直接回答
**2026 年的大模型格局更适合按五种供应与运营模式理解,而不是把公司永久划进五个阵营。**当前厂商会同时提供托管前沿 API、云生态集成、开放权重、区域部署、专用模型和 Managed Agent。只看公司名称,无法得知你真正部署的是哪个 Model Snapshot、Endpoint、License、Data Path、Runtime 与 Support Contract。
下面五种模式用于组织候选清单;最终选择必须来自准确版本和自身工作负载证据,不能来自通用排行榜或“谁会赢”的预测。
核心要点
- 比较不可变 Model/Endpoint 身份,而不是厂商家族名。
- 分开 Model Capability、Agent Harness、Tool、Retrieval、Policy 与执行环境。
- 厂商 Benchmark 只能作为其声明条件下的带日期证据。
- 开放权重不自动等于 Open Source AI、无限制使用、低运维成本或安全自托管。
- 百万 Token Context 是容量,不证明模型在所有位置可靠使用信息。
- 总成本要包含重试、Cache、Tool、人工复核、基础设施、失败任务与迁移。
- Stable、Preview、Alias 与 Deprecated Endpoint 不能混在同一个总分里。
- 每项采用决策都要有退出触发和已验证回退。
为什么旧“五大阵营”叙事不可靠
旧版文章把 OpenAI、Anthropic、Google、Meta、Mistral 与 Cohere 描述成长期不变的战略人格。这种写法容易失效:
- 同一厂商已经同时跨越模型、平台、Agent 与产品层;
- Model Catalog 与 Lifecycle 比年度文章变化更快;
- “安全首选”“AGI 先锋”“开源颠覆者”是分析标签,不是技术证据。
当前官方目录已经说明问题:OpenAI、Anthropic 与 Google 都提供多类模型、不同 Endpoint 状态、Tool Surface 与生命周期规则。NIST CAISI 在 2026 年 9 月发布的 GLM-5.3 评估也证明,“开源与闭源”不是单一质量轴:其结论绑定具体 Cyber Benchmark、ReAct Harness、Reasoning Setting、Attempt Budget 与置信区间。
可持续比较的最小单元是:
模型制品或 API Snapshot
+ Endpoint 与 Region
+ Harness 与 Tool Policy
+ Data/Contract Terms
+ Workload 与 Evaluator
+ Release Date
五种供应与运营模式
这些类别描述团队购买或运营的对象,同一厂商可以横跨多个类别。
1. 托管前沿 API
供应商负责模型权重、Serving、生命周期、滥用控制与多数底层优化,客户通过 API 集成,也可能使用托管 Tool、Agent Runtime 或 Evaluation 产品。
**适合条件:**工作负载确实需要当前前沿能力,同时数据、区域、成本和生命周期条款可接受。
必须核验:
- 精确 Model ID,以及它是固定 Snapshot 还是 Alias;
- 输入输出模态、限制与预算;
- Tool、Structured Output、Streaming 与 Refusal 契约;
- 数据留存、训练使用、Region、Subprocessor 与企业控制;
- Deprecation 通知和迁移路径;
- Rate Limit、可用性条款与事故流程。
**隐藏成本:**厂商专属语义可能进入应用架构。JSON Shape 相似,并不代表 Tool 行为、Reasoning Control、Usage 或 Error 可移植。
2. 云与产品生态整合平台
模型只是更大云、办公、数据、身份或设备生态中的一个组件。集成可以减少胶水代码,也会把行为绑定到平台 IAM、Region、Quota、Observability 与产品发布节奏。
**适合条件:**组织已经信任并运营外围平台,原生数据或工作流集成能显著降低交付风险。
必须核验:
- Identity 传播与 Service Account 边界;
- 按 Endpoint 而非 Brand 判断 Data Residency;
- 第一方 API 与云市场中的模型可用性;
- 产品专属 Prompt、Connector 与审计导出;
- Prompt、Eval Data、Tool 与 State 的可迁移性。
**隐藏成本:**集成功能可能拥有不同于基础模型 API 的留存、支持和生命周期条款。
3. 开放权重发布者
供应商发布模型参数,并通常提供推理代码或配方;部署方承担更多 Serving、安全、扩缩容、升级和事故响应责任。
**适合条件:**检查、定制、本地运行、数据路径控制或专用硬件的价值足以覆盖运营责任。
必须核验:
- 准确 Weight、Tokenizer、Config、Quantization 与 Code Revision;
- 每项制品的 License 与 Acceptable-use Terms;
- Training Data Information 与修改权;
- Signature/Digest、来源和供应链流程;
- Runtime Kernel、硬件兼容、质量与总成本。
Open Source AI Definition 1.0要求使用、研究、修改与分享自由,并要求可修改首选形式。仅能下载权重不能自动满足这些条件。
4. 主权或区域供应商
供应商强调特定法域、语言、部署区域、采购路径或本地生态。
**适合条件:**主权、语言、公共采购、受监管部署或本地支持是一等需求。
必须核验:
- 法律实体、处理区域、支持地点与 Subprocessor;
- 在本地代表性数据上的语言和领域质量;
- 出口、制裁、采购与事故义务;
- On-prem/VPC 的运营责任;
- Provider、Endpoint 或本地政策变化后的连续性。
“区域厂商”不自动等于数据留在当地,本地公司也不自动满足行业监管。
5. 任务专用模型服务
供应商针对 Embedding、Rerank、代码、语音、翻译、图像、安全分类或类型化决策等窄任务优化。
**适合条件:**窄模型在合格质量、延迟、成本和运维复杂度上优于通用模型。
必须核验:
- 任务定义与 Output Contract;
- Calibration、Abstention 与 Failure Behavior;
- Domain 与 Language Coverage;
