Kimi 与 DeepSeek 仍在推进融资，最快可能于 2027 年上市。但临近年底，市场情绪正在降温，智谱与 MiniMax 的市值较各自高点已回撤约 80%。

属于中国开源模型的热闹夏天似乎已经过去。国庆假期，中国 AI 厂商暂时放缓了旗舰模型的迭代，欧美开源模型却迎来了密集发布，英伟达支持的 Reflection 推出 Beam，Mistral 预览了 Mistral Large 4。与此同时，OpenAI、Anthropic 等前沿闭源模型，不仅继续占据着高价值市场，也正将竞争延伸到性价比市场。

中国开源模型正处于一场双线竞赛之中。一边要继续追赶美国闭源前沿模型，另一边要应对欧美开源模型的追赶。

自 ChatGPT 发布以来，中国开源模型追赶美国闭源前沿 AI 模型的时间窗口不断缩短。开源模型追平闭源前沿所需的时间，从推理时代的 8.5 个月到智能体时代减半至约 4.8 个月。而前艾伦研究所 Nathan Lambert 在国情咨文中提及，美国开源模型相对中国开源模型落后 2 个月到 6 个月。

西方开源模型阵营开始追赶，正如我们在去年底《看 DAO2026》中所展望的，是今年 AI 行业的关键叙事之一。究其原因，中国开源模型的优势，已经开始从单纯的 Token 经济学的市场竞争，嵌入到全球 AI 生态的扩展中去。

随着今年夏天 Kimi-3 与 GLM-5.3 等模型进入了 " 好用 " 时刻，市场开始广泛拥抱中国开源模型。全球最大的 API 聚合平台 OpenRouter，每周 token 调用量已经从去年 9 月的 1 万亿增长至当前的 80 万亿，其中中国开源模型份额占比超过 80%；英伟达支持的 Fireworks AI 等平台，日均 token 调用也飞速增长，其中超过 95% 来自基于开源模型的微调模型。

中国开源模型开始嵌入全球 AI 生态生长。Harvey 把西方核心法律智能建立在中国开源模型之上；开源模型 Inkling 借鉴了 DeepSeek 和 Kimi。连 AI 基础研究也越来越多地依赖于中国开源模型，目前，约 40% 的论文提及中国开源模型，超过了美国的 30%。去年这个时候，两者提及率大致相当。事实上，论文提及是一个滞后指标，中国模型在全球科研中的扩散，实际可能发生的更早。

这关乎更长远的竞争格局，引发了美国市场内外的警惕。对英伟达而言，这关系到其硬件和软件生态能否继续保持吸引力；对美国而言，这涉及全球 AI 开发体系对中国供应链的依赖。对中国开源模型下手，今年以来一直是华盛顿的重要议题之一。

西方开源模型复兴，也由此迎来新的推动力。但西方开源模型同样面临 " 先天 " 的结构性约束。中国开源模型厂商面临的挑战，美国开源模型厂商同样难以回避，甚至在某种程度上处境更为不利。

前沿 AI 研发所需的资金和算力，与开源模型的商业化机制之间存在张力。尽管欧美市场的算力供应，要比中国市场充沛得多，但供给仍然是瓶颈。在市场竞争中，算力资源最终更容易流向资金实力更雄厚、商业回报更明确的玩家。

与闭源模型厂商相比，开源模型厂商的商业化存在结构性难题。后者承担研发成本，却未必能捕获模型能力扩散的全部商业价值。一旦开源模型厂商计划对 token 收取更高的溢价时，它们所能捕获的 token 市场份额就会逐步下降。

发生在中国开源模型厂商身上的，也会发生在美国同行身上。在智谱正式开源 GLM-5.3-Flash 后，大量第三方供应商涌入市场。最终，智谱官方 API 在 OpenRouter 的 token 调用份额，从最初的 88% 降至了 22%。EpochAI 估计，OpenRouter 客户对 DeepSeek 旗下模型的支出中，流向深度求索这家公司的比例，仅有 8%。

欧美的算力资源正在向最有能力支付、并能将算力转化为更高收入的前沿实验室集中。8 月，SemiAnalysis 估计，今年全球新增算力大约 1/3 最后被 OpenAI 与 Anthropic 吃掉，明年这个比例可能会涨到一半。

这也是为什么英伟达必须亲自下场。今年以来，黄仁勋连续出手，开始整合生态，扮演起西方开源模型阵营的关键先生。年初，英伟达推出了 Nemotron 联盟，参与者包括最近先后发布迭代旗舰模型的 Thinking Machine、Reflection 与 Mistral AI；下半年，英伟达又出手收购了 HuggingFace。

