过去几个月，一批引人注目的开源权重模型相继发布，来自中美两国的全新玩家都加入了战场。与此同时，随着规模化 AI 用量的组织将成本作为核心关注点，开源权重模型正迎来自己的高光时刻。与许多人的预期相反，开源权重模型在智能和能力上正在紧追美国前沿实验室，并在过去 18 个月中持续保持 3-6 个月的差距——至少目前来看，前沿实验室似乎并没有真的甩开开源实验室。
将工作负载从前沿模型迁移到开源权重，能带来巨大的成本节约空间。前沿总会继续向前推进，但对于任何一个固定的智能水平点，成本只会持续下降。
发布节奏快、能力强弱分布不均衡、新玩家不断涌入——很难搞清楚哪些模型值得关注，以及为什么。截至 2026 年 6 月，我们认为以下四个开源权重模型最为重要。
1. DeepSeek V4 Flash——首个跨越智能体门槛的模型
DeepSeek V4 Flash 是首个被团队直接投入真实智能体工作流、并被视为 Anthropic 或 OpenAI 级别前沿模型可行替代方案的开源权重模型。更大的 V4 Pro 变体以 SWE-bench Verified 80.6% 的成绩设定了天花板，这是开源权重中的最高分，达到了 GPT-5.5 级别的智能体性能。但真正取得突破的是 Flash——因为它以处于性能和成本帕累托前沿的价格，捕获了 Pro 的大部分能力。
数据也支持这一结论。Flash 采用 MIT 许可证，约 284B 参数/约 13B 活跃参数的 MoE 架构，支持 100 万 token 上下文，SWE-bench Verified 得分 79.0%——距 Pro 的 80.6% 仅差约 1.6 个百分点，也接近其约 1.6T/49B 参数的更大兄弟模型。该模型于 2026 年 4 月发布。
采用率也主要由价格驱动。DeepSeek 官方 API 的 Flash 定价为每百万 token 0.14（输入）/0.14（输入）/0.28（输出），但会保留数据用于训练。使用缓存后实际价格更低（输入 token 仅 $0.029/M）。DeepSeek 以这个价格推出该模型，称其为 75% 的"折扣"，并于 5 月将其设为永久价格。这大约是 GPT-5.5 输出成本的 1/150。但 DeepSeek 会保留并使用你的数据进行训练。
不拿数据训练的西方托管商（如 Fireworks、Together、DeepInfra）价格大约是官方的两倍，但以这个级别的智能来衡量，仍然是极好的性价比。我们不清楚训练数据的价值在多大程度上支撑了 DeepSeek 的低价，还是计算补贴等因素在起作用——但可以肯定的是，官方的低价已为所有供应商创造了竞争态势，使得这个智能水平的价格被拉到了极低水平。
OpenRouter 在每个模型页面详情面板的供应商标签页中公开了各供应商的原产国，并允许精细控制哪些数据政策对你和你的组织是可接受的。 注意事项： 仅文本模型，不支持图像或视频输入。官方 API 的数据经过中国路由，其服务条款允许使用你的数据进行训练——但如上所述，不训练的西方托管商也可用，价格相当。据反馈，该模型更偏向技术类任务，写作和语气把控方面满意度较低。也有报告称，与 Anthropic 模型相比，提示词需要更精细——Flash 在给出非常具体的指令时表现更好，而非依赖它自己的判断。
适合场景： 你想以极低的成本获得前沿级别的智能体/编码模型。先从 Flash 开始；只有当边际质量提升值得溢价时，再升级到 Pro。
2. GLM 5.2——让 Opus 风格智能体编码可移植的开源模型
GLM 5.2 于 6 月中旬发布，早期反馈非常强劲。如果说 DeepSeek 靠价格突围，那么 GLM 5.2 似乎是在规划质量和长周期编码上取得了突破。
根据 Artificial Analysis 的评估，GLM 5.2 在其智能指数（v4.1）中以 51 分位列开源权重第一，领先于 Nemotron 3 Ultra（48 分）、MiniMax M3（44 分）、DeepSeek V4 Pro（44 分）和 Kimi K2.6（43 分），仅比 Claude Fable 5 低约 5 分。在 Artificial Analysis 的真实世界智能体基准（GDPval-AA v2）中，它也是开源权重的领先者，与 GPT-5.5 xhigh 基本持平。 虽然采用尚在早期，但该模型已在相当数量的第三方托管商上可用。价格不像 DeepSeek 那么便宜，但仍然显著低于闭源前沿编码模型。OpenRouter 加权平均价格为每百万 token 0.447（输入）/0.447（输入）/3.31（输出）。虽然按 token 单价计算比 GPT-5.5/Opus 级别模型便宜，但该模型的"思考"量较大，输出 token 可能会快速消耗费用。
还有一个地缘政治因素在推动其采用。GLM 5.2 发布的几天前，美国出口管制指令迫使 Anthropic 广泛禁用 Fable 5 和 Mythos 5 以防止外国人访问。一个具备接近前沿编码性能、采用 MIT 许可证的模型，对需要持续性的组织来说突然变得更有吸引力。
注意事项： 仅文本模型，不支持图像或视频输入。token 消耗量大，在高思考模式上可能烧钱。模型还很新，供应商质量会参差不齐。各供应商的吞吐量上限约 ~78 tok/s（vs. DeepSeek V4-Flash 约 ~84 tok/s）。
适合场景： 智能体规划与编码的最佳即插即用替代方案。擅长架构规划、仓库级重构或长时间运行的智能体任务。当质量和规划能力比极致低价更重要时，选它而不是 DeepSeek。
3. MiniMax M3——多模态长上下文模型
MiniMax M3 是这组模型中唯一原生理解文本、图像和视频的模型。如果你的智能体需要读取截图、检查 UI 状态、解析图表或对视频进行推理，M3 是开源赛道中第一个值得测试的选项。
