2025 年 1 月，開放權重 AI 模型曾短暫追平閉源競爭對手，Arena 群眾外包排行榜上的 Elo 評分差距一度歸零。但那一刻已成過去。根據 Arena AI 的評測數據，截至 2026 年 9 月，最強閉源前沿模型與頂尖開放權重競爭者之間的差距已擴大至 29 個 Elo 積分。

Claude Opus 5 Max 目前以 1505 分居首，而最強開放權重競爭者、月之暗面（Moonshot AI）的 Kimi K3 Max 落後近 30 分。Arena 的 AI 能力負責人 Peter Gostev 一直是追蹤與視覺化這一分歧的核心人物。

這一差距的影響超越排行榜本身。開放權重模型——其參數可下載並在客戶自家基礎設施上運行——對重視資料控制、法規遵循以及避免按 token 計費 API 費用的企業與政府極具吸引力。能力差距擴大，意味著有這些需求的組織日益面臨主權與原始效能之間的取捨。反之，約四個月的落後意味著開放權重模型用戶獲得的能力，閉源模型早已提供，只是有所延遲。

這些數字實際上意味著什麼

發展軌跡比任何單一快照更能說明問題。從 2025 年 1 月的零差距到 2026 年 9 月的 29 分，趨勢正遠離開放權重模型的持平目標。Epoch AI 的分析從另一角度印證了這一圖景：在最艱鉅的任務上，開放權重模型目前落後閉源模型約四個月，高於 2025 年底觀察到的三個月。

Arena 每月處理超過 1,000 萬次評測，仰賴大量真實用戶互動而非合成基準測試。這一點之所以重要，是因為靜態基準測試屢屢因污染問題——測試資料外洩至訓練集——以及無法反映模型在混亂真實提示下的表現而受到批評。當數百萬匿名用戶持續偏好某一模型的輸出時，這一訊號難以忽視。

Elo 積分本身也需要審慎解讀：在 Arena 的量表上，29 分的差距並不代表閉源模型在所有方面都全面勝出。模型整體可能接近，卻在特定任務類型上表現出巨大差異，這正是 Gostev 的按能力細分分析受到關注的原因。

測量 AI 的商業故事

Arena 本身已成為一則值得關注的商業故事。它於 2023 年以 UC Berkeley 研究計畫起家，如今已發展為年化營收 1 億美元的企業，在推出付費評測服務後僅八個月便達到這一營運規模。其變現模式反映更廣泛的需求訊號：隨著企業大舉投入 AI 預算，他們願意付費取得獨立、基於人類偏好的模型實際表現測量。

Gostev 的貢獻集中於讓模型弱點變得清晰可辨。他的工作凸顯了模型在領域專家評估與一般用戶評估下的表現張力，這一區別對企業部署至關重要——一般用戶排行榜上的寵兒，未必是法律或醫療等領域的最佳模型。

開放模型的地緣政治

最活躍的開放權重模型開發已大幅轉向中國實驗室。月之暗面的 Kimi 系列、智譜的 GLM、DeepSeek 以及阿里巴巴的 Qwen 代表了公開可用的前沿水準。這帶有政策意涵：在美國與歐洲，開放權重模型的發布正納入 AI 監管辯論，部分政策制定者主張限制超過特定能力門檻的開放權重。與此同時，多數前沿開放權重發布如今源自中國，意味著 AI 可公開檢視的前沿日益由中國的工程決策與授權條款塑造。然而差距依然存在，Anthropic、OpenAI 與 Google DeepMind 持續以更快速度推進其閉源模型。

未來的懸念在於四個月的落後會維持、進一步擴大還是縮小——答案將影響押注開放基礎設施的組織的採購決策，以及閉源模型供應商在定價上保留多少籌碼。