Uppgifterna skakade om föreställningen att AI i framkant nödvändigtvis kräver enorma datacenterinvesteringar. När DeepSeek slog igenom föll flera amerikanska teknikaktier, däribland Nvidia, med omkring 20 procent. Den 27 januari 2025 minskade Nasdaq Composite med över 1 biljon dollar i börsvärde på en enda dag .
DeepSeek visade också att begränsad tillgång till de mest avancerade chipen inte automatiskt behöver innebära att ett land halkar långt efter. Tvärtom kan exportrestriktioner skapa starka incitament att utveckla effektivare metoder.
Konkurrensen handlar inte bara om resultat i tester. Den handlar också om vem som får utvecklare att bygga vidare på ens modeller.
Alibaba Qwen gick under 2025 om Meta Llama som den mest nedladdade familjen av stora språkmodeller på Hugging Face . Mellan augusti 2024 och augusti 2025 stod kinesiska utvecklare för 17,1 procent av alla nedladdningar på plattformen, något mer än amerikanska utvecklares 15,8 procent .
Skillnaden är ännu större när man tittar på derivatmodeller – finjusterade modeller som bygger vidare på en basmodell. Qwen stod enligt en sammanställning för omkring 40 procent av de nya finjusteringarna på Hugging Face .
Minst ett dussin kinesiska institutioner producerar nu open-weight-modeller på högsta internationella nivå. Bland dem finns DeepSeek, Alibaba, Moonshot AI, Baidu, ByteDance och Z.ai . Det skapar ett ekosystem där modeller, verktyg och anpassningar snabbt kan återanvändas av andra utvecklare.
Den kinesiska framgången märks även utanför forskningsvärlden. CNBC rapporterade i juli 2026 att kinesiska modeller vinner mark bland amerikanska företag eftersom de närmar sig amerikanska konkurrenter i prestanda men fortfarande är betydligt billigare att använda .
En partner på riskkapitalbolaget Andreessen Horowitz uppskattade att omkring 80 procent av amerikanska startupbolag använder kinesiska basmodeller för att utveckla egna lösningar . Även större bolag, som Airbnb, har enligt samma rapport använt Alibabas Qwen i kundtjänstchattbotar tack vare modellens låga kostnad och jämförbara kapacitet .
Det innebär att kampen inte längre enbart gäller vilken modell som vinner benchmarktester. Den gäller också vilken teknik som blir standard i företagens produkter, interna system och utvecklarverktyg.
| Mått | Uppgift |
|---|---|
| Kinesiska utvecklares andel av Hugging Face-nedladdningar, augusti 2024–augusti 2025 | 17,1 procent, jämfört med 15,8 procent för amerikanska utvecklare |
| Qwen jämfört med Llama | Qwen gick om Llama som mest nedladdade LLM-familj under 2025 |
| Träningskostnad för DeepSeek R1 jämfört med amerikansk motsvarighet | Cirka 5,5 miljoner dollar mot 80–100 miljoner dollar |
| Amerikanska företags användning av open-weight-modeller | Minskade från 19 till 11 procent under 2025, delvis när Llama tappade fart samtidigt som kinesiska modeller ökade |
| Kinesiska utvecklare med modeller på högsta nivå | Minst ett dussin institutioner |
| Amerikanska startupbolag som använder kinesiska basmodeller | Omkring 80 procent enligt en uppskattning från en riskkapitalpartner |
Det finns samtidigt skäl att vara försiktig med bilden av en kinesisk total seger. En utvärdering från NIST:s CAISI, publicerad i september 2025, visade att den bästa amerikanska modellen fortfarande presterade bättre än DeepSeek V3.1 i de flesta benchmarktester. Studien fann också att DeepSeek-modeller kunde bli dyrare att använda när man jämför system med liknande resultat. En amerikansk referensmodell kostade i genomsnitt 35 procent mindre än den bästa DeepSeek-modellen för att nå en jämförbar nivå över de 13 testerna .
Stanford HAI betonar dessutom att det är svårt att mäta faktisk användning i praktiken. Nedladdningar, API-anrop och finjusteringar säger inte alltid hur djupt en modell har integrerats i ett företags verksamhet .
Slutsatsen är därför inte att kinesiska modeller automatiskt är bäst eller billigast i varje situation. Däremot har de gjort det svårare för amerikanska företag att ta betalt för exklusiv tillgång till avancerad AI.
Konkurrenstrycket har redan påverkat USA:s ledande AI-bolag. OpenAI släppte 2025 sin första öppna modell på sex år, i direkt respons på vågen av kinesiska open-weight-modeller . Trumpadministrationen har samtidigt uppmanat fler amerikanska teknikbolag att släppa öppna modeller .
Det markerar en tydlig förändring. Under lång tid har den amerikanska strategin främst byggt på stängda, proprietära modeller som utvecklas och kontrolleras av ett fåtal bolag. Den kinesiska strategin har i större utsträckning fokuserat på att sprida modellerna brett och vinna utvecklarnas lojalitet.
Inom Trumpadministrationen pågår en skarp diskussion om hur USA ska svara. Finansminister Scott Bessent och Michael Kratsios, chef för Vita husets Office of Science and Technology Policy, har presenterat olika idéer utan att någon gemensam linje ännu har offentliggjorts .
Delar av administrationen har förespråkat de facto-förbud mot kinesiska open-weight-modeller . Axios rapporterade att Washington övervägde att helt stoppa tillgången till de mest avancerade kinesiska modellerna – ett beslut som skulle kunna stärka OpenAI och Anthropic genom att minska konkurrensen .
