開源模型還是 Claude、ChatGPT、Gemini、Grok?先問資料能不能出公司

雲端大模型更聰明、不用買機器;開源模型可以裝在自己公司、資料不出去。這篇比較 Anthropic、OpenAI、Google、xAI 四家雲端模型與開源模型的價格、資料處理和限制,告訴你怎麼選,或怎麼混著用。

熊董閱讀 5 分鐘
開源模型還是 Claude、ChatGPT、Gemini、Grok?先問資料能不能出公司

「現在 Claude、ChatGPT、Gemini 都那麼強,我們為什麼還要自己裝開源模型?還是說,開源的其實比較好?」

這個問題沒有標準答案,但有一個很清楚的判斷方式。很多老闆把它想成「哪個比較強」的比賽,其實真正該問的是另一件事。

我是熊董,台灣川輝科技創辦人。我帶團隊做系統導入七年,經手超過 252 個案子、橫跨 32 個以上產業。我們的系統有接雲端模型的,也有做成離線運作、幫客戶把模型裝在自己機房的。

我的答案是:不是開源比較好,也不是雲端比較好,而是你的資料能不能出公司。可以出去,雲端通常更聰明、更省事;不能出去,開源地端是唯一能用 AI 的做法。很多公司最後是混著用:敏感資料走地端,一般工作走雲端。

為什麼不是比「誰比較強」?

先承認一件事:單論聰明程度,雲端頂尖模型在複雜推理上通常還是比較強。這不是祕密,Hugging Face 上的整理也這樣寫。

但「比較強」只在你能用的時候才有意義。如果你是醫療院所,病歷不能送出去;如果你是檢驗公司,客戶的樣品數據有保密合約;如果你在做政府標案,對方明文要求資料不出境。這時候雲端再強也用不了。

所以第一個問題永遠是資料能不能出去,第二個問題才是哪個比較強、比較划算。

四家雲端大模型怎麼比?

下面整理 2026 年 11 月四家官方頁面公布的模型和價格。價格單位是每百萬 token 的美元,前面是輸入、後面是輸出。

廠商旗艦模型中階小型能裝在客戶機房嗎
AnthropicClaude Fable 5.2:8/40;Opus 5.5:4/20Sonnet 5.5:2/10Haiku 5.5:0.10/0.50不行,但可以透過 AWS、Google Cloud、Microsoft Foundry 使用
OpenAIgpt-6.2-astra:8/40gpt-6.2-sol:2/10gpt-6-luna:0.10/0.50不行
GoogleGemini 4 ArgonGemini 3.8 FlashGemini 3.1 Flash-Lite:0.25/1.50不行
xAIgrok-4.7:2/6官方未列官方未列不行
開源模型gpt-oss-120b、DeepSeek、Qwen 等Qwen3.8-27B、Gemma 4 31Bgpt-oss-20b、Gemma 4 12B可以

Google 部分模型的價格在官方頁面上沒查到,表上就不寫。OpenAI 小型模型在模型頁和價格頁的數字不一致,以官方最新公告為準。四家都不能裝在客戶自己的機房,這一點是開源模型最大的差別。

雲端大模型與開源地端模型的比較:聰明程度、資料去向、成本與維運

雲端的資料到底去哪裡?

很多老闆擔心「用雲端 AI,資料會不會被拿去訓練」。這要看各家怎麼寫:

  • OpenAI:官方寫明送到 API 的資料不會拿去訓練或改善模型,濫用監控的紀錄最多保留 30 天(來源)。
  • Google:付費版不拿來改善產品,免費版會;濫用監控會保留提示與輸出 55 天(來源)。
  • Anthropic:可以申請零資料保留,也可以指定在美國推論。
  • xAI:預設保留 30 天,可以自助開零資料保留,但會停用部分功能。

這些條款對很多公司已經夠用。但「保留 30 天」「保留 55 天」,對病歷、配方、保密合約來說,就是不能接受的。這時候只能地端。公司資料交給 AI 的安全底線,我在公司資料丟給 AI 安全嗎寫得比較完整。

