开源模型当前力量对比

我最近应邀向国会议员及工作人员小组就美国与中国竞争视角下的开源权重模型（open-weight models）现状作了简报。我将分享我准备好的演讲稿，作为一份面向更广泛受众的开源模型现状报告。

Interconnects AI 是一个由读者资助的出版物。考虑成为订阅者。回顾：什么是开源（open source）与开源权重（open-weight）与闭源模型（closed model）？

开放语言模型（Open language models）是指其权重可公开查阅或用于下游应用的 AI 模型。它们通常与所谓的“闭源”（closed）AI 模型形成对比。闭源模型仅通过应用程序编程接口（Application Programming Interfaces, APIs）提供访问，开发人员可以使用这些接口直接查询模型（如 GPT-4 或 Claude Opus 4.5），或通过产品（如 ChatGPT 和 Claude Code）进行访问。

开放语言模型主要分为两大类：开源权重模型和开源（open-source）模型。开源权重模型是最常见的形式，例如 Meta 的 Llama、阿里巴巴的通义千问（Qwen）、Google 的 Gemma 或 DeepSeek 的模型等热门模型。

这些模型受许可证（licenses）管辖——许可证是规定下游使用权限的治理文件——并且通常伴随有诸如 Transformers、VLLM、SGLANG 等库中的推理代码。大约自 2025 年 4 月起，中国 AI 公司已成为开源权重模型的明显领导者。

真正的“开源”（open-source）模型与这些类似，因为它们包含了权重、许可证和推理代码，但它们还包含复现模型所需的完整信息——训练代码和训练数据。最著名的开源模型是在美国构建的，最近由我过去两年半协助构建的艾伦人工智能研究所（Allen Institute for AI）的 Olmo 模型引领。

其他知名的开源模型也由美国非营利组织构建，包括 OpenAthena 的 Marin 模型和 EleutherAI 的 Pythia 模型。

开源权重、开源以及模型的任何其他标签——包括主要通过 API 提供的闭源模型——都存在于一个光谱（spectrum）上。例如，Nvidia 的 Nemotron models 比大多数开源权重模型要开放得多，它们在宽松的许可证下发布了大量训练数据，但它们并非完全开源，因为它们没有发布所有数据。闭源模型也根据 API 透露的信息和使用条款存在于一个光谱上。

美国和中国开源权重模型之间的竞争现状（单位经济学、技术能力等）

我们生活在一个这样的世界里：GLM-5.2 和 Kimi K3 这类最新的中国领先模型，已经在商业可行性方面推动了开源模型的根本性转变——在智能体能力（agentic capabilities）上跨越了 Anthropic 的 Claude Code 在 2025 年 12 月跨越的相似门槛。

美国曾是开放语言模型的早期领导者，主要通过 Meta 的 Llama 模型，这些模型在研究和商业任务中得到了广泛应用

中国开源模型（Open-weight models）在大约 18 个月前在以下两个关键领域超越了美国开源模型。表明这一点的简单指标是 Hugging Face 下载量（Hugging Face Downloads），中国于 2025 年 7 月取得领先，这主要归功于阿里巴巴（Alibaba）Qwen 模型的成功。

我个人一直在维护用于追踪这些数据的工具，自从我于 2025 年 8 月首次发布美国真正开源模型（American Truly Open Models，简称 ATOM）项目以来，中国在下载量方面的领先优势已经扩大到约 16 亿（1.6B）——总下载量达到 32 亿（3.2B），是美国总下载量的两倍。

在热门能力基准测试中，例如人工智能分析智能指数（Artificial Analysis Intelligence Index，简称 AAII），中国开源模型明显领先于美国同类模型。

截至本文撰写时的 2026 年 9 月 14 日，排名前三的中国模型分别是 Z.ai 的 GLM-5.3、GLM-5.3-Flash 以及月之暗面（Moonshot AI）的 Kimi K3，得分分别为 45、42 和 44。

