Kimi與DeepSeek仍在推進融資，最快可能於2027年上市。但臨近年底，市場情緒正在降溫——智譜與MiniMax的市值較各自高點已回撤約80%。屬於中國開源模型的熱鬧夏天似乎已經過去。
國慶假期期間，中國AI廠商暫時放緩了旗艦模型的迭代節奏，歐美開源模型卻迎來密集釋出：輝達支援的Reflection推出Beam，Mistral預覽了Mistral Large 4。與此同時，OpenAI、Anthropic等前沿閉源模型不僅繼續佔據高價值市場，還正將競爭延伸到價效比市場。中國開源模型由此處於一場雙線競賽之中：一邊要繼續追趕美國閉源前沿模型，另一邊要應對歐美開源模型的追趕。
自ChatGPT釋出以來，中國開源模型追趕美國閉源前沿AI模型的時間視窗不斷縮短。開源模型追平閉源前沿所需的時間，從推理時代的8.5個月到智慧體時代減半至約4.8個月。前艾倫研究所的Nathan Lambert在國情諮文中提及，美國開源模型相對中國開源模型落後2到6個月。
西方開源模型陣營開始追趕，正如去年底《看DAO2026》所展望的，是今年AI行業的關鍵敘事之一。究其原因，中國開源模型的優勢，已經開始從單純的Token經濟學的市場競爭，嵌入到全球AI生態的擴充套件中去。
隨著今年夏天Kimi-3與GLM-5.3等模型進入“好用”時刻，市場開始廣泛擁抱中國開源模型。全球最大的API聚合平台OpenRouter，每週token呼叫量已經從去年9月的1萬億增長至當前的80萬億，其中中國開源模型份額佔比超過80%；輝達支援的Fireworks AI等平台，日均token呼叫也飛速增長，其中超過95%來自基於開源模型的微調模型。
中國開源模型開始嵌入全球AI生態生長。Harvey把西方核心法律智慧建立在中國開源模型之上；開源模型Inkling借鑑了DeepSeek和Kimi。連AI基礎研究也越來越多地依賴於中國開源模型，目前約40%的論文提及中國開源模型，超過了美國的30%。去年這個時候，兩者提及率大致相當。事實上，論文提及是一個滯後指標，中國模型在全球科研中的擴散，實際可能發生得更早。
這關乎更長遠的競爭格局，引發了美國市場內外的警惕。對輝達而言，這關係到其硬體和軟體生態能否繼續保持吸引力；對美國而言，這涉及全球AI開發體系對中國供應鏈的依賴。對中國開源模型下手，今年以來一直是華盛頓的重要議題之一。
西方開源模型復興，也由此迎來新的推動力。但西方開源模型同樣面臨“先天”的結構性約束。中國開源模型廠商面臨的挑戰，美國開源模型廠商同樣難以迴避，甚至在某種程度上處境更為不利。
前沿AI研發所需的資金和算力，與開源模型的商業化機制之間存在張力。儘管歐美市場的算力供應要比中國市場充沛得多，但供給仍然是瓶頸。在市場競爭中，算力資源最終更容易流向資金實力更雄厚、商業回報更明確的玩家。
與閉源模型廠商相比，開源模型廠商的商業化存在結構性難題。後者承擔研發成本，卻未必能捕獲模型能力擴散的全部商業價值。一旦開源模型廠商計劃對token收取更高的溢價時，它們所能捕獲的token市場份額就會逐步下降。
發生在中國開源模型廠商身上的，也會發生在美國同行身上。在智譜正式開源GLM-5.3-Flash後，大量第三方供應商湧入市場。最終，智譜官方API在OpenRouter的token呼叫份額，從最初的88%降至了22%。EpochAI估計，OpenRouter客戶對DeepSeek旗下模型的支出中，流向深度求索這家公司的比例，僅有8%。
歐美的算力資源正在向最有能力支付、並能將算力轉化為更高收入的前沿實驗室集中。8月，SemiAnalysis估計，今年全球新增算力大約1/3最後被OpenAI與Anthropic吃掉，明年這個比例可能會漲到一半。
這也是為什麼輝達必須親自下場。今年以來，黃仁勳連續出手，開始整合生態，扮演起西方開源模型陣營的關鍵先生。年初，輝達推出了Nemotron聯盟，參與者包括最近先後釋出迭代旗艦模型的Thinking Machine、Reflection與Mistral AI；下半年，輝達又出手收購了HuggingFace。
