开源模型榜

12 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

13.4分

闭源最好 59.4

agent 任务差距

26.3pt

TB 4.0：65.2% 对 38.9%

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	—	—	$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	32.5	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	38.9	$2.20
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	—	—	—	$0.80
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	$1.00
9	DeepSeek V4 Pro 开源DeepSeek	MIT	1.6T/49B	1.05M	—	23.0	—	—	$3.96
10	Gemma 4 31B 开源Google	Apache-2.0	31B	262K	19.0	—	75.8	—	$0.40
11	gpt-oss-120b 开源OpenAI	Apache-2.0	117B/5.1B	131K	—	—	75.8	—	$0.20
12	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（12 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。

多步工具调用还差一整代。Terminal-Bench 4.0 上闭源 65.2%、开源 38.9%，差 26 个百分点。原因不难猜：agent 能力依赖长链强化学习，而这部分训练成本闭源厂商能承担、开源社区很难复现。

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。

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。

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。

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。