开源商业化，这次真的跑通了
智谱 AI 公布 2026 年上半年业绩：营收 9.539 亿元人民币，同比增长 400%，净亏损收窄至 20 亿元。更值得企业注意的一个数字是：2025 年其本地化部署收入 5.34 亿元，占总营收 73.7%。
这说明什么？开源权重模型已经能撑起一门像样的生意，而且客户主要是要“部署在自己这里”的那一批。原因很现实：政府、国企、央企因数据安全要求只能本地化部署，而闭源 API 走不通，必然依赖开源模型。
2026 主流模型：参数、价格一览
- GLM-5.3-Flash：3200 亿总参数、单次仅激活 180 亿，稀疏+线性注意力，支持 100 万 token 上下文，开放权重（MIT 协议）。
- DeepSeek V4-Pro：通用可用版本，增强 Agent 性能与灵活推理控制，原生支持 OpenAI Responses API，推出峰谷定价——低谷价为峰值价的 50%。
- 腾讯 Hy4 preview：7700 亿总参数、490 亿激活的开放权重 MoE 模型，上下文超 100 万 token。
- Meta Muse Glimmer：300 亿参数开放权重模型，4-bit 量化后 占用低于 20GB，主打本地常驻 Agent，Apache 2.0 协议。
- Gemini 3.7 Flash：编码与智能体优化，输入 0.75 美元/百万 token、输出 3.75 美元/百万 token。
- Claude Sonnet 5：输入 2 美元、输出 10 美元/百万 token，该定价已转为长期价格。
选型三条口径：别再看跑分了
- 看场景，不看榜单：榜单是通用能力，你的需求是具体任务。客服问答、内容生成、代码辅助、数据分析，最优解往往不同。
- 算总账，不算单价：便宜的 token 单价，如果输出质量差、要人工返工，总成本反而更高。要按“完成一个任务的总成本”算。
- 看部署方式，不看名气：数据能不能出境、能不能本地部署，往往是硬性约束，比模型强弱更优先。
三个常见坑
坑一：追最新模型。新模型发布密集，但企业要的是稳定，不是尝鲜。频繁换模型会导致提示词、评测、流程全部重来。
坑二：忽略知识截止。多数模型都有知识截止时间，对时效性内容必须配合检索（RAG）或人工核实，否则会一本正经地输出过期信息。
坑三：不做人工审核。模型卡片里写得明明白白：模型仍可能幻觉、超时、知识不均衡。对外发布的内容必须人工过一遍，这是底线。
我们的做法
内容生产用成熟商用模型（稳定、成本可控）；涉及客户数据的场景走本地化或明确不训练数据的商用 API；所有对外内容保留人工终审环节。详细的分级原则见 企业用AI，数据安全和合规要注意什么；常见问题见 企业最关心的10个AI应用问题。