开源权重已逼近前沿：如何正确解读 2026 年 9 月的差距

2026 年 9 月的开源权重格局，用一句话概括：头部开源模型与闭源前沿之间，只差个位数。在 Artificial Analysis 智能指数（AA Intelligence Index）上，GLM-5.3 以 45 分领跑开源阵营，Kimi K3 以 44 分紧随，Qwen3.8-Max 约 40 分；而美国最强的开源模型 Inkling（Thinking Machines）只有 26 分。闭源第一梯队——Claude Fable 5.1 与 GPT-6 Astra——同为 53 分。也就是说，顶级开源模型与闭源前沿之间约 9 分，而「开源 vs 开源」之间的差距反而更大。

先厘清数字，别急着下结论

这里必须先履行一条纪律：区分事实与来源分歧。Interconnects AI 在 9 月 14 日的分析中给出：GLM-5.3 为 45、Kimi K3 为 44、Kimi K3 与 GLM-5.3-Flash 分别为 44 与 42，美国最好的开源模型 Inkling 为 26、Nvidia Nemotron 3 Ultra 为 23。Maxime Labonne 的分析同样给出 GLM-5.3 领先开源阵营 45 分、K3 落后 1 分，并指出 Fable 5.1 已把差距拉大到 8 分。而 24/7 Wall St. 的表述是 GLM-5.3 与 Kimi K3 同为 44 分、闭源领先 53 分，差距 9 分。数字差 1 到 2 分，结论方向一致：差距是个位数。

// Rule one when reading a leaderboard: record the index version and the date.
// A score without its snapshot is a rumour, and the snapshots disagree.

type Score = { model: string; index: string; value: number; asOf: string };

const snapshot: Score[] = [
  { model: "GLM-5.3",         index: "AA Intelligence Index", value: 45, asOf: "2026-09" },
  { model: "Kimi K3",         index: "AA Intelligence Index", value: 44, asOf: "2026-09" },
  { model: "Qwen3.8-Max",     index: "AA Intelligence Index", value: 40, asOf: "2026-09" },
  { model: "Inkling (US open)", index: "AA Intelligence Index", value: 26, asOf: "2026-09" },
];

// Report the spread, not one number. If two sources differ by two points, say so.
function spread(a: number, b: number) { return Math.abs(a - b); }

第一梯队开源模型与闭源前沿只差个位数

「同分」之下，价格才是真正的变量

当能力接近时，决策权就交给了成本。GLM-5.3 于 2026 年 8 月 14 日发布，与 GLM-5.2 共用同一基座，增益主要来自扩大后训练；据 Morph 的整理，它在 Terminal-Bench 3.0 上从 4.6 提升到 28.3，在 DeepSWE v1.1 上从 46.2 提升到 66.9，并以 45 分略胜 Kimi K3 的 44 分，而 token 价格约为 K3 的五分之一（GLM 定价维持在 1.40/4.40 美元每百万 token）。在 DeepSWE 的单任务成本上，GLM-5.3 为 3.99 美元，Kimi K3 为 4.65 美元。能力打平的地方，价格就是答案。

# Capability is half a decision. The other half is what a task costs at that
# capability. Two models tied on score can be far apart on the bill.

models = [
    # name,           open_weights, price_in_per_M, price_out_per_M, cost_per_task_usd
    ("GLM-5.3",       True,  1.40, 4.40, 3.99),
    ("Kimi K3",       True,  None, None, 4.65),
    ("Claude Fable 5.1", False, None, None, None),
]

for name, weights, pin, pout, cpt in models:
    tag = "open" if weights else "closed"
    print(f"{name:20s} {tag:6s} cost/task={cpt}")

# At equal score, the cheaper open model is the one to benchmark first for text
# coding. That is a procurement fact, not a religious one.

