中国开源模型在两大开发者网关占据多数token

两家开发者网关把流量分发给众多模型提供商，如今它们的大部分token都流向了中国实验室。据CNBC获得的使用数据，在OpenRouter上，9月14日当周中国模型占所用token的57%至67%，2月时仅为6%至13%。在Vercel上，这一比例从1月的11%升至8月的55%。CNBC于9月26日报道了这些数字。

这些数字描述的是路由，不是基准测试得分。但它们仍是本季度公布的最清晰的采用信号。

OpenRouter的数据覆盖美国、欧洲以及它定义为“全球南方”的企业，即中美洲、南美洲、非洲和亚洲的82个国家。Vercel没有说明其数字的地域分布。OpenRouter上约一半token由美国企业使用，因此该平台的整体构成并非由单一地区驱动。

先看价格，再看能力

OpenRouter洞察负责人Peter Walker对CNBC表示，今年发布的中国开源模型“能够可信地胜任高级智能体用例，尤其是在编程方面，这在2025年底根本做不到”。他补充说，它们“与美国实验室的大多数模型相比极具成本效益”。

Vercel智能体基础设施负责人Harpreet Arora用排序的方式说了同一件事：“中国模型在更多任务上变得足够可用，而成本低得多。一旦模型达到某项工作的质量门槛，价格差距就变得很有说服力。”Arora还说，企业仍希望在某些更难的任务上使用美国前沿模型。

这个限定很重要。CNBC的报道指出，即便token占比已经反转，美国前沿模型在整体支出上仍吸引更多资金。token数奖励的是廉价、高频的工作，比如代码生成和智能体循环。支出奖励的是客户留给不能出错的那些任务的高价调用。

在OpenRouter追踪的“全球南方”组别中，近几周超过三分之二的token，即67%，流向了中国模型。CNAS高级研究员Daniel Remler对CNBC表示，东南亚尤其可能出现显著增长，因为那里与中国有经济和文化联系，数字基础设施也在发展。“从拉各斯到圣保罗到雅加达，凡是创业者和政府寻找便宜开源模型的地方，都会首先看向中国AI，”他说。

Anthropic和OpenAI都在那一周早些时候发布了更便宜的模型。Anthropic负责研究与实验室产品管理的Dianne Penn对CNBC表示，公司试图让回答“更高效，从而根据你的努力设置使用更少token”。

华盛顿立案

据同一篇报道，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。公开提出的关切是技术竞争、安全以及北京的全球影响力。美国试图通过出口管制限制中国AI公司购买最先进芯片，以保护自身领先地位。华盛顿还担心通过海外数据中心远程访问英伟达芯片，以及“蒸馏”，即训练新模型模仿更早的成熟模型。

Remler从对齐而非原始性能的角度描述了风险。他对CNBC说，中国AI代表“美国面临的真实经济和安全风险”，“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，并固化为地缘政治上的结盟”。据CNBC报道，美国总统Donald Trump与中国国家主席习近平本周会面时，AI是主要议题之一。

采用数据之外，还有另一组关于模型新鲜度的说法，更难核实，也更容易出错。9月16日发布的一个Show HN页面stale.jock.pl列出了8个实验室20个模型的发布日期和训练截止日期，并从每个日期起实时向上计数。该页面称，20个模型中有10个的截止日期是其实验室真正公布的，8个实验室中有5个，即Anthropic、Google DeepMind、Meta、OpenAI和xAI，为名单上至少一个模型公布了截止日期。页面注明，空白意味着所查厂商来源未能确认截止日期，并不证明不存在。

它自己举的例子最清楚地说明了这一差距。据该页面，GPT-6 Astra于2026年9月3日发布，训练数据截止于2026年4月30日，发布当天就落后约四个月。同一页面还报告了一项测试：16个模型各自获得一个网络搜索工具，调用超过2000次。前沿模型几乎每次都能正确判断，较弱的模型则不经核实就陈述已经改变的既定事实，还会上网搜索水的沸点之类的东西。

对任何把采用数字当作质量结论的人来说，这是一个提醒。token占比衡量的是开发者把流量路由到哪里。它不衡量模型是否知道今天几号。

本月另外三个发布指向不同方向。Cactus Compute于9月18日发布Needle 3，这一系列模型据其描述可生成9至29 MB的CQ2-bit二进制文件，其中4层子网络在下游任务上微调一个epoch后，据称可匹配DeepSeek V4 Flash；公司称在专有结构化数据集的360B token上训练，并报告在Raspberry Pi 5上解码速度达每秒400至4000 token。Cua于9月19日发布CUA-S1，采用MIT许可、仅发布源码，是用于计算机使用决策的小模型研究发布，权重另行托管在Hugging Face上。9月21日，一个名为mini-AGI的项目展示了一个持续学习的字节级模型，在单块8 GB显存GPU上训练，权重尚未公布，训练进度为语料库的7.14%。

这三个项目都不会改变OpenRouter或Vercel的数字。它们确实显示出市场较小的一端在往哪里推：设备本地推理、有边界的决策，以及能在单个开发者拥有的硬件上跑完的训练。这是否会改变token构成，是下一批网关数据要回答的问题，不是这一批。