Artificial Analysis 给 M3 的智能指数（v4.1）评分为 44——与 DeepSeek V4 Pro 持平，落后于 GLM 5.2 和 Nemotron 3 Ultra，但其差异化在于模态能力，而非单纯的指数排名。更能说明问题的是，在 Artificial Analysis 的真实世界智能体基准 GDPval-AA 上，它大致与 Claude Sonnet 4.6 持平。它也是一个真正的长上下文模型：约 428B 参数/约 23B 活跃参数的 MoE，100 万 token 上下文，使用 MiniMax Sparse Attention（MSA）让百万 token 推理不那么荒谬。
实际价格很有吸引力：OpenRouter 加权平均每百万 token 0.098（输入）/0.098（输入）/1.21（输出）（但上下文长度超过 512k token 时价格会上涨）。不过和 GLM 一样，便宜的 token 单价并不意味着便宜的运行成本——M3 可能很啰嗦，且推理量大。
架构也具有创新性：MSA 使用基于真实 K/V 块的逐块稀疏注意力，而非单独的检索或压缩系统。论文报告称注意力计算量大幅减少，质量没有明显损失。在实践中，这就是 M3 能以合理成本支持整个仓库、长文档、大量截图或视频载体智能体的原因。
注意事项： 非 MIT 许可证。权重已开源，但采用 MiniMax 社区许可证：商业使用需要署名/通知，更大规模的商业产品需要事先书面授权。供应商质量和全上下文支持会参差不齐。它也不是这组中最好的纯编码模型；对于纯文本的智能体编码，GLM 5.2 可能是更好的默认选择。
适合场景： 你需要原生支持图像或视频输入的长上下文智能体。最佳场景是 UI 自动化、截图转代码、图表/文档理解、视频载体工作流，或混合模态的仓库/文档智能体。很可能是同样擅长多模态理解的 Gemini Flash 系列的强劲对手。 4. NVIDIA Nemotron 3 Ultra——美国开源权重加速器
NVIDIA 的 Nemotron 3 Ultra 是最明确的信号：强大的开源权重模型不只是中国实验室的专利。它不是整体上最顶尖的开源模型，但它是美国参赛者中最强的：一个严肃的推理模型，专为企业部署而生，背后有 NVIDIA 的硬件和软件栈支持。
基准测试数据很扎实。Artificial Analysis 给 Nemotron 3 Ultra 的智能指数（v4.1）评分为 48——在开源权重中排名第二，仅次于 GLM 5.2（51 分），领先于 MiniMax M3、DeepSeek V4 Pro 和 Kimi K2.6，是美国开源参赛者中表现最强的。其差异化优势在于部署效率。OpenRouter 加权平均价格为每百万 token 0.423（输入）/ $2.61（输出），还有一个单独的 :free 通道非常受欢迎，推动着采用率。 该模型是一个 550B/55B 活跃参数的混合 Mamba-2 + Transformer MoE 架构，使用 NVFP4 训练，支持 100 万上下文、多 token 预测（Multi-Token Prediction），采用 OpenMDW 许可证。NVIDIA 发布的远不止权重：还包括数据、配方、评估工具和 RL 基础设施。NVIDIA 的动机很清晰：更多开源模型的使用（以及更多元的有意义模型）意味着对 Blackwell/Hopper 推理、NIM 微服务、CUDA、AI Enterprise 和主权 AI 部署的更多需求。Nemotron 是一个模型，但它也是为提升整个开源生态——进而推动 NVIDIA AI 栈而设计的。
关注 NVIDIA 在这个方向上的持续投入——他们有动力在全球生态中持续推动模型扩散，且有雄厚的资金支持研究和训练，足以跟上这个星球上任何实验室的步伐。
注意事项： 仅文本模型，不支持图像或视频输入。在原始智能上落后于 GLM 5.2，而中国开源前沿在峰值编码得分上领先。免费通道适合测试和推广，但不适合围绕它构建严肃的生产 SLA。许可证虽然是宽松的，但用的是 OpenMDW，不是 MIT。
适合场景： 你想要一个美国构建的开源权重模型，用于长时间运行的智能体、RAG、编排、编码支持，或者速度、可部署性、数据控制和供应商安全感比绝对基准排名更重要的企业工作流。选 GLM 或 DeepSeek 获取顶尖的开源编码质量；当"堆栈"更重要时选 Nemotron。
一览表
| | | | |
|---|
| | | | 以最低价格获得前沿级智能体编码——成本/性能帕累托前沿。 |
| | | | 规划质量和长周期编码比极致低价更重要——最接近 Opus 风格的开源替代。 |
| | | | 智能体需要长上下文中原生图像或视频输入——截图、UI 状态、图表、文档。 |
| | | | 你想要美国构建、完全开放的 NVIDIA 栈模型，供应商和部署因素和排名同等重要。 |
主线总结： DeepSeek 证明了一个开源模型可以就是你的前沿智能体——而且只需几分钱。GLM 是新的质量领跑者。MiniMax 拥有性价比最高的多模态能力。NVIDIA 带来了完全开放、美国构建、背后有最深口袋的选项。距离闭源前沿的差距是真实的但很窄，而且没有在扩大。根据你的工作负载选择成本/质量/模态/供应商的交汇点——和往常一样，唯一的地面真相是用你自己的任务去测试它。
所有价格和吞吐量数据来自 2026 年 6 月的 OpenRouter.ai（供应商加权平均）；智能评分来自 2026 年 6 月 25 日索引的 Artificial Analysis Intelligence Index v4.1。
AI 速览
