Ekosistem kecerdasan buatan sedang mengalami anjakan paradigma yang telah diramalkan oleh ramai sejak sekian lama. Jurang prestasi antara model AI sumber terbuka dan sistem proprietari telah mengecil kepada hanya 3% , menurut laporan sulung Mozilla Foundation State of Open Source AI 2026 , yang diterbitkan pada 14 Julai. Data ini, berdasarkan analisis ribuan penanda aras dan tinjauan global terhadap lebih 950 pembangun, mengesahkan bahawa kelebihan daya saing bukan lagi terletak pada model asas, tetapi sebaliknya pada cara ia diatur, digunakan dan dimonetisasi.
Bagi syarikat dan syarikat baharu di Sepanyol dan Eropah, berita ini datang pada masa yang genting. Kos inferens telah menjunam sebanyak 50 kali ganda dalam masa tiga tahun sahaja , menurun daripada sekitar $20 setiap juta token kepada hanya $0,40. Ini, ditambah pula dengan tekanan kawal selia yang semakin meningkat di EU mengenai kedaulatan data, membuka peluang untuk membina produk AI tanpa bergantung pada gergasi teknologi AS atau China. Persoalannya bukan lagi sama ada AI sumber terbuka berdaya maju, tetapi bagaimana untuk memanfaatkannya sepenuhnya.
Laporan Mozilla: pariti prestasi
Kajian Mozilla menganalisis keadaan semasa ekosistem secara mendalam. Model pemberat terbuka sudah sepadan dengan model pemberat tertutup dalam pengekodan, pelaksanaan arahan dan tugasan pengetahuan umum . Walau bagaimanapun, perbezaan masih wujud dalam penaakulan lanjutan, pencarian konteks panjang dan tugasan ejen berbilang peringkat, di mana sistem proprietari mengekalkan sedikit kelebihan. Dalam kedudukan Chatbot Arena yang popular, perbezaan purata hanya 3,3 mata, margin yang dianggap tidak relevan oleh ramai orang untuk kebanyakan aplikasi praktikal.
Penerimaan perusahaan mendedahkan satu paradoks yang menarik. 79% pembangun menggunakan model sumber terbuka, tetapi hanya 51% menggunakannya dalam pengeluaran , berbanding 63% untuk model tertutup. Jurang ini bukan disebabkan oleh keupayaan model itu sendiri, tetapi sebaliknya disebabkan oleh infrastruktur penggunaan yang belum matang. Syarikat mengutamakan syarat pelesenan (31%) dan pemilikan data (26%) berbanding prestasi tulen, yang menjelaskan mengapa ramai yang terus memilih penyelesaian tertutup yang menawarkan pensijilan dan jaminan yang belum diseragamkan oleh sumber terbuka.
Kos inferens: 50 kali lebih murah
Salah satu penemuan paling menarik dalam laporan ini ialah evolusi kos. Harga model termurah dengan prestasi setara dengan GPT-4 telah jatuh daripada $20 kepada $0,40 setiap juta token dalam tempoh 36 bulan , pengurangan sebanyak 50 kali ganda. Ini telah dimungkinkan oleh pengoptimuman perkakasan, persaingan antara vendor dan kecekapan model sumber terbuka. Syarikat Featherless, sebagai contoh, mendakwa telah mengurangkan kos inferens sebanyak 94% menggunakan model GLM 5.2 Cina pada infrastruktur AMD, menawarkan yuran tahunan tetap sebanyak $90.000 berbanding $1,5 juta yang akan dikenakan oleh model proprietari untuk sistem yang menggunakan 100.000 bilion token sebulan.
Bagi syarikat baharu Eropah, yang mana akses kepada modal lebih terhad, pengurangan kos ini merupakan pengubah keadaan. Model perniagaan yang sebelum ini tidak berdaya maju kerana harga API yang tinggi kini menjadi menguntungkan . Tambahan pula, keupayaan untuk menggunakan model secara tempatan membolehkan mereka mematuhi peraturan seperti GDPR dan Undang-undang AI Eropah yang akan datang, yang memerlukan kawalan ke atas data pengguna.