開源模型的優缺點

優點很明確:資料完全不出公司;可以自己選模型、自己調整;沒有按量計費,用越多越划算;不受雲端廠商改價、改政策、停服務影響。

缺點也要講清楚:要買硬體,2026 年硬體價格還在漲;要有人維運,模型更新和安全修補都要自己來;中型模型在複雜推理上通常不如雲端頂尖模型;多人同時用要另外設計。這些我在地端 AI 做不到的事逐一列過。

還有一點:雲端大廠對內容有比較嚴格的使用政策。例如 Anthropic 明文禁止情色內容,xAI 禁止用真人外貌做色情內容。這些規定大多合理,但有時候會連正常的醫療問題也拒答,例如醫美問到私密處療程。開源模型可以調整這類過度拒答的行為,這是它的另一個彈性。

怎麼混著用?

實務上,我們最常建議的是混合架構:

資料類型走哪裡例子
敏感、不能出公司地端開源模型病歷、檢驗數據、配方、客戶合約、財務明細
一般、可以出去雲端大模型行銷文案、公開資料整理、程式輔助
可以去識別化先去識別,再走雲端客服問題分類、匿名化的報表分析

混合使用要注意兩件事。第一,要有一個「分流」的機制,讓系統自動判斷哪些內容不能出去,而不是靠員工自己記得。第二,兩邊的回答風格、格式要盡量一致,員工才不會覺得在用兩套系統。

這個分流機制,就是我們做公司系統時會一起處理的部分。AI 不是另外開一個網頁,而是接在員工每天用的系統和 LINE 裡,在背後決定該送去哪個模型。現有系統怎麼加 AI,可以參考已經有 ERP,還需要 AI 嗎。

依資料敏感程度分流到地端或雲端模型的混合架構步驟

成本怎麼比?

最後講錢。雲端按量付費,用多少付多少;地端一次買硬體,加上電費和維運。

用量小的時候雲端划算,用量大的時候地端划算。有廠商試算一天要約 800 萬到 1,000 萬個 token 才回本(見 MAQ,廠商自己的假設)。大部分中小企業的用量遠低於這個數字,所以單論成本通常是雲端划算。

但成本不是唯一的考量。資料不能出去的時候,地端是唯一選項;資料可以出去的時候,再來比成本。硬體要多少錢,可以看地端 AI 要買什麼硬體;整體導入費用可以看 AI 導入要花多少錢。

常見問題

Claude、ChatGPT 可以裝在公司自己的伺服器嗎?

不行。這些雲端大模型都只能透過網路使用,最多可以選擇在特定雲端平台或特定地區推論。要完全裝在公司內部,只能用開源模型。

用雲端 AI,資料會被拿去訓練嗎?

主要廠商的企業付費 API 大多寫明不拿來訓練,但會保留一段時間做濫用監控,例如 30 天或 55 天。對大部分資料夠用,但病歷、配方、保密合約這類資料,通常連保留都不行。

開源模型會不會比雲端便宜?

用量小時通常不會。地端要買硬體、付電費、有人維運;雲端用多少付多少。地端的主要理由是資料不能出去,而不是比較省。

可以同時用雲端和地端嗎?

可以,而且很常見。敏感資料走地端,一般工作走雲端,關鍵是要有自動分流的機制,不要靠員工自己判斷。

結語:先問資料,再比模型

開源和雲端不是誰取代誰,而是看你的資料能不能出去。能出去,雲端更聰明也更省事;不能出去,地端是唯一的路;兩者都有,就混著用。

如果你不確定自己的資料該走哪一邊,可以先看看我們怎麼做 AI 系統開發,或帶著你們最敏感的那一類資料來找我聊。

覺得有用?轉給需要的人
30 分鐘・完全免費

看完覺得像在講你的公司?

把你現在的做法講 30 分鐘給熊董聽,我告訴你哪裡在漏工時、哪裡藏著風險,以及這件事值不值得花錢做。不推銷、不賣課,聊完沒緣分也沒關係。

線上選時段・熊董親自談・252+ 案的經驗

熊董 Johnny Yang
熊董 Johnny Yang
川輝科技創辦人

連續創業者,帶一支小團隊,把系統做進老闆每天的工作裡。

創業年資
7 年
交付案子
252+
服務產業
32+
認識熊董