许可不是脚注，是运行时约束

「开源」这个词需要拆开看。GLM-5.3 的权重自 2026 年 8 月 25 日起公开，但采用的是自定义的 GLM-5.3 许可；Kimi K3 的权重自 7 月 27 日起在 Hugging Face 上按 Kimi K3 许可提供。两者都不是「随便用」的 MIT 级别。计划自托管前，先把许可读一遍，并把「选这个模型」和「依据什么许可」一起记录在案。把任何自定义命名的许可当成需要法务复核的事项，而不是一个勾选框。

// A licence is a runtime constraint, not fine print. GLM-5.3's weights are public
// under a custom GLM-5.3 licence, and Kimi K3 ships under its own Kimi K3 licence.
// Read both before you plan a deployment, and record the decision next to the model.

class Deployment {
  constructor(model, license) { this.model = model; this.license = license; }
  requiresReview() {
    // Any non-standard, custom-name licence is a legal review, not a checkbox.
    return /custom|non-commercial|research/i.test(this.license);
  }
}

const plan = new Deployment("GLM-5.3", "GLM-5.3 License (custom)");
if (plan.requiresReview()) console.log("route to legal before self-hosting");

同分之下，价格差才是真变量

把自托管算成一笔账，而不是一种信仰

自托管的经济性是个盈亏平衡问题。你需要用你自己的数字去算：硬件或 GPU 租用、利用率、电力，以及运行它的工程时间。许可只是第一道门槛，盈亏平衡是第二道。一个简单原则：只有当自托管的总成本低于它所替代的 API 账单时，才值得买这台机器。而这个式子两边都会移动，所以每个季度都该重算一次，别把它当成一次性决定。

// Instrument the router, then let the data settle the argument. Route by task
// class, cap cost, and log which tier actually satisfied the request.

type Tier = "open-cheap" | "open-strong" | "closed-frontier";
type Decision = { task: string; tier: Tier; usd: number; accepted: boolean };

function route(task: string, difficulty: number, budgetUsd: number): Tier {
  if (difficulty < 0.4 && budgetUsd < 0.01) return "open-cheap";
  if (difficulty < 0.8) return "open-strong";
  return "closed-frontier";
}

function logRoute(d: Decision) {
  db.routes.insert({ ...d, ts: Date.now() });
}

// If 90% of accepted requests never leave the open tiers, the frontier is an
// escalation path, not your default. Measure it before you assume otherwise.

用路由把争论变成可辩护的决策

把模型差异交给路由去裁决。按任务类别分流：低难度、低预算的请求交给便宜的开源档；中等难度交给强开源档；只有高难度才升级到闭源前沿。然后记录每一次决策——任务类别、档位、花费、是否被接受。如果 90% 被接受的请求从未离开开源档，那么闭源前沿对你而言就是一条升级通道，而不是默认选项。先测量，再假设。

# Self-hosting economics are a break-even question, not a vibe. Compute it with
# your own numbers: hardware, utilisation, power, and the engineering time to run
# it. The licence is the first gate; the break-even is the second.

def break_even_monthly(api_spend_usd, gpu_rent_usd, eng_hours_usd):
    # You buy the box when renting it costs more than the API bill it replaces.
    total_self_host = gpu_rent_usd + eng_hours_usd
    return {
        "api": api_spend_usd,
        "self_host": total_self_host,
        "verdict": "self-host" if total_self_host < api_spend_usd else "stay on API",
    }

print(break_even_monthly(4200, 3100, 900))
# Then re-run it every quarter: both terms move, and the answer moves with them.

许可、权重与硬件共同定义「可行」

差距会动，方法不动

把这条新闻读成一种方法。数字会随快照变化——有的来源给你 44，有的给你 45，有的说差距 8 分，有的说 9 分——所以任何单个分数都不该进你的技术选型文档，除非附带「指数版本 + 日期」。真正稳定的是你的评估方式：记录快照与来源、按能力与成本双轴评估、把许可当作门槛、把自托管算成账、用路由把差异变成决策。方法比分数活得久，而这正是 2026 年 9 月这条新闻真正值得抄下来的部分。