Abah-abah orkestrasi, sempadan persaingan baharu
Mozilla mengenal pasti " agen harness " sebagai lapisan pembangunan utama seterusnya. Ia merangkumi orkestrasi, alat, memori, persekitaran masa jalan, kebenaran, identiti, penilaian, kebolehcerapan dan tadbir urus . Apabila model menjadi lebih murah dan lebih mudah diakses, perisian yang merangkuminya menjadi pembeza utama. Protokol terbuka seperti Protokol Konteks Model (MCP) semakin mendapat sambutan yang meluas: ia meningkat daripada 2 juta muat turun bulanan pada akhir tahun 2024 kepada 97 juta pada awal tahun 2026, dan 28% daripada syarikat Fortune 500 telah menjalankannya dalam pengeluaran.
Boris Renski, pengasas Apelogic, memberi amaran bahawa syarikat-syarikat besar sedang "bekerja keras untuk menanamkan ketakutan" tentang model berbahaya dan AGI yang akan berlaku, bertujuan untuk mengalihkan perhatian daripada realiti: model sumber terbuka hanya ketinggalan empat bulan dengan sebahagian kecil daripada kos . "Kebanyakan masa, syarikat tidak membayar OpenAI atau Anthropic untuk kecerdasan, tetapi untuk ciri perniagaan komoditi yang mengelilingi model tersebut," katanya. Jonathan Bryce dari CNCF bersetuju: membayar sepuluh kali ganda lebih banyak untuk kelebihan empat bulan "bukanlah strategi perniagaan AI yang kukuh."
Model sumber terbuka baharu: Persaingan global dan permulaan
Dalam konteks ini, ketibaan model sumber terbuka baharu mempercepatkan peralihan. Thinking Machines Lab, yang diasaskan oleh bekas CTO OpenAI, Mira Murati, telah melancarkan Inkling , model multimodal dengan 975 bilion parameter (41 bilion aktif setiap tugas) dilatih dari awal dan dikeluarkan di bawah lesen Apache 2.0. Inkling ialah model berwajaran terbuka paling berkuasa yang dicipta oleh makmal Barat, mencatatkan 74,1% pada MCP Atlas (tugasan ejen) dan 77,6% pada SWE-Bench (pembetulan pepijat). Walaupun ia tidak mengatasi model Cina teratas seperti Kimi K3, model AI sumber terbuka terbesar , atau GLM 5.2 dalam semua penanda aras, ia menawarkan alternatif untuk pembangun yang, atas sebab undang-undang atau keselamatan, tidak mahu bergantung pada model Asia.
Di Eropah, contoh paling menonjol ialah Mistral, syarikat baharu Perancis yang telah mencapai pendapatan berulang tahunan sebanyak $400 juta (20 kali ganda lebih tinggi daripada tahun sebelumnya) dan sedang mencari pusingan pembiayaan baharu bernilai €3.000 bilion dengan penilaian sebanyak €20.000 bilion. Mistral menunjukkan bahawa adalah mungkin untuk bersaing dengan Eropah dalam pasaran AI sumber terbuka, menawarkan model yang menghormati kedaulatan data dan menyesuaikan diri dengan peraturan tempatan.
Trend ke arah kedaulatan teknologi tidak dapat dihentikan. Empat puluh tujuh negara telah melaksanakan sekatan ke atas pemprosesan data asing untuk beban kerja sensitif , dan dua belas rangka kerja AI kebangsaan baharu telah diwujudkan tahun lepas. Ini mewujudkan peluang untuk syarikat baharu yang menawarkan penggunaan tempatan, model serantau dan pematuhan peraturan natif. AI sumber terbuka bukan lagi alternatif kelas kedua: ia berdaya saing prestasi, sangat unggul dalam ekonomi unit dan, bagi syarikat Eropah, laluan paling selamat untuk inovasi tanpa kekangan.