读完本文，你会弄清开放权重模型是什么、它为什么在 2026 年从开发者实验走进企业生产环境，以及判断企业是否该用、该怎么用的五个问题。
2026 年 10 月 19 日，Nvidia 发布了 Nemotron 3.5 Super VL，一个面向企业 AI 代理、拥有 1,200 亿参数的开放权重模型，用户包括 EY、CrowdStrike 和 Salesforce。对 COO 和 IT 负责人来说，问题已经不是开放模型够不够用，而是哪些活该交给它。
什么是开放权重模型？
开放权重模型，是指公开了训练后参数（也就是权重）的 AI 模型。在许可条款允许的范围内，企业可以下载、运行和调整它，部署在自己的基础设施或自选的服务商上。闭源模型如旗舰版 GPT 和 Claude，则只能通过开发商自己的服务调用。
开放权重不等于开源。FullStack 的解读指出，开放权重只公开参数，有时附带推理代码；严格意义上的开源还要提供研究和复现系统所需的材料与权利。
--- 闭源模型：通过 API 租用能力，版本、价格和数据处理由厂商说了算。
--- 开放权重模型：在许可范围内，自己决定在哪里跑、保留哪个版本、怎样调优。
开放权重模型为什么在 2026 年走进企业主流？
因为它们现在能以很低的成本承担大量日常企业任务。2026 年 8 月公布的数据显示，开放模型承担了接近三分之一的 token 用量，花费占比却不到 4%。AI 代理完成一项任务常常要调用模型几十次，这个成本差距会被成倍放大。
Constellation Research 基于 Vercel AI Gateway 数据的分析显示，开放权重模型的 token 占比从 2026 年 4 月约 11% 升到 6 月的 29%，当时约每八个企业客户就有一个在生产环境跑着至少一个开放模型。
6 月份，开放模型占 29% 用量、不到 4% 花费；Anthropic 则占 32% 用量、61% 花费。这和 “推理悖论”是一个道理：单价在降，总账单却可能在涨。
企业实际怎么用开放权重模型？
企业用开放权重模型有三种方式：交给托管推理服务商运行、部署在自己的云账号里，或者放在自有硬件上。多数企业从托管推理起步，因为它既能选模型、降成本，又不用自己管 GPU、打补丁和扩容。
方式一：托管推理
服务商负责运行，你通过 API 调用。Constellation 判断，企业采用开放权重会快于自建推理，原因就在这里。
方式二：自己的云账号
提示和输出留在自己的环境，版本也能锁定，但可用性和安全由你负责。
方式三：本地或终端设备
适合高度敏感的场景，但只有基础设施能力扎实的企业才适合把它当默认选项。
企业什么时候该选开放权重模型？
当任务量大且定义清楚、数据控制或版本稳定比顶级推理能力更重要，或者需要用自有数据调优时，就该考虑开放权重模型。复杂推理、边界模糊的任务，以及出错代价高的场景，仍然交给闭源前沿模型更稳妥。
--- 任务类型：是重复性的分类、抽取、摘要，还是开放式判断？
--- 数据敏感度：提示和输出是否必须留在自己的环境或地区？
--- 稳定性：是否需要 12 到 24 个月内模型表现完全一致，以便审计？
--- 调优需求：用自家文档调优能否明显改善结果？
--- 运维能力：有没有人能评估、加固和监控自己运行的模型？
三项以上回答“是”，可以优先通过托管推理试用开放模型；一项或以下，暂时留在闭源 API 更稳。
这对香港企业意味着什么？
对香港企业来说，开放权重模型提供了一条不完全依赖单一海外厂商服务范围、定价或地区政策的路径。只要部署规范，它还能帮助企业更严格地管控个人数据，满足《个人资料（私隐）条例》的要求。
多家美国前沿模型厂商没有把香港列为直接支持地区，不少本地企业只能通过云平台或集团合同使用。在自选的云区域或数据中心运行开放模型，可以少掉一层依赖。
模型来源也成了决策因素。Constellation 指出，通义千问、DeepSeek、GLM 等中国模型系列正在主导开放权重的发展节奏。董事会需要同时看许可条款、来源和供应商政策。UD 关于 AI 模型集中风险的分析解释了为什么多模型布局本身就是一种韧性。
开放权重模型怎样融入多模型策略？
开放权重模型最适合作为多模型架构里的一层，由路由层把每项任务交给能胜任且成本最低的模型。前沿模型负责最难的推理，开放模型负责重复的代理步骤，小型专用模型负责分类和信息抽取。
关键控制点是路由层和评测集。UD 的大模型路由指南讲解了如何设计这一层，在省钱的同时守住质量。
企业用开放权重模型最容易踩哪些坑？
最常见的坑有：把开放权重当成开源、忽略许可条款、默认自建一定更便宜、不用自家数据做评测，以及下载来源不明的模型文件。每一个都会把成本或控制上的优势，变成新的风险。
忽略许可。部分许可对商业用途或使用规模有限制，法务审核要放在部署之前。
以为自建更省。七成时间闲置的 GPU，可能比托管 API 更贵。要比较每项完成任务的成本。
跳过评测。用 200 到 500 个真实样本测试，包括繁体中文和中英混合内容。
开放权重模型要点速览
--- 定义：公开训练权重、可按许可下载和调整的模型。
--- 最新企业级发布：Nvidia Nemotron 3.5 Super VL，1,200 亿参数，2026 年 10 月 19 日。
--- 采用信号：2026 年 4 到 6 月，开放模型在 Vercel AI Gateway 的 token 占比从约 11% 升到 29%。
--- 成本信号：2026 年 6 月占 29% 用量，花费不到 4%。
--- 建议路径：先用托管推理，具备运维能力后再考虑自建。
开放权重模型的战略要点是什么？
开放权重模型已经不是开发者的玩具，而是正在成为企业大规模 AI 任务的主力，前沿闭源模型则专攻高难度任务。关键不是站队，而是清楚哪些工作属于哪一层，并保留随时调整的自由。对香港企业来说，这份自由同时关乎韧性和数据控制。
懂AI，更懂你 UD相伴，AI不冷。
掌握了框架，下一步是把你的业务负载对应到合适的模型层级。UD 团队手把手带你完成每一步，从负载评估、模型选型，到在香港安全部署和持续跟踪效果，28 年企业服务经验，全程陪你走。
由 UD 企业 AI 团队审阅。