中國開放權重 AI 模型，為何正成為開發者的新寵？

中國 AI 模型的崛起，並不只是某一場基準測試勝負的結果。更關鍵的是，許多開發者在意的問題已經從「誰的模型最強」變成「哪個模型最便宜、最容易部署、能否自行調整，並且可以長期整合進產品」。

截至 2026 年，中國開發的模型占 Hugging Face 過去一年下載量的 41%，在月度與整體下載量上都超越美國模型。32 另有報導稱，中國開放模型在全球累計下載量已超過 100 億次；至於「1,000 億次」的說法，現有證據並不支持，較可能是標題或轉錄錯誤。1731

這代表中國在「可下載、可客製化、可由開發者自行部署」的 AI 市場層面取得領先，但不等於中國企業已在所有最尖端的封閉式 AI 系統上取代美國企業。

41% 衡量的是採用，不是所有模型的供應量

Hugging Face 是全球主要的 AI 模型、資料集與開發工具平台。41% 這個數字，指的是中國開發模型在該平台的下載占比，不應直接解讀為中國占全球所有模型或 AI 使用量的 41%。

而且，開放模型生態系的流量高度集中：Hugging Face 資料顯示，只有 1.5% 的儲存庫便占全部下載量的 99.2%，約 85.6% 的模型終身下載量不到 200 次。23 因此，少數熱門模型對整體數據有極大影響。

即使加上這項限制，趨勢仍然明顯：中國已成為 Hugging Face 上可辨識的最大單一國家模型來源，中國模型也透過模型路由服務取得大量實際推論流量。2729

開發者為何選擇中國開放權重模型？

這場轉變主要來自幾項實用優勢的疊加，而非單一模型贏得所有基準測試。

• 部署成本較低： 中國模型供應商積極競爭 API 價格，讓大量程式撰寫與 AI agent 工作負載更容易控制成本。開放權重模型也能自行託管或微調，不必完全依賴單一供應商。
• 授權較寬鬆： Hugging Face 審視的 178 個、參數量超過 200 億的中國模型版本中，59% 採用 Apache 2.0，22% 採用 MIT 授權；幾乎沒有模型附帶非商業限制。23 這降低了研究、商業整合與再發布的門檻。
• 發布速度快： 中國 AI 實驗室往往在公布模型後，很快提供 API、託管推論服務與可下載權重。
• 貼近生產環境： 程式設計、推理、多語言、長上下文與自主工作流程，都是企業應用中可能被重複呼叫數千次的能力。對這些工作來說，單次成本與穩定性往往比排行榜上的微小差距更重要。
• 掌控程度更高： 開發者可以把資料留在自己的基礎設施內，針對特定任務調整模型，並降低對單一封閉 API 供應商的依賴。

因此，開放權重模型的採用速度可能超越基準測試所呈現的敘事。一個模型不必在所有任務上都是世界第一，只要在成本敏感的生產工作負載中足夠好，就可能成為首選。

Kimi K3：讓「開放前沿級規模」變得難以忽視

Moonshot AI 的 Kimi K3 是這波變化的重要象徵。該模型採用稀疏混合專家架構，總參數量達 2.8 兆，支援原生視覺能力與 100 萬 token 上下文窗口。Moonshot 將它稱為全球第一個達到 3 兆參數級別的開放模型。3

Moonshot 在 2026 年 7 月 27 日釋出完整模型權重，完成先提供 API 與託管服務、後公開權重的發布流程。15 不過，「開放」不代表一般開發者就能輕易在普通硬體上運行。Kimi K3 的模型規模仍帶來龐大的儲存、記憶體與推論基礎設施要求。

它真正改變的，是外界對中國實驗室發布策略的預期：一家中國 AI 公司可以把接近前沿規模的系統交到外部開發者、推論服務商與研究人員手中，而不是始終將模型鎖在 API 後方。

Qwen3.8-Max：這不是單一公司的偶然突破

阿里巴巴在 8 月 3 日公布 Qwen3.8-Max，進一步證明這並非單一實驗室或一次 DeepSeek 效應。Qwen3.8-Max 擁有 2.4 兆總參數，支援最高 100 萬 token 上下文窗口，並主打程式設計、研究、實際工作與長時間跨度任務。3447

其開放權重版本 Qwen3.8-2.4T-A95B 隨後在 8 月發布。37 Kimi K3 與 Qwen3.8-Max 接連出現，顯示多家中國實驗室正在同時競逐模型規模、推論效率、多模態能力、上下文長度與分發渠道，而不是只有單一公司的價格策略在發揮作用。

