开源AI正赋能全球多元场景：从毛利语语音模型、金融领域微调模型，到人道医疗与离线农业诊断，再到国家级公共AI项目。这些创新无需许可、无需租赁，用户真正拥有技术。Mozilla呼吁再次以开放精神对抗垄断，延续互联网开放胜利。

好的，这是根据您提供的英文内容，以中文重新陈述的文章主要内容，保留了关键细节，并删减了与主题无关的冗余信息。

开源AI现状报告（2026年7月版）核心摘要

核心观点：开源AI已不再是妥协之选，而是主流。 多数生产环境中的AI计算（Token）已通过开源模型路由。开源模型在能力上已接近闭源前沿模型（尤其在编程方面达到同等水平），但推理成本在36个月内暴跌了50倍。真正的竞争已从模型本身，上移至“代理框架”（Agentic Harness）这一层。

1. 当前状态：能力差距缩小，成本优势巨大

• 能力差距： 开源与闭源模型在Chatbot Arena上的差距，从24个月前的8.04%缩小至0.5%，目前约为3.3%。差距主要集中在推理、长上下文检索和代理任务上，而在编程、指令遵循和通用知识方面已基本持平。
• 成本优势： GPT-4级别的推理成本从每百万Token 20美元降至0.40美元。开发者因成本驱动，大量转向开源模型。在OpenRouter平台上，流量最高的五个模型均为开源模型，且中国开源模型（如DeepSeek、Qwen）的Token流量已远超美国模型（比例超过3:1）。
• 采用与生产鸿沟： 79%的开发者使用开源模型，但仅有51%能将其投入生产，而闭源模型的生产率为63%。差距不在于模型能力，而在于运营工具和信任，包括集成、维护、部署复杂性等。

2. 开源AI栈：能力强劲，运营薄弱

开源AI栈在能力上得分高，但在标准化和企业就绪度方面得分低，这是其运营上的主要短板。

3. 商业生态：开源已成为商业模式

• 市场规模： 开源AI已形成数千亿美元的商业市场。代表性公司如Databricks（收入54亿美元）、Mistral（年收入4亿美元）、DeepSeek（年收入2.2亿美元，估值超500亿美元）。
• 五种已验证的收入模式： 托管推理、企业平台、本地部署许可、微调服务和代理工具。
• “按量计费”模式的危机： 闭源模型的Token计费模式在规模化后成为问题。例如，微软和Uber因AI编码预算在数月内耗尽而被迫调整策略。Stripe通过自托管开源模型，将推理成本降低了73%。自托管开源模型将可变的、受供应商控制的运营支出，转变为企业拥有的固定成本。

4. 全球趋势：开源是主权选择

• 国家战略： 超过70个国家已出台国家AI战略，核心问题从“是否要有AI政策”转变为“国家能拥有AI栈的哪一层”。
• 选择权与退出权： 2026年6月，一家闭源模型提供商因政府命令，在周五下午切断了所有外国用户的访问权限。这证明了依赖闭源API的风险。开源权重是“退出权”，确保企业或国家在任何时候都能离开某个供应商。
• 中国的主导地位： 中国通过“AI+”等国家战略，将开源模型扩散作为核心政策。阿里巴巴的Qwen模型下载量达9.42亿次，远超Meta的Llama。中国开源模型在OpenRouter上的流量占比从不足2%飙升至45%以上。

5. 新前沿：代理框架（Agentic Harness）

• 框架是关键： 代理框架（如LangChain）是模型之上的编排层，负责工具调用、记忆、权限等。它已成为新的竞争焦点。
• 闭源实验室的“护城河”： 闭源实验室正将模型与自家框架深度绑定，形成一体化产品。在Terminal-Bench测试中，使用实验室自家框架的模型得分远高于使用第三方框架的模型。这种集成是正在形成的“护城河”。
• 开源的机会： 在公平的第三方框架下，最强开源模型与闭源模型的能力差距很小（约4个百分点），但成本仅为后者的五分之一。开源需要构建一个与开源权重协同设计的、通用的代理框架。
• 未解决的“写入权限”问题： 代理框架的核心漏洞是缺乏一个可移植的权限标准，来定义代理在何种情况下可以执行“写入”操作（如发送消息、修改记录）。当前行业正通过“元框架”层来解决此问题。