在中國，智譜已經將GLM-5.3整合到Bedrock，與亞馬遜共享收入。更多中國開源模型會尋找自己的變現之路。但它的財務影響仍有待觀察。
中國是開源模型競爭的守擂者，佔據一定生態有利位置。這種優勢不僅來自模型演算法的技術外溢，更來自模型與晶片的協同最佳化，中國已經形成的最大的開源生態天然具備的技術快速擴散，以及由此形成的人才集聚效應。
節前，DeepSeek開源面向華為昇騰的程式設計工具、計算庫和通訊庫。某種意義上，中國AI生態正在經歷自己的“WinTel時刻”。華為輪值董事長徐直軍稱，今年華為在中國市場的算力份額已經超過了輝達。隨著國產算力部署規模擴大，模型與晶片之間的協同最佳化有望進入更穩定的反饋迴圈，一定程度上緩解算力瓶頸。
中國仍然是最大的AI人才輸出國，但已經不再只是輸出國。越來越多全球頂尖AI人才選擇留下來，在國內深造，在國內工作。但這只是結果。更值得關注的是，中國開源模型陣營的崛起，正在成為左右人才流向的結構性變數。更多國內培養的頂尖本科畢業生，不再沿著傳統路徑赴海外攻讀研究生學位，而是直接進入產業本土創新。不過赴美的頂尖人才，仍然多數首選留下。
但這仍是防禦性的，不足以支撐中國開源模型全面“攻擂”美國閉源前沿模型。OpenAI與Anthropic正掀起新一輪價格戰，並不斷將前沿模型的能力下沉到成本更低的小引數模型，壓力也隨之傳導到中國開源模型。Anthropic的Claude Haiku 5.5，效能超過GLM-5.3-Flash，每百萬token的輸入價格也要稍低一點。
市場往往將中國模型的快速追趕，簡單地、甚至最大程度地歸因於“工業化蒸餾”。它能夠說明，為什麼中國模型廠商可以在資源相對受限的情況下，快速縮小與美國前沿模型的差距。但更困難、也更重要的問題是，蒸餾究竟解釋了多少，蒸餾之外又有哪些因素推動了剩餘的追趕，這些因素又有怎樣的邊界？
在與Epoch AI研究員JS Denain的一場對話中，Nathan Lambert認為，即使完全禁止蒸餾，最強的美國模型與中國開源模型之間的差距，也只會增加1到2個月。更大的“效率”差異，發生在研發成本與探索路徑的不對稱性上。這種解釋更合理，或者說，更現實。
這種不對稱性存在於中國與美國的資料生態中。美國前沿實驗室和專業資料供應商共同推動訓練資料、強化學習環境與評測體系的發展。其中一部分成果經過標準化和商品化，進入更廣泛的市場。Surge AI、Mercor等向OpenAI、Anthropic提供服務的資料公司，據報道也將同一批訓練資料賣給中國企業。
不同實驗室的研發投入結構，也可能存在差異。OpenAI和Anthropic這樣的前沿實驗室，往往將更多資源投入尚無明確解法的開放性科學問題，以及其他需要長期探索的研究方向。這類投入可能帶來突破性的創新，但也伴隨著更高的成本和更多的不確定性。
中國開源模型的安全評估實踐，則揭示了追趕過程中的另一重差異。Semianalysis承認中國是除歐洲以外全球最重視AI安全的國家，但更側重於應用與產出層面，而對前沿模型能力和內生風險的評估與披露相對不足。從2021年至今年9月，中國9家領先模型廠商的857次模型釋出中，只有31次公開了安全評估結果，佔3.6%。
這也引出了追趕視窗的統計口徑問題。模型之間的能力差距，究竟應該從領先者開始內部部署、開展紅隊測試時算起，還是從其對外發布時算起？
與算力、人才類似，資料治理、多元化探索與安全機制上的投入差異，也折射出中美AI競爭背後更廣泛的生態差異。中國企業正在加強資料治理，但相關投入往往服務於公司內部，中國開源模型本質上是“開放權重模型”，訓練資料的公開與共享仍然有限。智譜已經明確將安全視為“摸高”的關鍵一環，但這種認識尚未成為行業普遍的實踐。
AI仍然是一場資金密集型競賽。接下來的三個月，Kimi與DeepSeek仍有必要繼續加速奔向資本市場，但它們也必須拿出更紮實的成績，證明自己在兩線作戰中的長期競爭力。