跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

两家开发者网关数据显示:中国开源模型已占多数token

据CNBC获得的使用数据,2026年中国AI模型在OpenRouter和Vercel上的token占比从小众跃升为多数。与此同时,华盛顿方面已就这一变化展开调查。

人工智能与模型分析王雅琴发布: 2026年9月27日5 分钟阅读资料来源 5
两家开发者网关数据显示:中国开源模型已占多数token

两家为众多模型厂商分流流量的开发者网关,如今把大部分token送给了中国实验室。据CNBC获得的使用数据,在9月14日当周,OpenRouter上中国模型占所用token的57%至67%,而2月这一比例为6%至13%。在Vercel上,该比例从1月的11%升至8月的55%。CNBC于9月26日报道了这些数字。

这些数字描述的是流量分配,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、欧洲以及它定义的“全球南方”企业,后者包括中南美洲、非洲和亚洲的82个国家。Vercel未说明其数字的地域分布。OpenRouter上约一半的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推动。

先是价格,然后才是能力

OpenRouter洞察负责人Peter Walker对CNBC表示,今年发布的中国开源模型“在高级智能体用例中确实能打,尤其在编程方面,这在2025年底根本做不到”。他还说,它们“相比美国实验室的大多数模型,性价比高得惊人”。Vercel智能体基础设施负责人Harpreet Arora把同一层意思说成了排序问题:“中国模型正变得足以胜任更多任务,而成本低得多。一旦模型达到某项工作的质量门槛,这个价差就很有说服力。”Arora也表示,对于一些更难的任务,企业仍然想要美国的前沿模型。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数量奖励的是便宜、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那些不容出错的任务的昂贵调用。

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,原因是中国与该地区的经济和文化联系以及不断增长的数字化基础设施。“从拉各斯到圣保罗再到雅加达,凡是创业者和政府在寻找便宜、开放的模型的地方,都会首先看向中国AI,”他说。

Anthropic和OpenAI都在当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,公司正努力让回答“更高效,从而根据你的努力设置消耗更少的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。公开提出的担忧是技术竞争、安全以及北京的全球影响力。美国一直试图通过出口管制阻止中国AI公司购买最先进的芯片,以保住领先地位。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”,即新模型被训练去模仿更早的成熟模型。Remler从对齐而非原始性能的角度描述风险。他对CNBC说,中国AI对美国构成“真实的经济和安全风险”,“最终的担忧在于,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站队”。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,它更难核实,也更容易出错。9月16日发布在Show HN上的页面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过的;8个实验室中有5个,即Anthropic、Google DeepMind、Meta、OpenAI和xAI,至少为名单上一个模型公布过截止日期。页面注明,空白表示所查厂商来源未能确认截止日期,并不证明不存在。

该页面自己的例子最能说明这道缺口。据该页面,GPT-6 Astra于2026年9月3日发布,训练数据止于2026年4月30日,发布当天就已落后约四个月。同一页面还报告了一项测试:16个模型各配一个网页搜索工具,总共进行2000多次调用;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,这是一条提醒。token占比衡量的是开发者把流量路由到哪里,并不衡量模型知不知道今天几号。

本月另外三项发布指向不同方向。Cactus Compute于9月18日发布Needle 3,称这一系列模型可生成9至29 MB的CQ2-bit二进制文件,其中一个4层子网络在下游任务上微调一个epoch后,据称可匹敌DeepSeek V4 Flash;公司称使用了3600亿token的专有结构化数据集训练,并报告在Raspberry Pi 5上解码速度为每秒400至4000个token。Cua于9月19日发布CUA-S1,这是以MIT许可证发布、仅含源码的研究性小型模型,用于计算机使用决策,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,训练进度为语料的7.14%。

这三项发布都不会改变OpenRouter或Vercel的数字。它们确实显示了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,要等下一组网关数据来回答,而不是这一组。

评论 0

资料来源

5
  1. 01Chinese AI models surge in global popularity, and Washington is worriedEN
  2. 02How stale is your AI? Release age and training cutoff for 20 modelsEN
  3. 03Needle 3: 8-29 MB foundation model for tiny devicesEN
  4. 04CUA-S1: A System One Model for Computer UseEN
  5. 05mini-AGI: continual learning model trained on 8GB VRAMEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。