**摘要：**OpenRouter 在 2026 年 10 月 31 日發布了一份開放權重（open-weight）與封閉權重（closed-weight）模型的比較分析，用自己平台一年的 token 用量、價格與 benchmark 數據回答一個實際問題：產品該從哪一種開始做起。結論很直接——開放權重已從一年前的 27% 份額漲到 72%，價格約只有四分之一，但最強的封閉權重模型在品質上仍領先約 11 分。對 builder 來說，這不再是陣營之爭，而是「怎麼混用」的工程問題。
先分清楚：開放權重不等於開源
模型的 weights 是訓練學到的參數。開放權重模型把這些參數公開（通常放在 Hugging Face），任何人都能下載、在自己的 GPU 上跑、fine-tune 或對外提供服務；封閉權重模型只能透過原廠或其授權的雲端使用。DeepSeek V4.1 Flash、GLM-5.3、Kimi K3 屬於前者，Claude、GPT、Gemini 屬於後者。
但 OpenRouter 特別提醒：公開權重不代表可以隨便用。授權條款差異很大——DeepSeek V4 Flash 用 MIT，MiniMax M3 的社群授權則要求標示出處，較大型的商業產品要先取得書面許可。以 Open Source Initiative 的定義，開源還需要訓練資料或其詳細說明，所以大多數模型嚴格來說是 open weight 而非 open source。Llama 也一樣：權重公開、訓練資料沒有，且月活超過 7 億用戶的公司要另外向 Meta 申請授權。動手之前先看 license。
用量翻轉：72% 的 token 已經跑在開放權重上
OpenRouter 把每週 token 量前 50 名的模型分類統計。2025 年 10 月 6 日那一週，開放權重只占 26.8%；到 2026 年 7 月 20 日達到高峰 77.5%，9 月 28 日仍維持 71.7%。同期封閉權重的絕對量也成長了近十倍（每週 3.4T 到 33T tokens），但開放權重暴漲超過 60 倍，每週達 83.5T。
值得注意的是，兩邊的主力都是便宜、快速的模型，而不是分數最高的旗艦。近四週最多人用的開放權重模型是 DeepSeek V4.1 Flash、GLM-5.3 Flash、Hunyuan 4 Preview；封閉側則由 GPT-5.6 Luna 大幅領先。這跟我們在 GLM-5.2 開源發布看過的趨勢一致：開放權重模型正在長任務場景直接挑戰頭部封閉模型。
價差四倍，主因是競爭而非技術
OpenRouter 近四週的 token 加權牌價：開放權重約 $0.28 in / $1.62 out（每百萬 tokens），封閉權重約 $1.27 / $6.36，相差約四倍。原因很簡單——同一個開放權重模型任何人都能 host，熱門模型在 OpenRouter 上有 20 到 31 個 provider 競價。GLM-5.3 Flash 有 30 個 provider，輸入價從 $0.04 到 $1.15；Claude Sonnet 5.5 只有 5 個，價格幾乎一致。
兩類也有重疊：Kimi K3 最貴的 endpoint 比 Claude Sonnet 5.5 還貴，而 GPT-6 Luna 標價 $0.10 卻比任何 Kimi K3 provider 都便宜。OpenRouter 的建議是比較具體模型，不要比較類別。
品質仍有 11 分差距，所以預設策略是「先開放、難關卡再封閉」
在 Artificial Analysis Intelligence Index 上，最強的封閉模型 Claude Opus 5.5 拿到 57.6 分，最好的開放權重 MiMo-V2.6-Pro 是 46.3 分，差距約 11 分。OpenRouter 自己也說明這是在最難任務上的最強模型差距，不代表你的 workload 差這麼多，而且分數會隨 reasoning effort 設定變動。
他們給的實務策略：從開放權重模型開始，用自己的任務測試，只有在額外品質真的改變結果的步驟才換封閉模型——通常是 agent 裡的 planning 那一步，而不是每一個 call。
一個 API 混用兩種模型
OpenRouter 讓兩種模型走同一個 API，closed 在前當 primary、open 在後當 fallback，還可以設價格上限：
import os, requests
r = requests.post(
"https://openrouter.ai/api/v1/chat/completions",
headers={"Authorization": f"Bearer {os.environ['OPENROUTER_API_KEY']}"},
json={
"models": ["anthropic/claude-sonnet-5.5", "z-ai/glm-5.3-flash"],
"provider": {"max_price": {"prompt": 1, "completion": 4}},
"messages": [{"role": "user", "content": "..."}],
},
timeout=120,
)如果 primary 超過價格上限，請求會自動落到 GLM-5.3 Flash；回應裡的 model 欄位告訴你最後是誰回答、就計誰的費。Fallback 觸發條件還包括 rate limit、停機、context 長度錯誤和 moderation 拒答——primary 廠商出事時，你的 app 仍能繼續回答。
給 builder 的下一步
這份分析的方法論也值得抄：用量來自 OpenRouter 公開的每週排名資料集，分類標準是 catalog 是否連到 Hugging Face repo，價格是 2026 年 10 月 8 日的牌價。限制也要知道——前 50 名以外的量與無法分類的 stealth 模型（最近一週達 38.7T tokens）都沒算進份額裡。實際操作上，先設價格上限、再按 throughput 排序，是最快的起手式；然後拿自己的任務去測那 11 分差距到底存不存在。