Det mest oppsiktsvekkende resultatet var kombinasjonen av Moonshot AIs Kimi K2.6 og Anthropics Claude Fable 5. Den fanget 65,2 prosent av de reelle feilene til en kostnad på 3,81 dollar per gjennomgang. Til sammenligning fanget en løsning basert på Anthropic-modellene Sonnet 4.6 og Opus 4.8 53,6 prosent, til 3,91 dollar per gjennomgang .
Med andre ord: Den kinesiske modellen var ikke bare billigere i DoorDashs test. Den fungerte også bedre til akkurat denne typen kodearbeid.
Politikerne ba blant annet om:
Komitélederne ber uttrykkelig DoorDash identifisere alle kinesiske KI-modeller selskapet har brukt, og redegjøre for hvordan modellene blir undersøkt før de tas i bruk .
I brevet og i en offentlig uttalelse advarer komiteene om at open-weight-modeller utviklet i Kina kan inneholde skjulte sårbarheter. De viser blant annet til muligheten for «bakdører eller andre ondsinnede funksjoner – noen ganger kalt ‘sovende agenter’ – som kan bygges inn i modeller uten at brukerne vet det» .
Garbarino sa til CNBC at Kinas kommunistparti ikke lenger bare følger USA tett i KI-kappløpet, men forsøker å lukke forspranget innen områder som vil bli avgjørende for fremtidens cybersikkerhet .
Det er samtidig viktig å skille mellom en mulig risiko og et dokumentert sikkerhetsbrudd. Politikerne har erkjent at det ikke finnes bredt offentlig belegg for at slike bakdører eller «sovende agenter» faktisk er oppdaget i kinesiske produksjonsmodeller brukt av amerikanske selskaper. Bekymringen er forebyggende – ikke en påstand om at DoorDash er kompromittert.
Komiteenes eget brev slår også fast at amerikanske selskaper kan ha «legitime tekniske grunner» til å vurdere kinesiske modeller. Spørsmålet er om de samtidig har gode nok sikkerhetstiltak .
Saken kommer etter at de samme komiteene i april 2026 startet en undersøkelse av Airbnb og Anysphere, selskapet bak KI-kodeverktøyet Cursor, på grunn av deres bruk av kinesiskutviklede modeller .
Komiteene peker på at både store teknologiselskaper og oppstartsbedrifter kan bli fristet til å ta i bruk kinesiske open-weight-modeller fordi de er rimeligere, fleksible og konkurransedyktige på ytelse . Slike modeller kan også redusere avhengigheten av et lite antall amerikanske, proprietære leverandører.
DoorDash-saken er likevel spesielt interessant fordi selskapets egen test viste en tydelig økonomisk og teknisk fordel. Den billigere kombinasjonen gjorde det bedre enn premiumløsningen på den konkrete oppgaven. Som en analyse formulerte det: Vinneren var ikke oppsettet med bare de dyreste modellene .
DoorDash hadde ikke kommet med en detaljert offentlig kommentar til selve granskningsbrevet tidlig i august 2026. En talsperson sa imidlertid til CNBC at DoorDash «stolt støtter amerikansk lederskap innen KI» og arbeider for at KI skal komme hele næringslivet til gode, ikke bare de største selskapene. Selskapet sa også at det ser frem til å forklare komiteene hvordan det bruker amerikanske frontier-modeller og open-weight-modeller på en trygg og ansvarlig måte .
Slik selskapets forskning og Fangs innlegg beskriver bruken, er Kimi K2.6 ment for enklere, intern kodegjennomgang. Den brukes ikke til kundevendte systemer eller sensitive data, mens Anthropic-modellen Fable reserveres for de mest krevende oppgavene . DashBench skal hjelpe DoorDash med å finne hvilke modellkombinasjoner som gir best resultat til lavest mulig kostnad .
Granskningen skal gi Kongressen et faktagrunnlag for en mulig føderal politikk om amerikanske selskapers bruk av KI-modeller fra Kina . Komiteenes brev erkjenner at kinesiske open-weight-modeller kan tilby høy ytelse til lavere pris, men argumenterer for at USA bør gjøre egne open-weight-alternativer mer tilgjengelige, sikre og konkurransedyktige. Samtidig kan det bli aktuelt med særskilte sikkerhetstiltak i sensitive bruksområder .
DoorDash er ikke anklaget for å ha brutt loven. Amerikanske selskaper står i dag fritt til å kjøre kinesiske open-weight-modeller . Men med fristene 14. og 21. august har en enkelt teknologitweet gjort DoorDash til et sentralt eksempel i en debatt som kan påvirke hvordan amerikanske selskaper vurderer hvor KI-modellene deres kommer fra.