6. 五大机遇

1. 构建开源代理框架： 与开源权重协同设计，抓住闭源集成尚未完成的窗口期。
2. 拥有记忆层： 当模型价格趋近于零时，记忆将成为核心资产。应将其以可移植的格式掌握在自己手中。
3. 解决可移植权限问题： 制定一个开放标准，定义代理的写入权限，避免由闭源平台设定规则。
4. 打破“按量计费”模式： 将模型视为商品，进行开源与闭源的对比测试，对可预测的负载进行自托管。在2027-2028年优惠定价结束前，建立第二供应源。
5. 确保开源生态的多元化： 避免开源模型也集中到单一来源。全球已有47个国家限制外国数据处理，70多个国家有AI战略，对多元化选择的需求真实存在且资金充足。

7. 关键观察指标

• 能力与采用： 关注开源与闭源的能力差距（尤其是推理和代理任务）以及开源Token份额的变化。
• 代理框架： 关注实验室自有框架与第三方框架的性能差距，以及可移植权限标准的进展。
• 市场结构： 关注开源公司的财务状况（收入、融资、IPO）与闭源“按量计费”模式的可持续性。
• 信任与安全： 关注开源模型被滥用的可能性，以及各国监管政策（如NTIA的“监控而非限制”建议）是否会转向。

结论： 决定AI未来的关键，在于谁拥有并控制着模型之上的“代理框架”层。目前窗口期仍在，但正在缓慢关闭。从“租赁”AI转向“拥有”AI的时刻已经到来。

根据评论内容，总结如下：

主要观点与论据：

1. 对文章设计与可读性的强烈批评（多数评论者认可）：

   • 字体过大、动画时机不当、引用样式导致阅读困难（评论2、5、8）。
   • 关键引用："The UI is really hard on the eyes... the font size is way too big" (jdw64)；"That font choice feels aggressive" (Cuuugi)。

2. 对Mozilla方向与动机的质疑（部分评论者认可）：

   • 认为Mozilla盲目追随趋势，忽视可访问性，且未专注浏览器核心功能（评论1、13）。
   • 关键引用："This new trend... is so terrible accessibility-wise" (hypfer)；"Mozilla is still doing all that they can to keep on top of current trends, except developing a decent privacy-focused web browser" (bityard)。

3. 对开源AI现状的分歧（观点对立）：

   • 乐观派：引用数据指出开源模型市场份额与推理成本快速下降（评论7、15）。
     • 关键引用："the inference costs dropping almost 50× is really amazing" (amanharshx)；"open models... processed 4.19T tokens... almost 5x in 4 months" (GodelNumbering)。
   • 怀疑派：认为开源模型在复杂任务上仍远落后于闭源模型（评论9、14）。
     • 关键引用："There's nothing practical about open-source models yet... HUGE gap that still exists" (brunooliv)；"open-source... so hard to deploy reliably and at scale" (brunooliv)。

4. 对文章内容与标题的讽刺（部分评论者认可）：

   • 认为文章标题与内容脱节，开头冗长难懂（评论1、3、16）。
   • 关键引用："It's just on the frontpage because the title says 'open source AI'" (hypfer)；"That opening is so hard to understand... took me several times rereading" (marcuskaz)。

平衡性总结：评论者普遍批评文章设计与可读性，但对开源AI的实际进展存在显著分歧——部分人引用数据证明其快速增长，另一部分人强调其与闭源模型的巨大差距。同时，对Mozilla的动机与方向也呈现负面评价。