聽雨 發(fā)自 凹非寺量子位 | 公眾號 QbitAI

嚯，硅谷居然被中國開源模型占領(lǐng)了！

連Yann LeCun也點贊：說得對！

初代AI編程炸子雞Cursor和Devin，都被曝出號稱自研的模型，其實套殼的就是中國開源模型。

上個月，Cursor承認了旗下的Composer 2套殼Kimi K2.5。

當初首個推出“AI自動工程師”Devin的公司Cognition，其自研模型SWE-1.6，則疑似在GLM模型上進行后訓(xùn)練。

其實不止這兩家，類似的例子越來越多，中國開源模型在硅谷的受歡迎程度與日俱增——

Shopify因切換至Qwen，每年節(jié)省500萬美元；愛彼迎聯(lián)創(chuàng)Brian Chesky也曾表示：Qwen又好又快又便宜，比GPT還好用！

而且智譜最新發(fā)布的GLM-5.1，是部分指標超Opus 4.6的開源模型，估計性價比放在硅谷也相當有競爭力了。

國產(chǎn)開源模型橫掃硅谷

國外模型選擇蒸餾中國開源模型，或是在此基礎(chǔ)上進行后訓(xùn)練，這事兒已經(jīng)不少見了。

上個月，Cursor的自研模型Composer 2在基準測試上反超了Opus 4.6，價格還腳踝斬。

結(jié)果沒得意兩天就被曝出其實套殼Kimi K2.5。

雖然事情以雙方握手言和告一段落，但讓人唏噓不已。

Cursor啊Cursor，你好歹是初代AI編程當紅炸子雞，這事兒干得也不太地道了！

除此之外，另一位炸子雞Cognition，其自研模型SWE-1.6也被曝疑似在GLM模型上進行后訓(xùn)練。

而且這家伙是個老慣犯了，從前代SWE-1.5就開始偷梁換柱。

去年，SWE-1.5就被曝是在GLM-4.6上進行后訓(xùn)練得到的。

當時的梗圖傳得滿天飛：

Cursor和Cognition最早集成的都是Claude和GPT的能力，但現(xiàn)在已經(jīng)紛紛轉(zhuǎn)投中國開源模型的懷抱。

Cognition的開發(fā)者Shawn Wang還曾直言：

• 只要基礎(chǔ)模型足夠好，它的具體特性就越來越不重要了，因為強化學(xué)習(xí)和后訓(xùn)練才是關(guān)鍵所在，也是區(qū)分彼此的關(guān)鍵所在。

不過嘛，初創(chuàng)獨角獸不成建制，出現(xiàn)套殼還拒不承認，大家就當個笑話看。

但連巨頭也這么干，或許背后還存在更深層次的原因。

去年12月，Meta的“牛油果”項目曾被曝出使用Qwen開源模型做了蒸餾訓(xùn)練。

在此之前，Meta旗下的Llama模型曾長期主導(dǎo)開源領(lǐng)域，其衍生模型數(shù)量和下載量均保持領(lǐng)先地位。

扎克伯格還曾經(jīng)公開呼吁，要構(gòu)建以美國模型為核心的開源生態(tài)。

但現(xiàn)在，面對自身Llama系列增長乏力與東方模型的強勢崛起，Meta已經(jīng)做出了選擇。

經(jīng)過9個月的奮戰(zhàn)，Meta的最新模型Muse Spark已經(jīng)交卷，不過也是妥妥的閉源了。

此外，愛彼迎的聯(lián)創(chuàng)兼CEO Brian Chesky，早就被Qwen的實力圈粉了。

他曾經(jīng)公開表態(tài)：

• 我們很大程度上依賴阿里巴巴的Qwen模型。它非常好，速度也很快，而且很便宜。
  我們也會用OpenAI的最新模型，但在實際生產(chǎn)中通常不會大量使用，因為有更快、更經(jīng)濟的模型可供選擇。

小八卦，Brian Chesky和奧特曼還是摯友。不過涉及自家應(yīng)用產(chǎn)品整合時，必須得“親兄弟，明算賬”…

Brian直言不諱，表示OpenAI提供的連接工具還“沒有完全準備好”。

愛彼迎的選擇，只是中國大模型技術(shù)實力的一個縮影。

在學(xué)術(shù)界，斯坦福大學(xué)李飛飛團隊、艾倫人工智能研究所等頂尖機構(gòu)在研究中也采用了基于Qwen的技術(shù)方案。

去年年初，李飛飛團隊曾基于Qwen2.5-32B構(gòu)建了一個頂級推理模型s1-32B，成本不到50美元。

該模型的數(shù)學(xué)和編碼能力，與OpenAI的o1和DeepSeek的R1等尖端推理模型不相上下。

艾倫人工智能研究所也基于Qwen2-72B，構(gòu)建了其多模態(tài)系統(tǒng)。

還有Mira Murati創(chuàng)辦的獨角獸Thinking Machines Lab，也把Qwen作為默認的微調(diào)選項。

中國開源模型在硅谷的走紅，可見一斑。

性價比壓倒一切

為啥硅谷這么熱衷于中國開源模型？

當然是因為量大便宜

Peter Yang算了一筆賬：在許多基準測試中，中美同等質(zhì)量的模型價格相差10-20倍

就拿最新發(fā)布的幾款國產(chǎn)模型來說：

• Kimi K2.5：每百萬token輸入4元/輸出21元；
• MiniMax M2.7：每百萬token輸入2.1元/輸出8.4元；
• GLM-5.1：每百萬token輸入6元/輸出24元；
• Qwen3.6-Plus：每百萬token輸入2元/輸出12元。

這幾款模型在基準測試上的表現(xiàn)，都接近甚至部分反超了Opus 4.6、GPT-5.4等頂尖閉源模型。

但Opus 4.6的價格是每百萬token輸入5美元/輸出25美元，GPT-5.4則是輸入2.5美元/輸出15美元。

這性價比，一目了然。

節(jié)省超10倍價格，拿到一個還不錯的模型表現(xiàn)，豈不是美滋滋？？

而且開源模型也并非完全打不過閉源。

早在Kimi還只出了K2的時候，Vercel CEO Guillermo Rauch就曾提到：

在內(nèi)部智能體真實場景基準測試中，Kimi K2在運行速度和準確率上優(yōu)于GPT-5和Claude Sonnet 4.5。

其中準確率更是高出50%。

硅谷投資人Chamath也曾表示，Kimi K2性能夠強，且比OpenAI和Anthropic便宜太多。

而且自從艾倫人工智能研究所宣布削減開源模型研發(fā)資金，轉(zhuǎn)向AI應(yīng)用后，美國開源AI的旗幟就真倒了。

開源模型，已經(jīng)來到了中國時間。

[1]https://x.com/petergyang/status/2042248752157839793?s=20
[2]The All-You-Can-Use AI Subscription Won’t Last Forever