- Benchmark 与生产任务是否匹配;
- 多个专用调用组合后的总成本。
专用模型可以降低部分输出波动,也会增加路由、版本和集成故障。
分开模型、运行时与产品
同一个模型可以通过不同界面出现:
| 层级 | 示例决策 | 影响 |
|---|---|---|
| Model | 精确 Snapshot 或 Artifact | 质量、Context、模态、安全行为 |
| API | Endpoint、参数与 Region | 请求契约、限制、数据路径 |
| Harness | 直接调用、SDK Loop、Managed Agent | 状态、Tool、审批、恢复 |
| Product | Chat、IDE、Office Suite、Search | UI、Connector、留存、管理控制 |
| Deployment | 厂商云、Marketplace、VPC、自托管 | 身份、网络、支持、运维 |
证据不能跨层直接迁移。模型 Benchmark 无法证明 IDE Agent 安全,产品认证也不一定覆盖第三方 Marketplace Endpoint。
建立 Model Evidence Card
把易变事实存放在正文之外:
candidate_id: provider-model-endpoint
checked_at: "actual review timestamp"
model:
id: "exact ID"
lifecycle: "stable | preview | experimental | deprecated"
artifact_digest: "required for self-hosted"
endpoint:
region: "exact region"
api_revision: "exact revision"
rate_limit: "documented and tested"
harness:
owner: "application | provider"
tools: "versioned contract"
data:
retention: "applicable plan and feature"
training_use: "applicable plan and feature"
subprocessors: "review record"
evaluation:
workload: "fixture revision"
result: "evaluation run ID"
economics:
price_source: "dated source"
cost_per_accepted_outcome: "measured value"
exit:
replacement_tested: false
migration_owner: "role"
Evidence Card 可以单独刷新,不必每次改写概念文章。每个结论都应记录 Source URL、Plan/Region 范围和事实边界。
评分前先执行硬门禁
候选无法满足以下强制要求时,应在加权打分前淘汰:
- 必要 Region 或 Deployment Mode 不可用;
- License/Usage Restriction 与产品冲突;
- Data Retention 或 Training-use Terms 不可接受;
- Tool 缺少有边界的 Identity/Authorization;
- 无法固定或观察实际部署的模型身份;
- 必要模态、Context、Output 或 Accessibility 不受支持;
- 关键 State 无 Export、Rollback 或 Migration 路径;
- 安全或质量故障超过声明风险容忍度。
加权平均会掩盖致命约束。Benchmark 再高,如果系统无法合法处理数据或安全执行工作流,也必须失败。
在任务切片上评测精确 Snapshot
使用固定工作负载:
| 切片 | 示例 Outcome |
|---|---|
| 常规语言任务 | 结构化结果通过验收 |
| 领域术语 | 决策正确且证据充分 |
| 长上下文 | 不同位置的必要事实可召回 |
| Tool Use | 工具选择正确且参数有效 |
| Agent Task | 最终业务状态正确,而非叙述好听 |
| 拒答与不确定性 | 安全 Abstention,且 False Refusal 可控 |
| 对抗输入 | 受保护不变量不被突破 |
| 依赖降级 | 有界重试、恢复或升级 |
同时记录 Harness、Prompt、Tool、Budget、Reasoning Control、Retry 与 Evaluator 身份。NIST 的 GLM-5.3 网络安全评估公开了 Benchmark、ReAct Harness、Attempt Policy 和置信区间,因此只能支持对应网络安全任务结论,不能直接变成通用模型排名。
按已验收结果核算经济性
Token 标价遗漏了:
每个已验收结果成本
= 模型输入输出
+ Cache 与 Storage
+ Retrieval 与 Tool
+ Retry 与 Fallback
+ Agent Compute
+ 人工 Review 与 Rework
+ 自托管硬件与运维
+ Failure 与 Incident Cost
测量 p50 与 Tail Latency、目标并发下 Throughput、Queue、Cache Hit、利用率,以及通过独立验收的 Output 比例。便宜模型若产生更多重试或人工复核,每个合格结果反而可能更贵。
硬件比较应在 MLPerf 等受控 Benchmark 的 Model、Scenario、Division、Quality Target、Software 与 System 边界内解释。被测结果不能仅凭硬件名称外推到另一套 Stack。
只有路由获胜时才引入路由
Model Routing 可以降本或提升质量,也会引入分类器和新故障边界:
至少与以下基线比较:
- 一个较强固定模型;
- 一个经济型固定模型;
- 简单确定性策略;
- 相同 Fallback 与 Review Budget。
按任务和风险切片报告路由错误。模型多样性不等于错误独立。
可运行的 Go 资格门禁
下面的程序先执行硬要求,不尝试给厂商做主观总排名:
package main
import (
"errors"
"fmt"
)
type Candidate struct {
ID string
PinnedIdentity bool
AllowedRegion bool
