开源模型榜
13 个有公开权重的模型。许可证一列比分数更重要——同样是“开源”，商业条款可能差出十万八千里。
开源最好成绩
46.0v5
Kimi K3.1 Pro
与闭源差距
14.0分
闭源最好 60.0
agent 任务（TB 4.0）
2.0pt
开源领先：开源 67.2% / 闭源 65.2%
单机可跑最强
33.7Apache-2.0
Qwen3.8 27B
| # | 模型 | 许可证 | 参数 | 上下文 | v4.3.2 | v5 | GPQA | TB 4.0 | 输出 $ |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Kimi K3.1 Pro 开源Moonshot AI | Kimi K3 License | 2.8T/104B | 1M | 55.1 | 46.0 | — | 67.2 | $10.00 |
| 2 | MiMo-V2.6 Pro 开源Xiaomi | MIT | 1.02T/42B | 1M | 46.3 | 30.0 | 59.5 | 31.3 | $1.40 |
| 3 | DeepSeek V4.1 Flash 开源DeepSeek | MIT | 552B/16B | 1.05M | 45.1 | 33.0 | 89.8 | 19.7 | $1.20 |
| 4 | GLM-5.3 开源Z.ai | GLM-5.3 License | 753B/18B | 1M | 44.8 | 32.0 | 90.9 | 41.9 | $4.40 |
| 5 | Kimi K3 开源Moonshot AI | Kimi K3 License | 2.78T/104B | 1M | 43.6 | — | 93.1 | 17.2 | $15.00 |
| 6 | GLM-5.3 Flash 开源Z.ai | MIT | 321B/18B | 1M | 41.8 | — | — | — | $0.50 |
| 7 | Qwen3.8 27B 开源Alibaba Qwen | Apache-2.0 | 27.8B | 262K | 33.7 | — | — | — | $0.40 |
| 8 | MiniMax M3 开源MiniMax | MiniMax Community License | 428B/23B | 1M | 29.2 | — | 90.9 | 1.0 | $1.20 |
| 9 | Mistral Large 4 开源Mistral | Mistral Ecosystem Open-Weight License | 1T/52B | 1M | — | 26.0 | 87.6 | — | $2.10 |
| 10 | DeepSeek V4 Pro 开源DeepSeek | MIT | 1.6T/49B | 1.05M | — | 23.0 | — | 14.1 | $3.96 |
| 11 | Gemma 4 31B 开源Google | Apache-2.0 | 31B | 262K | 19.0 | — | 75.8 | — | $0.40 |
| 12 | gpt-oss-120b 开源OpenAI | Apache-2.0 | 117B/5.1B | 131K | — | — | 75.8 | — | $0.20 |
| 13 | Nemotron 3 Ultra 开源NVIDIA | OpenMDW-1.1 | 550B/55B | 1M | — | — | — | — | $1.60 |
排序按 v4.3.2 口径——开源阵营在这个口径下收录最全（13 个里 9 个有结果）。v5 单列一栏供对照，两栏数字不可直接比较。仅有 v5 结果的模型以其 v5 分数参与排序，排名可能略被低估。
开源 vs 闭源：差距到底在哪
知识类任务已基本追平。GPQA Diamond 上开源最好的 Kimi K3 拿到 93.1%，闭源最好的 Gemini 4 Argon 是 96.4%，差 3.3 个百分点。这个差距在一年前是 15 分以上。
agent 任务的天花板换人守了。Kimi K3.1 Pro 权重 11-04 开放后，Terminal-Bench 4.0 榜首（67.2%）第一次属于开放权重模型，闭源最好的 Gemini 4 Carbon 是 65.2%。但登顶有代价：2.8T 参数自建要数十张 GPU，28 tok/s 的输出速度也是头部模型里最慢的——多数团队仍会走它的 API。
许可证比分数更容易踩坑。MIT、Apache-2.0 可以随便商用；Kimi K3 License 要求月活过亿后显示标识；MiniMax Community License 和 OpenMDW-1.1 有各自的商用限制。选模型前先看许可证，再看分数。
自建还是调 API
自建合算的场景
日调用量大且稳定、数据不能出内网、需要微调。此时 Qwen3.8-27B 或 GLM-5.3 Flash 这类 30B 级模型是甜点位。
调 API 合算的场景
流量波动大、需要前沿能力、团队没有 GPU 运维能力。Kimi K3 这种 2.8T 参数模型，自建需要数十张 H100，没有讨论价值。
混合是常态
简单任务走本地小模型，复杂任务路由到 API。OpenRouter 或自建网关做路由，能把成本压到纯 API 方案的 30% 以下。