這筆帳很少是以一行明細的形式出現。它出現的時機，是實驗室想把 Simulink 加進某個席次時，是校園授權在論文某一章截稿那週到期時，或是一間小公司發現它需要的控制工具箱比跑它的那台筆電還貴時。MATLAB 幾乎從來不是因為有人討厭那個編輯器而被拋棄的。它被拋棄，是因為決定誰能繼續用下去的，是授權——而不是軟體本身。
所以真正有用的問題不是「哪款免費工具最好」，而是「哪款免費工具適合我實際在做的工作」。有四件事決定這一點，而且沒有一件是功能清單：你想擺脫的那種授權、你桌上那類運算（矩陣指令碼、方塊圖模型，還是統計）、有多少現成的 .m 程式碼必須跟著你走，以及你能不能接受沒有原廠支援。沿著這四條把你的工作排一排，選擇大致上就會自己浮現。
先從授權談起，因為那才是真正的問題
MATLAB 是專有的商業軟體，由 MathWorks 按席次販售，Simulink 和每一個工具箱都各自列為獨立項目計價——可以訂閱，也可以買斷再每年付費以維持最新版本。它沒有一般性的免費方案。唯一真正免費的途徑來自學校：MathWorks 告訴學生，學校可以提供無限存取，所以第一件要查的事，就是你的大學是否已經有全校授權。如果有，MATLAB 今天對你不花一毛錢，而這一整串問題考驗的其實是你畢業或離開實驗室的那一天。如果沒有，下面這些替代方案就是全部的答案。
ChatGPT 介面（圖片：OpenAI）。用它把一段壞掉的 MATLAB 片段翻成 Python 很方便——但永遠不要相信它給你的數字。
你算什麼，決定你該裝哪個克隆品
矩陣指令碼是最單純的情況。最接近的兩個開源克隆品是 GNU Octave 與 Scilab，維基百科自己的整理就把這兩者稱為 MATLAB 的兩大開源替代方案。Octave 是為了執行 MATLAB 語法而寫的——它的文件指出，寫得嚴謹的 .m 指令碼能在兩套系統上跑——所以對於實質上只是 MATLAB 語法的課程作業，Octave 是最短的路徑。它目前的穩定版本是 Octave 11.3.0，採 GPLv3-or-later 授權。
Scilab 現在是 2026.1.0，以開源授權免費提供，當你的工作不是指令碼而是模型時，它就是首選。它內建 Xcos，也就是它對應 Simulink 的開源版本，用來從方塊圖模擬連續與離散動態系統。麻煩之處在格式：Xcos 無法匯入 .slx 的 Simulink 模型，所以 Simulink 專案只能重建，不能直接開啟。
當目標是機器學習、資料管線，或任何得在正式環境中運行的東西時，Python 預設就是贏家——NumPy、SciPy、pandas 與 scikit-learn 涵蓋了數值運算的核心，而且這項技能能帶進每一份與資料有關的工作。若做的是數值研究、原始速度很重要、程式碼又吃重，那麼 Julia（MIT 授權；1.12 系列於 2025 年 10 月推出，到了 2026 年 8 月仍在以 1.12.12 修補）就是現代化的替代方案，不過它要你花時間學一個規模較小的生態系。如果工作是統計而非數值運算，誠實的答案是 R，而不是任何 MATLAB 克隆品；我們的 SPSS 替代方案指南 深入談了這條路線。
搬遷的難題在工具箱，不在語法
「兩邊都能跑」只適用於核心語言，到那裡就停了。專有的工具箱函式——通常正是當年需要那張授權的昂貴理由——往往沒有 Octave 或 Scilab 的對應版本，或者名稱不同、行為也略有差異。一般的線性代數、繪圖與訊號函式預期都能找到，而專門的函式則預期要重寫。這份重寫，就是每一條免費路線暗藏的代價：軟體免費，但那幾週不免費。
下手前先快速估一下工作量
打開你最大的那個 .m 檔，數一數你無法立刻叫出名字的工具箱函式。如果數字很低，Octave 今天就能扛得住你。如果很高，這次搬遷就是一個真正的專案，決策也從「選哪個克隆品」變成「接下來五年我想精通哪一種語言」——而那通常就是 Python 或 Julia。
把工具對上工作
