OpenRouter 数据对比开放权重与闭源模型的用量、价格与质量差异

开放权重（open-weight）模型是指公开发布其训练权重的模型，任何人都可以下载它、在自己的硬件上运行、对其进行微调或为他人提供服务。封闭权重（closed-weight）模型的权重保持私密，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，开放权重模型占前 50 名模型 token 的比例从 2025 年 10 月的 27% 上升到 2026 年 9 月下旬的 72%。

太长不看版

• 开放权重模型公开发布权重，任何人都可以运行、微调或提供服务。封闭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，开放权重模型在 OpenRouter 上处理了前 50 名模型 token 的 72%，而一年前这一比例为 27%。
• 它们每个 token 的成本约为封闭权重模型的四分之一，主要是因为众多提供商竞相提供同一模型的服务。
• 最好的封闭权重模型在 Artificial Analysis Intelligence Index 上仍然高出约 11 分。可以从开放权重模型开始，进行测试，然后在需要的环节使用封闭权重模型。

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，也是你下载模型时所下载的内容。发布这些权重（通常在 Hugging Face 上）让任何人都能运行该模型。DeepSeek V4.1 Flash、GLM-5.3、Kimi K3 和 MiMo-V2.6-Pro 是开放权重的。Claude、GPT 和 Gemini 模型则是封闭权重的。

发布权重并不意味着你可以随心所欲地使用它们。许可证差异很大。正如我们在 6 月开放权重模型汇总中指出的，DeepSeek V4 Flash 采用 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事先获得书面许可。在基于模型进行构建之前，请先查看模型的许可证。

开放权重与开源有何不同？

按照 开放源代码促进会（Open Source Initiative）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（或在数据无法合法共享时的详细数据信息）、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往往宽泛地使用这些词，所以当你看到“开源 LLM”时，它几乎总是指开放权重。

两者各能得到什么？

前两行是一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数据上微调过的模型。对于其他人来说，选择取决于最后三行，而价格通常是决定性因素。使用数据说明了原因。

开发者对开放权重模型的使用程度如何？

使用量每个季度都在增长。2026 年初，MIT Sloan 发布的研究基于 2025 年 5 月至 9 月的 OpenRouter 流量，发现封闭模型处理了近 80% 的 token。我们自己 2025 年底的数据看起来与之类似，但从那以后情况已经发生了很大变化。

我们根据目录条目是否链接到公开发布的权重，将 OpenRouter 上按每周 token 用量排名的前 50 个模型逐一归类为开放权重或封闭权重：

两类都在增长。封闭权重的用量从每周 3.4 万亿 token 增至 33 万亿 token，增长近十倍；而开放权重的用量增长超过 60 倍。开放权重占比在 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。封闭权重方面，GPT-5.6 Luna 以明显优势领先，其次是 Gemini 3.8 Flash 和 GPT-6 Luna。无论哪一边，大部分用量都流向了便宜、快速的模型，而非得分最高的模型。

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；封闭权重模型则为 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，因此提供商会就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由多少家提供商提供服务，以及它们在各端点上的输入价格分布：

开放权重模型的价格区间之所以很宽，是因为各提供商在硬件、量化、速度和数据政策上有所不同。最便宜的端点并不一定是你想要的那个，我们的 评估提供商性能指南 介绍了如何进行比较。提供商路由 可以让你 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 的标价为每百万输入 token 0.10 美元，低于任何 Kimi K3 提供商的报价。请比较你考虑使用的具体模型，而不是类别。

我们进行这种比较的捷径是先设定价格上限，再按吞吐量对剩下的结果排序。只需一个 provider 对象，{"max_price": {"prompt": 1, "completion": 4}, "sort": "throughput"}。超出预算的端点会被剔除，然后优先尝试你能承受的价格中最快的那个。

开放权重模型和封闭权重模型一样好吗？

价格是取舍的一半，质量是另一半。在这一方面，开放权重模型尚未登顶。在由我们的 基准测试端点 汇总的 Artificial Analysis Intelligence Index 上，封闭权重的最好成绩是 Claude Opus 5.5 的 57.6 分和 Claude Sonnet 5.5 的 56.0 分；开放权重的最好成绩是 MiMo-V2.6-Pro 的 46.3 分、GLM-5.3 的 44.8 分和 Step 5 Preview 的 43.7 分，Kimi K3 以 43.6 分紧随其后。每个分数都是模型在最高推理强度设置下的成绩。