Samtidigt uppgav källor till Politico att något så omfattande förslag vid den tidpunkten inte seriöst låg på bordet .
I juni 2026 använde handelsdepartementet exportkontroller för att beordra Anthropic att tillfälligt stoppa tillgången till de nya frontier-modellerna Fable 5 och Mythos 5, bara dagar efter lanseringen. Åtgärden krävde särskilda exportlicenser .
USA:s teknikindustri motsätter sig samtidigt breda begränsningar av open-weight-teknik. Den 24 juli 2026 publicerade Nvidia, Microsoft, Meta, Palantir och över 20 andra bolag ett gemensamt brev där de uppmanade beslutsfattare att undvika ”för tidiga begränsningar”. De varnade för att sådana regler kan ”kväva konkurrensen eller driva innovation utomlands” – och i förlängningen skicka ännu fler användare till kinesiska system .
Bolagens argument är att öppna modeller ger mindre företag och utvecklare möjlighet att experimentera utan att vara helt beroende av ett fåtal amerikanska leverantörer. Om USA stänger den vägen, menar kritikerna, kan användare i stället söka sig direkt till kinesiska alternativ.
Kina diskuterar i sin tur att begränsa den internationella tillgången till landets mest avancerade AI-modeller. Reuters rapporterade i juli 2026 att kinesiska myndigheter hade träffat Alibaba, ByteDance och Z.ai för att diskutera möjliga begränsningar, även för modeller som ännu inte hade lanserats .
Det skulle innebära att både Washington och Beijing behandlar den mest avancerade AI:n som en strategisk nationell tillgång som bör kontrolleras. Den öppna modellen kan då bli mindre öppen i praktiken, trots att dess tekniska parametrar fortfarande kan vara tillgängliga för vissa användare.
En av de mest laddade konflikterna gäller immaterialrätt. Amerikanska tjänstemän och personer i Silicon Valley hävdar att vissa kinesiska modeller har ”destillerats” från amerikanska motsvarigheter – ett uttryck som i sammanhanget används för att beskriva att en modell kan ha tränats för att efterlikna en annan modell på ett otillåtet sätt .
Den 22 juli 2026 hävdade Michael Kratsios att administrationen hade information om att Moonshot AI hade destillerat Anthropics Fable för att utveckla modellen K3. Han beskrev det som stöld av amerikansk proprietär teknik . Amerikanska företrädare har även anklagat kinesiska AI-bolag för att bryta mot exportkontroller .
Anklagelserna är politiskt betydelsefulla, men de förändrar inte den centrala marknadsdynamiken: även modeller som omges av rättsliga och säkerhetspolitiska konflikter kan snabbt få spridning om de är billiga, tillgängliga och tillräckligt bra.
USA:s exportkontroller av avancerade AI-chip, bland annat från oktober 2025, har begränsat Kinas tillgång till beräkningskapacitet. Men åtgärderna kan också ha skapat starkare incitament för kinesiska laboratorier att utveckla mycket effektiva metoder och få ut mer av färre och mindre kraftfulla GPU:er .
Brookings-analytiker har varnat för att exportkontrollerna inte har brutit den kinesiska drivkraft som ligger bakom landets AI-utveckling . I vissa avseenden kan trycket i stället stärka samordningen mellan kinesiska företag och staten.
En rapport från US-China Economic and Security Review Commission beskriver detta som en dynamik med ”två loopar”. Den digitala loopen handlar om tillgången till chip och beräkningskraft. Den fysiska loopen handlar om hur öppna modeller tas i bruk i industrin, robotik och andra verkliga miljöer – där användningen skapar data som kan bidra till bättre modeller .
USA:s exportkontroller riktar sig främst mot den digitala loopen och är sämre anpassade till den fysiska loopen, där Kinas stora tillverkningsbas kan ge AI-systemen omfattande praktisk användning och nya datakällor .
Den hårdnande konflikten hotar också den redan sköra dialogen mellan USA och Kina om AI-säkerhet. Open-weight-modeller är svårare att kontrollera efter lansering, eftersom parametrarna kan laddas ner, ändras och köras på många olika plattformar. Reuters har varnat för att amerikanska hot om sanktioner, anklagelser om immaterialrättsbrott och exportkontrollöverträdelser kan undergräva det bilaterala säkerhetsarbetet .
Det skapar ett dilemma. Ett öppnare AI-ekosystem kan sänka trösklarna för innovation och minska beroendet av enskilda leverantörer. Men samma egenskaper gör det svårare att införa gemensamma skyddsräcken eller stoppa riskfyllda användningsområden när en modell väl har spridits.
Kinas open-weight-strategi har inte bevisat att amerikanska modeller har förlorat sitt tekniska försprång i alla avseenden. Den har däremot kullkastat antagandet att AI i framkant alltid måste vara dyr, sluten och kontrollerad av ett fåtal amerikanska bolag.
DeepSeek, Qwen, Kimi och andra modeller har pressat priserna, flyttat utvecklarnas uppmärksamhet och fått OpenAI att delvis ändra sin strategi. Samtidigt har de utlöst en politisk strid i Washington, anklagelser om teknikstöld och diskussioner om ömsesidiga begränsningar på båda sidor av Stilla havet.
Det som står på spel är därför mer än nästa modell eller nästa benchmark. Det handlar om vem som sätter standarderna, samlar in data genom verklig användning och blir den plattform som resten av världens företag bygger vidare på. Oavsett om USA inför nya förbud, om Kina begränsar tillgången utomlands eller om båda länderna gör det, kommer beslutet att påverka den globala AI-arkitekturen.