2026年7月，科技圈被两件事刷了屏。一件是月之暗面发布Kimi K3，2.8万亿参数、开源、百万Token上下文窗口，多项基准测试直接对齐OpenAI和Anthropic的最新闭源模型；另一件是，就在发布后，华尔街分析师估算两家美国头部未上市AI公司的合计估值预期因此减少了3140亿美元。一个开源模型的发布，硬生生撼动了闭源巨头的估值逻辑——这在两年前几乎是天方夜谭。而Mozilla在同期发布的《开源AI现状报告》给出了更冷静的注脚：开放权重模型与闭源模型的平均性能差距已缩至3.3%，在编码、指令执行和通用知识层面已基本持平，差距主要集中在推理、长上下文检索等高难度任务上。当性能差距缩小到这个程度，整个AI产业的底层逻辑正在发生一场无声却剧烈的迁移。

价格体系崩塌，市场正在用脚投票

性能趋同引发的第一个连锁反应，是延续多年的高毛利定价模式开始松动。GPT-4级别的模型每百万Token价格从2022年末的20美元跌至2025年12月的0.40美元，36个月内下降至五十分之一，这一降速已超过传统硬件价格的下行曲线。而在更极致的对比中，DeepSeek V4-Pro在网络安全任务测试中每题平均成本仅为0.28美元，闭源竞品Opus 4.5则高达12.50美元，差距超过40倍；OpenRouter平台上部分中国开源模型费用低至每百万Token 18美分，而美国头部模型平均收费约4美元。当开源能以接近顶尖闭源的性能、却以对方几十分之一的价格提供服务时，“闭源高毛利”的叙事便失去了根基。正如钛媒体的评论所言，Anthropic的推理毛利率已跃升至70%以上，这是其高估值的核心支柱——如果开源追赶的速度不止步，这根柱子需要被重新审视。

价格体系的崩塌直接引发了市场份额的剧烈重组，市场正在用最诚实的Token投票。OpenRouter数据显示，开源模型处理的Token占比从2026年1月的34%飙升至6月的65%，到6月当月，全球API调用月消耗量前五名已全部被开源模型包揽。

更值得注意的是，美国公司通过中国AI模型处理的Token比例在7月第一周曾短暂冲高至63%，而2025年初这个数字还不到10%。以DeepSeek为代表的中国开源模型，在编程和长程推理这两个最硬的指标上同时摸到了全球顶尖闭源系统的肩膀。但这并不意味着闭源模型会就此退场——闭源在前沿复杂推理和多模态任务上仍保持着肉眼可见的领先，正如DeepSeek自己的技术论文坦承，两者在某些深度理解维度上的差距甚至还在扩大。有分析指出：可货币化的差距比能力差距下降得更快。对于大多数企业场景，“足够好”的临界点已经跨过。

竞争主战场迁移：从单一模型转向生态与路径

当模型本身不再是稀缺品，竞争的主战场自然向上迁移。Kimi K3的里程碑意义不仅在于性能，更在于月之暗面已承诺于7月27日前公开完整模型权重——届时企业将可以下载、自行部署、微调，不再被锁定在某一家API服务上。这彻底改变了企业选型的基本逻辑：过去是先选GPT或Claude，再考虑替代方案；未来则是直接比较不同模型在特定任务上的成本、能力与部署方式，再决定哪些工作真的需要调用最贵的闭源模型。模型选择正在从季度采购决策降维成任务级变量，一个任务用便宜模型做信息抽取，另一个任务用强模型做复杂判断，再用中文擅长的模型处理本地材料——“模型路由”的模式正在落地生根。

这引出了一个极富戏剧性的反问：当模型遍地开花，什么会成为新的稀缺品？OpenRouter的崛起给出了线索。这家公司让开发者用一把Key接入400多个模型和70多家提供商，不做模型，只做一件事——帮流量找到最有性价比的路径。2026年5月它以约13亿美元估值完成B轮融资，估值暴涨恰恰说明市场已经意识到：模型层的商品化正在催生路由层的基础设施机会。与此同时，一个极易被忽视的悖论浮出水面——开源模型虽然“便宜”，但并不“省算力”。据Nous Research的研究显示，开放模型执行相同任务时消耗的Token数量通常比闭源竞品多1.5到4倍，Kimi K3的2.8万亿参数在推理时需要64卡以上的超节点才能跑起来。它之所以显得“省”，是因为在每一分算力上都压榨出了成倍的效能，而非不需要算力。这意味着开源崛起非但不会降低算力需求，反而因降低了AI应用的准入门槛、引来了海量开发者，推高了总体的基础设施消耗。存储芯片、网络设备、计算集群——底层设施的需求只会越来越旺盛。

回到最初的问题：当开源模型追上闭源，会发生什么？答案不是“开源赢了，闭源死了”的二元叙事，而是一场深刻的范式转移。性能差距的缩小迫使闭源模型重新定义价值主张——不再只拼“最强”，而是拼“最可靠”“最合规”“最容易部署”；开源模型则面临从技术突破到商业可持续的艰难跨越，毕竟OpenAI 2025年营收已超过120亿美元，而开源社区至今仍未找到与之匹敌的可持续盈利模式。