每季都在增長。2026 年初，MIT Sloan 發表研究根據 2025 年 5 月至 9 月的 OpenRouter 流量，發現封閉模型處理了近 80% 的 token。我們 2025 年末的資料顯示相似，且自此以來已發生很大變化。

我們根據每週 token 量將 OpenRouter 前 50 名的每個模型分類為開放權重或封閉權重，取決於其目錄條目是否連結到已釋出的權重：

兩種權重皆有增長。封閉權重週量幾乎翻十倍，從 3.4 兆 token 變為 33 兆 token；而開放權重週量則增長超過 60 倍。開放權重佔比於七月達到 77.5%，此後持續高於三分之二。

過去四週最常使用的開放權重模型為 DeepSeek V4.1 Flash、GLM-5.3 Flash、Hunyuan 4 Preview 與 DeepSeek V4 Flash；封閉權重方面，GPT-5.6 Luna 以寬幅領先，其後為 Gemini 3.8 Flash 與 GPT-6 Luna。在兩類模型中，絕大多數量值集中於價格低、速度快的模型，而非最高評分者。

開放權重模型是否更便宜？

通常是。過去四週，開放權重模型的 token 加權售價為每百萬輸入 token $0.28，輸出 token $1.62；封閉權重模型則為 $1.27 與 $6.36，約為其四倍。

主要原因是競爭。任何人都可提供開放權重模型，因而供應商在同一模型上以價格競爭。以下為 2026 年 10 月 21 日 OpenRouter 上六個熱門模型的供應商數量，以及各端點的輸入價格分佈：

對於開放權重模型，範圍寬廣，因為供應商在硬體、量化、速度和資料政策上各不相同。最便宜的端點並不一定是你想要的，且我們的 評估供應商效能 指南展示瞭如何比較它們。供應商路由 讓你可以 按價格排序、按量化或資料政策篩選，或設定價格上限。

兩個類別也有重疊。Kimi K3 最便宜的端點價格低於 Claude Sonnet 5.5，但其最昂貴的端點約為兩倍。GPT-6 Luna 的價格為每百萬輸入 token $0.10，低於任何 Kimi K3 供應商收費。請比較你正在考慮的具體模型，而非僅看類別。

我們進行此比較的捷徑是先設定價格上限，然後按吞吐量排序剩餘項。它需要一個 provider 物件，{"max_price": {"prompt": 1, "completion": 4}, "sort": "throughput"}。超出預算的端點會被剔除，最快且符合預算的端點會先嘗試。

開放權重模型是否與封閉權重模型同樣優秀？

價格是折衷的半部，品質則是另一半。在此，開放權重模型尚未位居榜首。根據我們的基準測試端點聚合的人工分析智慧指數，最佳封閉權重分數為 Claude Opus 5.5（57.6）和 Claude Sonnet 5.5（56.0）。最佳開放權重分數為 MiMo-V2.6-Pro（46.3）、GLM-5.3（44.8）和 Step 5 Preview（43.7），Kimi K3 緊隨其後（43.6）。每個分數都是模型在最高推理努力設定下的表現。

設定會改變這些數值，請比較你計畫以何種努力級別執行模型的情況。

11 分差是指指數所衡量的最難任務中最強模型之間的差距，並不能告訴你這個差距對你自己的工作負載有多大影響。我們的 六月總結 在早期版本的指數中將其估算為約五分，請將這個精確數字視為一個快照。

在 11 分的品質差距與 4 倍的價格差距下，我們的預設做法是先從開放權重模型開始，並在你自己的任務上進行測試。僅在測試顯示額外品質能改變結果的步驟才切換到封閉權重模型。這通常是工作流程中最困難的步驟，例如代理程式的規劃，而非每一次呼叫。

如何在同一個應用程式中同時使用兩者？

我們透過相同的 API 服務兩種模型，因此你可以在不重寫程式的情況下混合使用。將封閉權重模型先列在 models 陣列中，之後再列上開放權重模型作為備援。

我們的 模型路由如何運作 指南說明瞭我們嘗試它們的順序。此請求也將價格上限設定為每百萬輸入 token $1、每百萬輸出 token $4。Claude Sonnet 5.5 的價格高於此上限，我們因此跳過它並將請求路由到 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

回應中的 model 欄位顯示哪個模型回覆，並且這就是你被計費的模型。若你將 GLM-5.3 Flash 從列表中移除，則相同的請求會失敗，因為沒有端點符合價格上限：

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

價格上限是一個觸發條件。模型備援 也會在速率限制、停機、上下文長度錯誤和審核拒絕時切換到下一個模型。使用封閉權重為主、開放權重為備援，你的應用程式在主要供應商停機時仍能繼續回應。

我們如何測量這一點

本貼文中的每一個使用量、價格和基準資料皆來自我們自己的 API，以下說明我們如何擷取並分類這些資料。使用量資料來自我們公開的 排名資料集，該資料集提供前 50 名模型的每週 token 總量。我們使用的時間範圍為 2025 年 10 月 6 日至 2026 年 9 月 28 日。若模型的 OpenRouter 目錄條目連結至 Hugging Face 儲存庫，即視為開放權重。對於已離開目錄的停用模型，我們按發行商分類，若無歧義則進行分類。

有兩種型別的量級未包含在份額中。資料集的「其他」列，結合了前 50 名之外的所有內容，每週的 token 量介於 0.3 至 10.8 兆之間。隱蔽模型未公開發布，因此我們無法對其分類，且最近一週達到 38.7 兆 token。token 數量來自各供應商自己的 tokenizer，適合比較趨勢，但並非精確的一對一計數。token 加權價格為我們於 2026 年 10 月 8 日的模型與端點 API 的標價。供應商數量與價格範圍則於 2026 年 10 月 21 日擷取。

常見問題

Llama 是開源嗎？

Llama 是開放權重，而非根據開源協會（Open Source Initiative）的定義為開源。Meta 釋出權重但未公開訓練資料，且 Llama 授權條款要求每月活躍使用者超過 7 億的公司須向 Meta 申請單獨授權。大多數被稱為開源的 LLM 以相同方式為開放權重。

我可以免費執行開放權重模型嗎？

在你自己的硬體上，模型本身免費，但 GPU 不是。透過 API，幾個開放權重模型在 OpenRouter 上提供免費版本，速率限制由我們的 免費 LLM API 比較 覆蓋。熱門開放權重模型的付費端點起價為每百萬輸入 token 只需幾分錢。

使用開放權重模型，我的資料更安全嗎？

只有你自己執行時，資料才不會離開你的伺服器。若使用託管服務，重要的是該服務商的資料政策，無論其提供哪種模型。 在 OpenRouter 上，你可以為兩種模型的請求限制到 零資料保留 端點，無論是單次請求還是整個帳戶。

我應該先從哪個開源權重模型開始？

我們建議先從 DeepSeek V4.1 Flash 開始。它是 OpenRouter 上使用最頻繁的開源權重模型，31 家供應商提供此模型，因此 透過 OpenRouter 路由 能在某個供應商宕機時保持可用。它同時支援影像與文字。若你需要更高功能，可嘗試 GLM‑5.3 或 Kimi K3。排名頁面 顯示目前開發者正在使用的模型。

下一步

• 模型回退 解釋了 models 清單以及觸發回退的條件。
• 供應商路由 涵蓋排序、價格上限，以及對於多供應商開源權重模型最重要的量化與資料政策篩選。
• The 排名頁面 與 基準端點 顯示此文章背後的資料，持續更新。
• 重要的開源權重模型，2026 年 6 月 是我們對單個模型的彙整。