过去一周，中国企业发布了两款性能强劲的AI模型——月之暗面（Moonshot AI）的Kimi K3和阿里巴巴（Alibaba）的Qwen 3.8 Max。基准测试显示，这些开源模型的性能已接近美国顶级前沿模型，但成本仅为其零头。新模型不仅引起国内市场关注，更是在美国掀起热议，美国AI公司则呼吁对中国模型加以监管。
Moonshot AI于7月16日发布的Kimi K3拥有2.8万亿参数、原生视觉理解能力和100万词元（token）上下文窗口。该公司称，这是全球首个3万亿参数级别的开源模型，面向前沿智能场景设计，包括长周期编程、知识工作和自主智能体推理。
Moonshot AI表示，其内部基准测试套件显示，Kimi K3的表现超越了除两款模型外的所有其他AI模型——仅次于Anthropic的Claude Fable 5和OpenAI的GPT 5.6 Sol。该公司在技术博客文章中称，包括K2在内的Kimi系列模型在过去一年中有九个月刷新了开源模型规模的上限。Kimi K3是目前最大的开放权重模型。
与此同时，Alibaba于7月19日推出了Qwen 3.8 Max，这是一款2.4万亿参数的模型，专为高级编程和自主智能体任务设计。据公司介绍，Max在能力方面超越了除Anthropic的Fable 5之外的所有其他AI模型。
监管呼声
尽管美国对中国实施了禁运，禁止向中国出口最新的Nvidia GPU，但这两款新模型仍展示了AI性能的大幅提升。它们的价格也远低于美国顶级AI模型——例如Claude Fable 5的输入定价为每百万token 10美元，输出为每百万token 50美元。而Moonshot AI的输入定价为每百万token 3美元，输出为每百万token 15美元；Alibaba则采用不同的定价方案。
中国正在开发高性能模型，并以美国前沿模型零头的价格提供访问权限——更不用说还向希望在自有硬件上运行的用户开放源代码——这一事实令美国官员和美国AI公司深感担忧。
尽管中国模型在美国企业中越来越受欢迎（这些企业可以自由使用任何软件），但美国政府机构实际上已被禁止使用。
与此同时，顶级AI提供商越来越多地呼吁对AI进行监管。OpenAI战略未来负责人、曾任职于特朗普政府的Dean Ball最近表示，虽然Kimi K3是一款非常出色的模型，但它的出现意味着需要更多国家行动来保护美国利益。
Anthropic首席执行官Dario Amodei呼吁加强监管，以防止超级能力AI模型的扩散，这些模型能够发现并利用软件漏洞。Google DeepMind Labs首席执行官Demis Hassabis也表示，他倾向于让AI工程师参与监管讨论。
美国政府禁用中国AI
美国能源部允许其国家实验室同时使用专有模型和开放权重模型。其中包括Anthropic、Google和OpenAI等美国顶级AI公司的模型，这些均为闭源模型，用户无法下载和自定义。
Nvidia、Thinking Machine Labs、Reflection AI等公司以及艾伦研究所（Ai2：Allen Institute for AI）等非营利机构的开放权重模型也在允许使用之列。然而，这些模型的性能尚未达到前沿模型的水平。
这给想要获取最高性能AI能力的客户带来了两难困境。Anthropic、Google和OpenAI要求客户——包括美国政府——支付高额费用才能使用其模型。AI公司已开始提高费用，以回收其投入训练的数千亿美元成本。
作为美国政府创世纪（Genesis Mission）项目的一部分，在国家实验室从事科学与工程AI前沿研究的科学家们同样陷入困境。政府愿意为AI能力付费，但仅限于一定程度。
美国大学中由NSF（自然科学基金会）资助的超级计算中心也面临类似情况，这些中心正在积极采用开源AI模型，并为用户付费使用专有前沿AI模型。
核心问题归结为成本、能力和安全的平衡。获取最佳AI能力需要资金，但尚不清楚政府在寻求自建模型之前愿意支付多少。
平衡能力、成本与风险
CTERA首席技术官Aron Brand表示，不应禁止使用中国AI模型，但应将其视为不可信基础设施。
"将它们用于受控的、非敏感的工作负载，最好通过自托管部署，配合严格的防护措施、持续的输出测试和独立的代码审查。"Brand表示。
"正如Cursor等依赖重新训练后的中国基础模型的产品所展示的那样，定制微调很可能能够抑制或覆盖许多不良行为。然而，我们尚不清楚这是否能够消除深度嵌入的能力或从基础模型继承的休眠触发器。在模型可解释性（model interpretability）迎头赶上之前，这种不确定性仍是风险等式的一部分。"
Brand补充道，已有检测发现中国模型在政府场景中使用时表现出不同行为，他引用了Booz Allen五月份的一项研究。虽然原因尚不明确，但这仍然值得关注。
"无论这种行为是有意为之，还是训练数据和对齐方式的涌现结果，企业风险都是一样的：行为不一致、政治约束，以及存在隐藏后门或其他潜在行为的可能性。"Brand说。
使用中国开放权重模型也有其积极的一面——它们能够以显著更低的成本提供高性能，更不用说部署上的更大自由度。
"对于初创企业和企业而言，它们可以实质性地改善AI经济性，并减少对OpenAI和Anthropic等供应商的依赖，而这些供应商自身也在应对财务压力、监管审查和不断变化的地缘政治约束的漩涡，"Brand说。"但不利的一面是，低成本和开放权重并不等同于可信。"