10月5日，OpenAI发布了GPT-OSS-120B和GPT-OSS-20B两款开源模型。这是自2019年GPT-2以来，这家AI巨头时隔七年首次向开发者社区开放权重。消息一出，行业震动。
为什么OpenAI突然松口？说白了，是成本压力逼的。
从"最强"到"最划算"
Uber今年前四个月就用光了全年的AI预算，原因是员工疯狂使用AI编码工具。亚马逊内部叫停了AI使用排行榜，微软计划停用部分员工的高级模型订阅。当这些巨头都开始心疼账单的时候，说明一件事：闭源模型的溢价模式已经玩不转了。
花旗银行的数据显示，开源模型每项任务成本已降至0.8美元，比闭源模型便宜60%。更夸张的是DeepSeek V4-Pro在网络安全任务测试中的表现：每题平均成本0.28美元，而闭源竞品Opus 4.5高达12.50美元，差距超过40倍。
9月份小米和SpaceX同一天发布新模型，MiMo-V2.6-Pro（开源）和Grok 4.7（闭源）拿到相同的智能指数跑分，但前者每项任务成本仅0.13美元，后者3.74美元，差距近29倍。
这就是OpenAI面临的现实：不开放，就出局。
开源模型已经追到门口了
如果开源只是"便宜但不好用"，这场转向就不会发生。关键在于差距正在快速缩小。
一年前业界认为开源落后闭源9个月到1年，半年前缩小到6-9个月，现在已经不到6个月。在代码生成、文档分析、网络安全等特定任务上，开源模型的表现已经接近甚至在某些场景超越闭源。
OpenAI这次发布的GPT-OSS-120B采用混合专家架构，总参数1170亿，但每次只激活51亿参数，在单张NVIDIA H100 GPU上就能跑。20B版本更是为边缘设备设计，16GB内存即可运行，性能接近闭源的o3-mini。
更重要的是生态。AT&T已经40%的AI工作负载运行在开源模型上，计划一年内提升至70%。Tinder的AI支出年化从1月的100万美元飙升至7月的1000万美元，为控制成本开始将非技术查询路由给开源模型。
企业开始"模型拼盘"
真正的变化不在模型本身，而在使用方式。
企业开始放弃"一个模型解决所有问题"的思路。最贵的前沿模型负责复杂决策，便宜的开源模型承担大量日常工作。信息提取、文本分类、简单代码修改、客服回复这些高频但低复杂度的任务，根本不需要调用顶级模型。
这种"多模型路由"策略让企业平均使用的模型数量从2025年Q1的2.1个增加到2026年Q1的4.7个。不再对某一家供应商"从一而终"，而是根据任务难度、时延要求和成本预算动态分配。
OpenRouter上开源模型处理的Token占比，已经从今年1月的34%升至6月的65%。趋势已经很清晰了。
对普通开发者和企业意味着什么
首先是选择权。以前只能在"贵但好用"和"便宜但凑合"之间二选一，现在开源模型提供了第三条路：便宜且足够好用，数据还能留在自己手里。
其次是成本结构的根本性改变。如果你的业务依赖AI，现在应该重新评估成本模型。很多工作负载完全可以迁移到开源模型上，成本能降60%-90%。
第三是灵活性。开源意味着可以针对自己的业务场景做微调，用专有数据训练出在特定任务上超越闭源的模型。这是闭源API做不到的。
当然，开源也有代价：你需要自己搞定基础设施、模型部署和运维。但对于每天处理几亿Token的企业来说，这笔账怎么算都划算。
写在最后
OpenAI这次开源不是慈善行为，是被市场逼出来的。当开源模型用1/7的成本做到80%的能力，当企业开始用"模型拼盘"策略，当黄仁勋、纳德拉公开联名支持开源，闭源阵营的护城河就已经开始瓦解。
对行业来说，这是好事。竞争让价格下降，让技术普惠，让开发者有更多选择。对OpenAI自己来说，这也是一次必要的战略调整——在开源浪潮面前，与其被边缘化，不如主动参与。
未来的AI市场不会是闭源的天下，也不会全是开源。但有一点确定：谁都不能只靠一个模型吃遍天了。