相比之下，领先的美国模型是 Thinking Machines 的 Inkling 和 Inkling Small（两者的得分均为 26）以及英伟达（Nvidia）的 Nemotron 3 Ultra（得分为 23）。

表现最好的美国模型发布于 2026 年 6 月和 7 月，其更新频率低于中国同类模型。例如，中国实验室推出得分高于这些美国模型的模型的时间，比美国公司达到这一水平早了 2 到 6 个月（例如 GLM-5 或 DeepSeek V4 Pro）。

当前的趋势是越来越多的美国公司在发布模型，其中包括 Arcee AI、Poolside 和 IBM 等名字，但它们并未迅速缩小这一性能差距。其他基准测试也呈现出类似的情况。人工智能分析指数（Artificial Analysis Index）上排名靠前的美国开源模型落后于其他 15 个中国制造的模型。

总体而言，中国开源模型落后于美国闭源前沿模型大约 2 到 5 个月，而美国开源模型落后于 OpenAI 和 Anthropic 等公司大约 6 到 9 个月。中国实验室在具有明确用户需求的任务（如智能体编程，agentic coding）上最为接近，而在更具开放性的科学任务（如物理或生物学）上则落后更多。

尽管中国实验室拥有的资源少于美国同行，但它们为什么能打造出如此强大的模型，目前仍是一个公开的争论话题，且深受不同工作文化的影响，同时也受到几个关键技术因素的影响。中国实验室发布模型的速度更快，并专注于范围稍窄的任务分布，这使得它们在公开基准测试中的表现略显亮眼。

发布速度更快有助于它们获得更高分数，因为所有实验室都在持续取得进展，因此一旦你“完成”了一个准备发布的模型，它就是特定时间点性能的快照——发布时间更晚的实验室往往得分更高。尽管如此，中国实验室构建的模型确实非常强大，对美国工业界构成了真正的竞争。

随着封闭实验室修补了支持蒸馏（distillation）的 API 漏洞，这种竞争不会明显减少。蒸馏在全新领域中最具影响力，且无法轻易造出一个普遍强大的最终模型。我估计，如果完全阻止蒸馏（例如通过 Anthropic 和 OpenAI 的了解你的客户（know-your-customer (KYC)）工具），美国最强模型与中国开源权重模型之间的差距只会拉大 1-2 个月。

例如，中国实验室在 2026 年正快速改变其对购买训练数据的态度。今年早些时候，包括月之暗面（Moonshot AI）和智谱 AI（Z.ai）在内的顶尖中国实验室严重倾向于在内部构建数据工作流，但到了夏天，他们已经开始从老牌美国公司和中国本土的新兴初创企业那里购买前沿数据——即用于智能体任务（agentic tasks）的具挑战性强化学习环境（RL environments）。

随着中国开源权重模型向能力前沿迈进，以及近期记录在案的关于网络安全等领域前沿模型日益增长的风险（例如 OpenAI-HuggingFace 事件），对于持续发布如何能够促成更安全的生态系统，监管的不确定性正在增加？

开源权重模型的一个结构性挑战在于，几乎没有有效的方法阻止开源软件的片段落入不良行为者手中。如果试图因为中国最强的开源权重模型放大了风险而限制对其的访问，受挫的将是美国企业。我们有一个这样的例子——HuggingFace 使用了一个中国开源权重模型来理解网络攻击，因为闭源模型不会回答他们的请求。因此，管理开源权重模型的风险往往归结为生态系统的准备工作。

开源权重模型正成为 AI 传播（AI diffusion）的必不可少工具，应对这些风险以及美国企业依赖中国构建的模型的失衡关系的最佳途径，是继续支持美国对开源模型的投资。拥有开源模型可以更好地协调和防范本质上属于全球性的风险，同时加速人工智能服务在整个国内经济中的普及。

发表评论

开源模型的现状