LicenseApproved bool
DataTermsApproved bool
ToolPolicyEnforced bool
AcceptanceRate float64
P95LatencySeconds float64
CostPerAcceptedTask float64
RollbackTested bool
}
func qualify(candidate Candidate) error {
switch {
case !candidate.PinnedIdentity:
return errors.New("model identity is not pinned")
case !candidate.AllowedRegion:
return errors.New("required region is unavailable")
case !candidate.LicenseApproved:
return errors.New("license is not approved")
case !candidate.DataTermsApproved:
return errors.New("data terms are not approved")
case !candidate.ToolPolicyEnforced:
return errors.New("tool authorization is not enforced")
case candidate.AcceptanceRate < 0.90:
return errors.New("task acceptance rate is below policy")
case candidate.P95LatencySeconds > 8:
return errors.New("p95 latency exceeds policy")
case candidate.CostPerAcceptedTask > 0.25:
return errors.New("accepted-task cost exceeds policy")
case !candidate.RollbackTested:
return errors.New("rollback is not verified")
default:
return nil
}
}
func main() {
candidate := Candidate{
ID: "provider-model-endpoint",
PinnedIdentity: true,
AllowedRegion: true,
LicenseApproved: true,
DataTermsApproved: true,
ToolPolicyEnforced: true,
AcceptanceRate: 0.93,
P95LatencySeconds: 5.8,
CostPerAcceptedTask: 0.18,
RollbackTested: true,
}
if err := qualify(candidate); err != nil {
panic(err)
}
fmt.Printf("%s qualified\n", candidate.ID)
}
预期输出:
provider-model-endpoint qualified
阈值只是示例产品策略。程序不能证明某个 Provider 安全或“最好”,它只是把不可妥协的假设变成可执行规则。
采用前先设计退出
退出计划至少识别:
- 可迁移 Prompt、Schema、Tool 与 Evaluation Contract;
- State 和 Artifact 导出格式;
- 无法复现的 Provider 专属能力;
- 终止合同后的数据删除和留存;
- Alias 到 Snapshot 的迁移;
- 替代模型与 Degraded Mode 测试;
- 流量切换与回滚;
- 商务通知和续约日期。
“OpenAI Compatible”不会自动迁移 State、Tool、Error、Reasoning Control 或 Managed Agent Session。真正需要退出前,应已经测试过替代路径。
常见失败模式
| 失败 | 更好的方法 |
|---|---|
| 给厂商赋予永久人格 | 固定 Model、Endpoint、Harness、Plan 与 Region |
| 只认一个榜单冠军 | 按工作负载切片报告不确定性与失败成本 |
| 用 Context Window 代表理解 | 测试位置与证据使用 |
| 把开放权重叫开源 | 按 OSI 定义与许可证逐项审查制品 |
| 把 Token 价格叫总成本 | 计算每个独立验收结果成本 |
| 按品牌印象路由 | 使用可测试 Router,并对比固定模型基线 |
| 把模型安全结论传递到 Tool | 服务端身份、授权、校验与 Effect Control |
| 用 Alias 作为 Release Identity | 固定 Snapshot 或可观察不可变 Artifact |
常见问题
五种供应模式是什么?
托管前沿 API、云/产品生态整合平台、开放权重发布者、主权或区域供应商、任务专用模型服务。它们互相重叠,也不是正式行业分类。
企业应该选择哪家模型厂商?
先让精确候选通过法律、数据、身份、部署和运营硬门禁,再比较企业自身已验收结果。公司级标签不足以支持决策。
开放权重模型一定更便宜吗?
不一定。硬件、能耗、利用率、工程、升级、安全、可观测性、容量和故障成本都要计入。不同规模与负载下,自托管经济性会变化。
更大的上下文窗口是决定性优势吗?
只有当模型能在目标延迟和成本下可靠使用所需证据时才有价值。应测试不同位置、干扰项、冲突来源、输出预留和检索替代方案。
团队应该统一一家 Provider 吗?
单一 Provider 可以降低集成负担;多 Provider 可降低部分依赖风险,却会增加路由、合同、评测和事故处理复杂度。选择满足需求的最小组合。
总结
2026 大模型格局变化太快,不适合维护永久冠军或厂商人格。可持续策略应以五种运营模式组织候选,并通过不可变身份、任务证据、数据与许可证条款、Runtime 归属、每个已验收结果总成本和退出准备度完成选择。市场快照放入 Evidence Card,应用则建立稳定内部契约与独立验收门禁。
需要具体模型历史对比时,可阅读 2026 年 5 月 DeepSeek、Qwen 与 Llama 格局;落地架构可继续参考 LLM Gateway 设计和 AI Benchmark 失真分析。