在中国，智谱已经将 GLM-5.3 集成到 Bedrock，与亚马逊共享收入。更多中国开源模型会寻找自己的变现之路。但它的财务影响仍有待观察。

中国是开源模型竞争的守擂者，占据一定生态有利位置。这种优势不仅来自模型算法的技术外溢，更来自模型与芯片的协同优化，中国已经形成的最大的开源生态天然具备的技术快速扩散，以及由此形成的人才集聚效应。

节前，DeepSeek 开源面向华为昇腾的编程工具、计算库和通信库。某种意义上，中国 AI 生态正在经历自己的 "WinTel 时刻 "。华为轮值董事长徐直军称，今年华为在中国市场的算力份额已经超过了英伟达。随着国产算力部署规模扩大，模型与芯片之间的协同优化有望进入更稳定的反馈循环，一定程度上缓解算力瓶颈。

中国仍然是最大的 AI 人才输出国，但已经不再只是输出国。越来越多全球顶尖 AI 人才选择留下来，在国内深造，在国内工作。但这只是结果。更值得关注的是，中国开源模型阵营的崛起，正在成为左右人才流向的结构性变量。更多国内培养的顶尖本科毕业生，不再沿着传统路径赴海外攻读研究生学位，而是直接进入产业本土创新。不过赴美的顶尖人才，仍然多数首选留下。

但这仍是防御性的，不足以支撑中国开源模型全面 " 攻擂 " 美国闭源前沿模型。OpenAI 与 Anthropic 正掀起新一轮价格战，并不断将前沿模型的能力下沉到成本更低的小参数模型，压力也随之传导到中国开源模型。Anthropic 的 Claude Haiku 5.5，性能超过 GLM-5.3-Flash，每百万 token 的输入价格也要稍低一点。

市场往往将中国模型的快速追赶，简单地、甚至最大程度地归因于 " 工业化蒸馏 "。它能够说明，为什么中国模型厂商可以在资源相对受限的情况下，快速缩小与美国前沿模型的差距。但更困难、也更重要的问题是，蒸馏究竟解释了多少，蒸馏之外又有哪些因素推动了剩余的追赶，这些因素又有怎样的边界？

在与 Epoch AI 研究员 JS Denain 的一场对话中，Nathan Lambert 认为，即使完全禁止蒸馏，最强的美国模型与中国开源模型之间的差距，也只会增加 1 到 2 个月。更大的 " 效率 " 差异，发生在研发成本与探索路径的不对称性上。这种解释更合理，或者说，更现实。

这种不对称性存在于中国与美国的数据生态中。美国前沿实验室和专业数据供应商共同推动训练数据、强化学习环境与评测体系的发展。其中一部分成果经过标准化和商品化，进入更广泛的市场。Surge AI、Mercor 等向 OpenAI、Anthropic 提供服务的数据公司，据报道也将同一批训练数据卖给中国企业。

不同实验室的研发投入结构，也可能存在差异。OpenAI 和 Anthropic 这样的前沿实验室，往往将更多资源投入尚无明确解法的开放性科学问题，以及其他需要长期探索的研究方向。这类投入可能带来突破性的创新，但也伴随着更高的成本和更多的不确定性。

中国开源模型的安全评估实践，则揭示了追赶过程中的另一重差异。Semianalysis 承认中国是除欧洲以外全球最重视 AI 安全的国家，但更侧重于应用与产出层面，而对前沿模型能力和内生风险的评估与披露相对不足。从 2021 年至今年 9 月，中国 9 家领先模型厂商的 857 次模型发布中，只有 31 次公开了安全评估结果，占 3.6%。

这也引出了追赶窗口的统计口径问题。模型之间的能力差距，究竟应该从领先者开始内部部署、开展红队测试时算起，还是从其对外发布时算起？

与算力、人才类似，数据治理、多元化探索与安全机制上的投入差异，也折射出中美 AI 竞争背后更广泛的生态差异。中国企业正在加强数据治理，但相关投入往往服务于公司内部，中国开源模型本质上是 " 开放权重模型 "，训练数据的公开与共享仍然有限。智谱已经明确将安全视为 " 摸高 " 的关键一环，但这种认识尚未成为行业普遍的实践。

AI 仍然是一场资金密集型竞赛。接下来的三个月，Kimi 与 DeepSeek 仍有必要继续加速奔向资本市场，但它们也必须拿出更扎实的成绩，证明自己在两线作战中的长期竞争力。