中国开放权重模型领先：新数据显示谁真正在用

现在有两张基准表在讲AI模型竞赛的故事。一张衡量模型在测试中表现多好，另一张衡量开发者实际为什么付费。2026年，第二张表先动了，方向是中国的开放权重模型。

CNBC 9月26日发布的使用数据显示，在两个开发者网关OpenRouter和Vercel上，中国模型从流量中的少数变成了多数。在OpenRouter上，它们在9月14日当周占所使用token的57%至67%，2月为6%至13%。在Vercel上，这一比例从1月的11%升至8月的55%。OpenRouter的数字覆盖美国、欧洲以及它定义的“全球南方”的公司，即中美洲、南美洲、非洲和亚洲的82个国家。Vercel没有说明地域分布。

这并不等于质量领先。CNBC报道称，美国最先进的模型仍在大多数基准上领先，美国前沿模型仍吸引更多总体支出。

先是价格，然后才是能力

OpenRouter洞察负责人Peter Walker告诉CNBC，今年发布的中国开源模型“能够可靠地完成高级智能体用例，尤其是在编程方面，这在2025年底根本不可能。”他还说，它们“与美国实验室的大多数模型相比，性价比极高。”

Vercel智能体基础设施负责人Harpreet Arora向CNBC直白地说明了机制：“中国模型正变得足够胜任更多任务，而成本低得多。一旦模型达到某项工作的质量门槛，价格差异就变得很有吸引力。”Arora还说，公司仍希望在一些更复杂的任务上使用美国前沿模型。这说明转变是针对特定工作负载的，而不是全面切换。

Anthropic研究与实验室产品管理负责人Dianne Penn告诉CNBC，公司正试图让模型回答“更高效，从而根据你的努力设置使用更少token。”OpenAI和Anthropic都在CNBC报道前一周发布了更便宜的模型。把这些与使用数据放在一起看，这是对价格问题的价格回应。

究竟是谁在切换

地理位置很重要。在OpenRouter定义的全球南方，企业是其系统中中国AI模型的最大用户，这些公司使用的token有67%流向中国模型。OpenRouter上约一半的token由美国公司使用。

新美国安全中心技术与国家安全项目高级研究员Daniel Remler告诉CNBC，中国的AI建设代表着“对美国真实的经济和安全风险”。他所说的担忧不是基准分数：“最终担忧在于，中国AI模型的整合会把各国拉入一个中国技术势力范围，并固化为地缘政治结盟。”

Remler说，东南亚尤其可能出现显著采用，因为与中国有经济和文化联系。“从拉各斯到圣保罗再到雅加达，任何创业者与政府寻找廉价、开放模型的地方，都会首先看向中国AI。”

据CNBC报道，美国众议院两个委员会正在调查中国模型采用率上升的影响，美国已通过出口管制限制中国AI公司购买最先进的芯片。华盛顿的担忧包括通过海外数据中心远程访问Nvidia芯片，以及“蒸馏”，即新模型模仿更早、更成熟的模型。CNBC称，在报道当周美国总统Donald Trump与中国国家主席习近平会晤时，AI是一个主要焦点。

底下的陈旧问题

模型发布被评判的方式还有第二个更安静的问题，它与地缘政治无关。发布日期是实验室交付模型的时间。训练截止日期是它停止阅读的时间。两者之间的差距，就是模型在发布当天已经落后多远。

9月16日发布的一个页面“你的AI有多陈旧？”列出了8个实验室20个模型的发布日期和训练截止日期。它把GPT-6 Astra定在2026年9月3日，训练截止日期为2026年4月30日。GPT-6 Sol的截止日期是2026年4月20日，GPT-6 Luna是2026年5月18日。Claude Opus 5.5和Claude Fable 5.1都在2026年6月停止阅读。该页面20个模型中有10个带有实验室公布的截止日期；其余标记为“未确定”，页面称这意味着所核查的供应商来源没有确定截止日期，而不是不存在截止日期。

“空白意味着所核查的供应商来源没有为该模型确定截止日期；这不能证明实验室从未公布过。”

该页面还报告了一项测试，看模型是否在应该使用搜索工具时使用它。在16个模型超过2000次调用中，每次都给一个网络搜索工具，前沿模型几乎每次都能正确决定，而较弱的模型在答案已经改变后仍凭记忆回答固定问题，却为水的沸点之类的事情搜索网络。在一个关于挪威国王的提示中，页面称有五个模型说出了一个死人。

页面认为，搜索并不能解决这个问题，因为会话结束时模型会忘记它读过的内容，而且是否搜索的决定运行在保存陈旧事实的同一组权重上。

小模型的反例

同一周并非每个发布都在追求规模。Cactus在9月18日发布Needle 3，这是一个面向微型设备的基础模型，具有9至29 MB的CQ2-bit二进制文件，以及29M至121M参数的阶梯式架构。其文档声称，4层子网络在下游任务上微调一个epoch后可以匹配DeepSeek V4 Flash，并报告在Raspberry Pi 5上解码达到400至4000 tokens/s。

9月21日，一个名为mini-AGI的项目发布了一个持续学习的字节级语言模型，在单个8 GB VRAM GPU上从零训练，读取一个数据流。其README称它是“一个小型玩具级模型”，并表示权重尚未发布，因为这次运行还在对语料的第一遍处理中。它迄今最低的留出损失为0.7417 nats，即每字符1.0700 bits，在7,879M字符中的562.9M处，数据进度为7.14%。

同一天，Cua以仅源代码研究发布的形式推出CUA-S1：小型、专门的“System 1”模型，用于计算机使用决策，例如选择哪个值应放入某个字段。公司将其描述为对快速、有界决策的工程类比，而不是通用智能体规划的替代品。

这三者都不会登上基准表榜首。这正是重点。发布周期现在同时运行在几条轨道上，而采用最快的那条并不是分数最好的那条。