Village发布的LLM图谱揭示了当前AI模型的性价比格局：闭源模型几乎统治了所有预算区间，仅在极低端市场留有缝隙。
闭源模型占据绝对优势
数据显示，开源模型仅在3%的最低预算区间内表现最佳，主要由谷歌Gemma 4 E4B和小米MiMo-V2.6-Flash占据。这一比例较今年六月的41%大幅下滑。当时，DeepSeek V4 Flash在近三分之一的预算区间内胜出，智谱GLM-5.2紧随其后。
随着OpenAI在9月发布GPT-6 Luna、10月推出GPT-6.1 Terra，以及Anthropic发布Claude Haiku 5.5，闭源阵营迅速收复失地，覆盖了此前开源模型占优的大部分预算区间。
开源模型的短暂高光
当前3%的份额是自2024年以来测得的最低值。此前每个季度末，开源模型至少占据6%的预算区间。其市场份额峰值通常由单次重磅发布驱动：例如2025年9月，DeepSeek-V3.2-Exp曾在一周内成为近半数预算区间的最佳选择。
然而，这种优势难以持久。每次峰值过后，随着闭源实验室推出更具价格竞争力的产品层级，下一季度开源模型的市场份额通常会腰斩。开源模型往往凭借单一高性价比产品短暂突围，直至被更便宜、更强的闭源模型超越。
闭源实验室胜出的三大原因
- 内部蒸馏优势：闭源实验室可利用旗舰模型输出训练廉价模型。例如，Claude Haiku 5.5在Opus 5.5发布两周后即推出。相比之下，开源实验室受限于闭源条款，无法利用竞争对手数据进行训练，只能从自身较弱模型起步。
- 完整产品家族：闭源厂商通过密集产品线覆盖全价位。OpenAI的GPT-6及GPT-6.1系列（含Luna、Terra、Sol、Astra）在21个评分点中占据11席，单一代际产品即可覆盖广泛价格带。
- 规模效应降低成本：OpenAI、Anthropic和Google依托大规模推理服务及自研芯片（如Google）降低单次任务成本，而大多数开源模型实验室的流量规模远不及此。
方法论说明
本研究基于Village LLM图谱，结合公开基准测试的能力得分与独立成本模型，评估每项任务成本。成本以高努力程度下的GPT-5为基准。研究在201个对数分布的预算点（GPT-5成本的1%至3倍）上找出最具能力的模型。数据截至2026年10月31日。
需注意，成本反映的是托管API费用，自有硬件运行开源模型可能更便宜。若将预算范围扩大至GPT-5成本的0.3%至十倍，开源模型份额将升至16%，因其在极低价位仍具优势；但在主流预算区间（3%至1倍），上述结论保持不变。