- 大學部、以 MATLAB 語法為主的課程作業 — GNU Octave。同樣的語法、GPLv3，能在 Windows、macOS 與 Linux 上跑，而且直接打開你拿到的那些
.m檔。 - 以方塊圖為基礎的控制、訊號與工程模擬 — Scilab 搭配 Xcos。這是唯一一個免費工具能逐塊對應付費工作流程的情況，一個方塊對一個方塊。
- 資料科學、機器學習，或即將上線的程式碼 — Python 搭配 NumPy、SciPy 與 scikit-learn。只有在你也願意先投資這個生態系時才選它。
- 效能吃重的數值研究 — Julia，當真正卡住你的是一個很慢的迴圈，而你想要一門編譯式語言又不想離開數學時。
- 統計與研究報告 — R，它的套件與 APA 風格輸出讓它成為分析這一側的自然歸屬。更完整的比較請見 SPSS 替代方案指南。
| 如果你的工作是… | 該用 | 原因 |
|---|---|---|
| MATLAB 語法的作業 | GNU Octave 11.3 | 幾乎原封不動就能跑 .m，不必授權 |
| 方塊圖模擬 | Scilab + Xcos | 開源的 Simulink 對應方案 |
| 機器學習／正式環境程式碼 | Python（NumPy、SciPy、scikit-learn） | 生態系與職涯價值遠超 MATLAB |
| 講究速度的數值研究 | Julia（MIT） | 有編譯速度，又能留在數學裡 |
| 統計與報告 | R | 為分析輸出而生，而非矩陣指令碼 |
讓「免費」變貴的三個陷阱
以為克隆品能無痛替換。 Octave 跑的是語言，不是工具箱。一個呼叫專有函式的指令碼會直接失敗，或默默回傳一個不同的數字，而在截稿壓力下這種差異很容易被忽略。請用你課程已經提供的範例來測試。
忘了那些你換不掉的軟體。 如果某個系所或客戶交給你 .slx 模型，也期待你回傳 .slx，那就沒有任何免費工具能補上這個缺口——請編列一個付費席次的預算，而不是搞一套痛苦的變通做法。
讓聊天機器人來算數學。 一般助理在解釋錯誤或轉換語法上真的很有用；它也會毫不猶豫地編造出一個結果。用它來翻譯和解釋，然後對照官方文件查證；ChatGPT 做這件事很好，但拿來當計算機則毫無用處。我們那篇 研究論文寫作 AI 工具指南 就是讓助理安分地待在那個角色上。
常見問題
GNU Octave 真的能無痛取代 MATLAB 嗎？ 對核心語言的指令碼來說，接近到大部分課程作業都能原封不動地跑。但對任何依賴特定工具箱的東西來說，不行——在你依賴某個函式之前，請先逐一檢查。
我能在免費工具裡打開我的 Simulink 模型嗎？ 不能直接打開。Xcos 是等效的工作流程，但 .slx 檔無法匯入，所以模型得重建。指令碼和資料能搬，方塊圖不能。
學生真的能免費拿到 MATLAB 嗎？ 很多時候可以，透過校園授權——MathWorks 表示學校能給學生無限存取。買任何東西之前，先到你大學的軟體頁面確認一下。
Python 跟 MATLAB 一樣快嗎？ 就向量化的陣列程式碼而言，大致相當。差距出現在緊湊的迴圈裡，而那正是 Julia 派上用場的地方。
接下來該怎麼做
先安裝 Octave——只要幾分鐘，它能打開你現有的 .m 檔，而且會立刻告訴你，你的工作有多少是核心語言、多少是工具箱。如果工具箱函式很少，你就搞定了，還省下一張授權。如果很多，你才剛發現自己真正的下一步是 Python 或 Julia，而且你可以刻意地開始，而不是在截稿壓力下被迫開始。無論哪一種，今晚一次下載就能給你答案。
版本、授權與學生存取相關細節，已於 2026 年 10 月對照 GNU Octave、Scilab、Julia 與 MathWorks 官方網站查核——Octave 11.3.0、Scilab 2026.1.0、Julia 1.12.12。MATLAB 及其工具箱為專有軟體、分開計價；最新價格請查閱 MathWorks 定價頁面，各地區有所不同。本文未對其中任何產品進行實機測試。