稀疏混合專家架構也有助於解釋這些模型如何在宣稱極高總參數量的同時，避免每個 token 都啟用所有參數。這並不會消除訓練與服務成本，但可能改善模型容量與推論效率之間的關係。

OpenRouter 顯示：模型真的被用起來了

Hugging Face 下載量主要反映興趣與分發；OpenRouter 則提供另一種訊號：模型在實際應用與實驗中被路由、呼叫的程度。

根據 8 月 21 日的報導，2026 年 7 月，中國開發的模型首次包辦 OpenRouter token 用量排行前五名，第一名是小米 MiMo V2.5，其後包括 DeepSeek、MiniMax、阿里巴巴 Qwen 系列與 Moonshot Kimi 系列模型。51 該報導並稱，中國模型承載了 OpenRouter 超過 60% 的流量，每週流量超過 20 兆 token。51

另一份市場分析則估計，自 3 月起，中國開放模型占 OpenRouter 使用量已超過一半，token 用量接近增加至原來的三倍；但由於價格較低，單一 token 帶來的營收也隨之下降。50

這些數字不能視為全球 AI 消費的完整統計。OpenRouter 主要服務開發者與 API 市場，不同報告採用的期間與定義也不完全相同。但方向相當一致：中國模型不只是被下載來測試，也正被用於大量真實工作負載。

出口管制可能推高效率競賽，但不能簡化成單一因果

美國對先進 AI 晶片的出口限制，讓中國 AI 公司面對更受限的計算資源環境。這也可能提高它們「從每一單位算力榨出更多能力」的誘因。

領先模型中可見的設計選擇，與這種優先順序相符，包括稀疏路由、長上下文工程、推論最佳化、知識蒸餾與密集的後訓練。但不能因此斷言出口管制單獨造成了中國模型的進步。現有證據無法建立精確的因果效果；中國生態系同樣依賴實驗室之間的競爭、雲端分發、工程人才、國內需求與全球開發者採用。

較穩妥的結論是：出口限制並未阻止中國模型在重要的開放模型工作負載中取得競爭力，反而可能讓效率成為更迫切的戰略優先事項。

與封閉式前沿模型的差距正在不均衡地縮小

部分報導稱，中國領先開放模型與最佳封閉模型的差距，已由 6 至 9 個月縮短至 2 至 3 個月。30 這項說法需要謹慎看待，因為「差距」會隨基準測試與能力類型而改變。

一個模型可能在程式設計上接近領先對手，卻在可靠性、工具使用、安全性、多模態推理、延遲或長時間任務完成度上落後。供應商自行公布的基準與公開排行榜，也無法提供衡量前沿能力的單一通用標尺。

較有證據支持的說法是：中國領先開放權重模型在許多生產工作負載上，已經接近封閉模型到足以成為可信替代方案。OpenRouter 的實際採用量，正是這種實用競爭力的表現，而不是所有能力都已達到完全同等。3051

可能成為全球 AI 的基礎層

這波變化最重要的影響，或許不在於哪一個國家「贏得 AI」，而在於哪一批模型會成為全球開發者反覆使用的基礎材料。

在東南亞、非洲與拉丁美洲，開發者可能特別重視低成本、當地語言調整、私有部署，以及不被單一外國 API 供應商綁定。若中國模型持續保持價格優勢，並提供完善文件、多元託管渠道與可調整的權重，它們便可能形成類似 Linux 的角色：不一定由單一模型統治，而是成為由模型權重、微調版本、推論工具與開發者基礎設施組成的廣泛共用層。

但這個比喻也有界線。Linux 能成為雲端運算的基礎，靠的是數十年累積的穩定介面、發行版、工具鏈、安全實務與社群維護。模型下載量本身無法創造同等耐久性。要形成真正的全球基礎層，開放模型還需要可靠授權、透明評估、完整文件、可信的安全實務、在地支援，以及開發者可長期依賴的硬體和雲端存取。

更可能是兩層市場，而不是誰完全取代誰

2026 年的資料指向一個分化的 AI 市場：美國企業可能繼續爭奪成本最高、最封閉的前沿模型市場；中國的開放權重模型家族，則在可部署、可客製化的基礎層取得更大份額。

因此，即使美國在整體前沿能力上仍然領先，這場競爭依然重要。決定性問題可能不再是「哪間實驗室做出唯一最聰明的模型」，而是「哪一批模型最便宜、最容易檢視、最能調整、最方便託管，並且能被開發者嵌入其他所有產品」。