硅谷AI独角兽纷纷采用中国开源模型作为底座

事件概述

随着法律与编程领域AI应用的深入，通用大模型在复杂任务执行上的局限性逐渐显现。近期，多家估值高昂的美国AI独角兽企业选择绕过传统的闭源API调用模式，转而采用中国开源大模型作为基座，通过行业数据微调打造专属模型。这一现象标志着中国开源模型已从单纯的技术输出，转变为全球AI产业链上游的核心“工业品”。

核心案例：从Cursor到Harvey

1. 法律AI Harvey 发布 Tenet 模型
法律科技独角兽 Harvey 发布了首个基于开放权重后训练的法律专用模型 Tenet。该模型以 Kimi K3 为基座，专为需要长时间执行和连续工具调用的法律任务设计。

• 性能表现：在 Harvey 的法律智能体基准测试（LAB）中，Tenet 成功完成的任务量接近底座模型的两倍。
• 背景需求：通用模型虽具备法律知识，但难以处理律师实际工作中混杂真假线索的客户文件检索、风险识别及合同修订等复杂流程。这些能力依赖于对工作流程的深度理解，需通过专门训练获得。

2. 编程工具 Cursor 升级 Composer 2
全球热门 AI 编程工具 Cursor 在年初发布的 Composer 2 模型中，被证实是在 Kimi K2.5 基础上训练而成。随后推出的 Composer 2.5 版本继续沿用 Kimi 底座。尽管 Cursor 背后拥有硅谷顶级投资支持且曾大量使用 Anthropic 的 Claude，但在自研模型上选择了中国开源方案。

3. 其他头部企业的跟进

• Cosine：这家专注于维护老旧银行代码的英国 AI 公司，利用 Kimi K2.6 训练出 Lumen Outpost 模型，旨在减少垃圾代码生成，提高企业级代码的可维护性。
• Devin：被誉为“全球第一位 AI 程序员”的 Devin，在其发布的 SWE-1.7 版本中公开承认使用 Kimi K2.7 作为基座。
• Thinking Machines：由 OpenAI 前 CTO Mira Murati 创办的公司，虽然从头训练了基础模型 Inkling，但也参考了 DeepSeek V3 的架构，并使用 Kimi K2.5 生成的合成数据进行监督微调。该公司估值已超 120 亿美元。
• 汤森路透：其发布的自研模型 Thomson-1 同样使用了中国开源模型，CTO Joel Hron 将此比作“买房而非租房”，强调拥有自有模型有助于沉淀行业数据和知识产权。

行业影响与趋势分析

1. 商业逻辑的转变：血统让位于成本与效率
过去，AI 创业公司面临两难选择：要么承担巨额成本从头训练模型，要么依赖 OpenAI/Anthropic 的闭源 API（导致边际成本随用户增长而激增）。中国开源模型的爆发提供了第三条路径——直接获取经过预训练的优质基座，再利用自身数据和业务经验进行微调。这种模式显著降低了研发门槛和运营成本，使得“血统”不再重要，能否以更低成本解决特定客户问题成为关键。

2. 中国模型角色的深化：从应用竞争到供应链渗透
中国开源模型不仅在与 Fable 5 等闭源顶流的竞争中崭露头角，更深层的影响在于其已成为海外 AI 产品的“原料”和“底座”。许多终端用户甚至 unaware 底层模型来自中国，这恰恰说明中国模型正在通过嵌入全球 AI 供应链，实现更具长期主义价值的技术输出。短短半年内，Kimi 的不同版本（K2.5 至 K3）如同接力棒般被不同领域的海外明星产品采纳，形成了独特的产业生态位。