AI 开源追赶速度计
赛车主题视觉化——从 2023 年的 30%+ 差距到 2026 年的统计噪声级别，开源 AI 如何追上闭源
⚠️ 数据口径：本工具所有 MMLU 均为示意值。2026 年的前沿模型（GPT-6 Astra、 GLM-5.3、Qwen3.8-2.4T-A95B）官方均已不再公开 MMLU，改发 GPQA Diamond / FrontierMath / OSWorld / ARC-AGI-3。为保留 2023→2026 时间线可比性，本表沿用统一 MMLU 量纲，价格统一取输入价。 表格另附各模型的公开实测基准与来源链接——选型请以后者为准。
2023-07 差距
~32 pp
闭源遥遥领先示意值
2024-2025 追赶
32→5 pp
DeepSeek / Qwen / Llama示意值
当前现状
4.0 pp
GPT-6 Astra vs Qwen3.8示意值
开源 vs 闭源差距速度计
2023-072026-09
2026-09差距 4.0 pp示意值
GPT-6 Astra 发布，$10/$50，差距维持
2026 年 AI 行业最被低估的故事不是"谁最强"，而是差距在消失。 按本表唯一口径（闭源最优 MMLU − 开源最优 MMLU）： 闭源最优 GPT-6 Astra（MMLU 95） 与开源最优 Qwen3.8-2.4T-A95B（MMLU 91） 相差 4.0 个百分点， 开源已达闭源的 95.8%； 而输入价差为 5.0×（$10/M vs $2/M）。示意值2023 年差距是 32pp 量级，2026 年已缩到个位数。