中国开放权重模型为何正在赢得开发者

中国 AI 模型竞争的重心，正在从“谁拥有最强的闭源系统”转向“开发者究竟愿意下载、部署和长期使用什么模型”。

截至 2026 年 8 月，中国开发的模型占 Hugging Face 过去一年下载量的 41%，在月度和累计下载量上都超过了美国模型。32 另有报道显示，中国开放模型在全球的累计下载量已超过 100 亿次，而不是某个标题所称的 1000 亿次。31

这个区别很重要：现有证据证明的是，中国在可下载、可定制、可由开发者和推理服务商使用的开放模型市场中处于领先地位；它并不意味着中国企业已经在所有最前沿的闭源系统上取代美国公司。

41% 衡量的是采用情况，不是全部模型供给

41% 这一数字来自 Hugging Face 的下载量统计。Hugging Face 是全球主要的 AI 模型、数据集和开发工具仓库之一，但该数字不能被解释为中国占全球所有模型或全部 AI 使用量的比例。

平台自身的数据还显示，开放模型生态高度集中：仅 1.5% 的代码仓库就贡献了 99.2% 的下载量，而 85.6% 的模型终身下载量不足 200 次。23 因此，少数热门模型对总体结果的影响非常大。

即便如此，这一趋势仍然值得重视。中国已经成为 Hugging Face 上可识别国家来源中最大的模型下载来源；与此同时，中国模型也通过模型路由服务获得了大量生产流量。2729

累计下载量同样容易被夸大。同期报道给出的数字是：中国开放 AI 模型在全球累计下载量已超过 100 亿次。1731 目前提供的证据不支持 1000 亿次这一说法，因此后者更应被视为标题或转录错误，而不是已经确认的行业里程碑。

开发者为什么选择中国开放权重模型

这场转变并不是由某一次基准测试胜利单独造成的，而是多种实际优势叠加的结果。

• 部署成本更低： 中国模型供应商在 API 定价上展开了激烈竞争，让高频代码生成和智能体任务的运行成本更低。开放权重模型还可以自行托管或微调，不必完全依赖单一供应商购买服务。
• 许可更宽松： Hugging Face 对今年 178 个参数规模超过 200 亿的中国模型进行审查后发现，其中 59% 使用 Apache 2.0 许可，22% 使用 MIT 许可，几乎没有模型附带非商业限制。23 这让开发者更容易进行实验、商业集成和再分发。
• 发布节奏更快： 中国实验室往往能在宣布模型后迅速提供 API、托管推理服务和可下载权重，缩短从新闻发布到实际使用的时间。
• 更贴近生产需求： 编程、推理、多语言、长上下文和自主工作流能力，对需要在应用中成千上万次调用模型的开发者尤其重要。
• 控制权更大： 开发者可以把数据保留在自己的基础设施中，针对专业任务调整模型，并降低对单一闭源供应商的依赖。

这也解释了为什么开放权重模型的采用速度可能超过基准测试叙事。一个模型不必在所有任务上都是全球最佳，才能成为对成本敏感的生产工作负载的首选。

Kimi K3 让开放模型的“前沿级规模”难以忽视

Moonshot AI 的 Kimi K3 是这一变化的重要象征。该模型拥有 2.8 万亿总参数，采用稀疏混合专家架构，支持原生视觉能力，并提供 100 万 token 的上下文窗口。Moonshot 将其称为首个达到 3 万亿参数级别的开放模型。3

Moonshot 于 2026 年 7 月 27 日发布完整模型权重，完成了此前先提供 API 和托管访问、随后开放权重的发布流程。15 这并不意味着 Kimi K3 可以在普通硬件上轻松运行——它的规模仍然构成巨大的基础设施挑战——但这次发布改变了外界对中国实验室开放程度的预期。

其战略意义与技术规格同样重要：一家中国实验室可以把接近前沿能力的系统交给外部开发者、推理服务商和研究人员，而不是始终将模型锁在 API 后面。

Qwen3.8-Max 说明这不是一家公司的偶然突破

阿里巴巴在 8 月 3 日公布 Qwen3.8-Max，进一步强化了这一信号。该模型拥有 2.4 万亿总参数，支持最长 100 万 token 的上下文窗口，面向编程、研究、现实工作和长周期任务。3447

随后，Qwen3.8-2.4T-A95B 模型家族于 8 月以开放权重形式发布。37 Kimi K3 与 Qwen3.8-Max 共同表明，这并不只是 DeepSeek 带来的偶然效应，也不是某一家公司的价格策略。多家中国实验室正在同时围绕规模、效率、多模态、上下文长度和分发渠道展开竞争。