这个设置会显著影响这些分数，因此请在你计划使用的推理强度下比较各模型。

11 分的差距是各最强模型在指数所测最难任务之间的差距，它并不能告诉你这个差距对你的具体工作负载有多重要。我们的 六月综述 在该指数的早期版本上测得的差距约为 5 分，所以请把这一确切数字当作一个快照。

质量差距为 11 分，而价格差距为 4 倍，因此我们的默认做法是从开放权重模型开始，在你自己的任务上测试它。只有当测试显示额外的质量会改变结果的步骤，才改用闭源权重模型。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。

如何在同一个应用中同时使用两者？

我们通过同一个 API 提供这两种模型，因此你无需重写应用就可以混用它们。在 models 数组中把闭源权重模型放在前面，把开放权重模型放在后面作为后备。

我们的 模型路由工作原理 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 的价格高于这个上限，所以我们跳过它，把请求路由到 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 字段显示了由哪个模型作答，也就是计费所依据的模型。如果从列表中移除 GLM-5.3 Flash，同样的请求会失败，因为没有端点满足该价格上限：

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

价格上限只是触发条件之一。出现速率限制、停机、上下文长度错误和内容审核拒绝时，模型后备 也会切换到下一个模型。在闭源权重模型为主、开放权重模型为后备的配置下，即使主供应商出现故障，你的应用也能持续应答。

我们如何测量

本文中的每一项使用量、价格和基准测试数据都来自我们自己的 API，本节将解释我们是如何获取和分类这些数据的。使用量数字来自我们公开的 排名数据集，该数据集提供排名前 50 的模型的每周 token 总量。我们使用的时间范围为 2025 年 10 月 6 日至 2026 年 9 月 28 日。如果某个模型的 OpenRouter 目录条目链接到 Hugging Face 仓库，则将其视为开放权重模型。对于已离开目录的退役模型，在依据明确的情况下，我们按发布方进行了分类。

有两类流量未计入这些份额。数据集中的“其他”行汇总了前 50 名之外的所有流量，每周在 0.3 万亿至 10.8 万亿 token 之间。隐身模型尚未正式发布，因此无法分类，它们在最近一周达到了 38.7 万亿 token。token 计数来自各提供商自己的分词器，因此适合比较趋势，但并非完全对等的精确计数。按 token 加权的价格是 2026 年 10 月 8 日我们从 models 和 endpoints API 获取的标价。提供商数量和价格区间于 2026 年 10 月 21 日获取。

常见问题

Llama 是开源的吗？

Llama 是开放权重的，但按照开源促进会（Open Source Initiative）的定义并不算开源。Meta 公开了权重，但没有公开训练数据，而且 Llama 许可证要求月活跃用户超过 7 亿的公司向 Meta 申请单独的许可证。大多数被称为开源的 LLM 其实也是同样意义上的开放权重模型。

我能免费运行开放权重模型吗？

在你自己的硬件上，模型本身是免费的，但 GPU 不是。通过 API，多个开放权重模型在 OpenRouter 上提供免费变体，其速率限制在我们的 免费 LLM API 对比 中有介绍。热门开放权重模型的付费端点起价为每百万输入 token 几美分。

使用开放权重模型，我的数据更安全吗？

只有在你自己运行模型时，数据才不会离开你的服务器。通过托管服务商使用时，关键在于该服务商的数据政策，无论它服务的是哪种模型。在 OpenRouter 上，你可以将请求限制为两类模型的零数据保留端点，既可以按单个请求设置，也可以在整个账户范围内设置。

我应该从哪个开放权重模型入手？

我们建议从 DeepSeek V4.1 Flash 开始。它是 OpenRouter 上使用最多的开放权重模型，有 31 家服务商提供该模型，因此通过 OpenRouter 路由可以在某家服务商宕机时保持模型可用。它还同时支持图像和文本输入。当你需要更强的能力时，可以试试 GLM-5.3 或 Kimi K3。排行榜页面展示了开发者目前的使用情况。

后续步骤

• 模型回退解释了 models 列表以及触发回退的条件。
• 服务商路由介绍了排序、价格上限，以及对拥有众多服务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模型的综述。