稀疏混合专家架构有助于解释这些模型如何在不为每个 token 激活全部参数的情况下，拥有极高的总参数量。它并不会消除训练和服务所需的成本，但可能改善模型容量与推理效率之间的关系。

OpenRouter 把模型发布转化为真实使用

Hugging Face 下载量主要反映兴趣和分发情况；OpenRouter 则提供了另一种信号：开发者应用和实验通过该平台路由时，实际给模型带来了多少调用流量。

到 7 月，中国开发的模型按 token 用量包揽了 OpenRouter 前五名。排名第一的是小米 MiMo V2.5，随后是 DeepSeek、MiniMax、阿里巴巴 Qwen 系列和 Moonshot Kimi 系列的模型。51 8 月 21 日的报道援引平台数据称，中国模型占 OpenRouter 流量超过 60%，该平台每周处理量超过 20 万亿 token。51

另一项市场分析估计，自 3 月以来，中国开放模型已占 OpenRouter 使用量的一半以上，token 用量接近增长至原来的三倍；但更低的价格也使每个 token 带来的变现收入下降。50

这些数字不能被当作全球 AI 消费的完整统计。OpenRouter 服务的是特定的开发者和 API 市场，不同报告的时间范围和统计口径也不完全相同。但方向是一致的：中国模型正在被用于大量真实工作负载，而不只是被下载下来做评测。

出口管制可能加剧了效率竞赛，但因果关系不能夸大

美国对先进芯片的限制，为中国 AI 企业创造了更加困难的计算环境；同时，这也可能提高了它们从每单位可用算力中提取更多能力的动力。

这一动力与领先模型中可见的技术选择相吻合，包括稀疏路由、长上下文工程、推理优化、蒸馏和密集的后训练。不过，不能把中国模型的进展完全归因于出口管制。现有证据并未建立明确的因果关系，整个生态还依赖实验室之间的竞争、云平台分发、工程人才、国内需求以及全球开发者的兴趣。

更稳妥的结论是：出口限制并没有阻止中国模型在重要的开放模型工作负载中形成竞争力；它们可能让效率成为中国 AI 企业尤其紧迫的战略优先事项。

与闭源前沿模型的差距正在缩小，但并不均衡

一些报道认为，领先中国开放模型与最强闭源系统之间的差距，已经从 6 至 9 个月缩短到 2 至 3 个月。30 这一说法需要谨慎对待，因为“差距”会随着基准测试和能力维度的变化而变化。

一个模型可能在编程上接近领先系统，却在可靠性、工具调用、安全性、多模态推理、延迟或长周期任务完成能力上落后。厂商自测基准和公开排行榜，也无法提供衡量前沿能力的统一尺度。

更有证据支持的结论是：领先的中国开放权重模型在许多生产工作负载上已经足够接近闭源替代品，因此可以成为可信的替代选择。它们的采用证明了实际竞争力，但并不证明它们在每一项前沿能力上都已完全持平。

中国模型可能成为全球 AI 的基础层吗

最重要的影响也许并不只是哪个国家领先，而是开放模型将在哪里形成基础设施。对东南亚、非洲和拉丁美洲的开发者而言，低成本、本地语言适配、私有部署，以及不依赖单一外国 API 供应商，可能比某个模型在排行榜上的绝对名次更重要。

这为中国模型家族发挥类似 Linux 作用提供了一条可能路径：未必是一个模型一家独大，而是由广泛复用的模型权重、微调版本、推理工具和开发者基础设施共同构成一层底座。如果中国模型继续保持低价，提供完善文档，通过多样化托管商获取服务，并能适应不同地区的需求，其影响力可能进一步扩大。

但这个类比也有边界。Linux 成为云计算基础，依靠的是数十年积累的稳定接口、发行版、工具链、安全实践和社区维护。单靠模型下载量，无法创造同样的持久性。开放模型还需要可靠的许可、透明的评测、完善的文档、可信的安全实践、本地支持，以及开发者能够长期依赖的硬件和云服务。

更可能出现的是市场分层，而不是谁取代谁

2026 年的数据指向一个双层 AI 市场：美国公司可能继续争夺成本最高、最具专有性的前沿系统；与此同时，中国开放权重模型家族则在可定制、可部署的基础层中占据越来越大的份额。

因此，即便美国在原始前沿能力上仍然领先，这场变化依然意义重大。决定性竞争或许不在于哪家实验室训练出了唯一最聪明的模型，而在于开发者最终选择了哪些他们能够负担、检查、改造、托管，并嵌入其他应用和服务的模型家族。