两年前，业界默认的剧本是，美国闭源大模型稳坐技术制高点，中国玩家只能跟在后面跑。但2026年的产业现实，正在把这个剧本撕掉重写。
截至8月5日，短短8周内，阿里巴巴Qwen3.8-Max、月之暗面Kimi K3、DeepSeek-V4-Flash、智谱Z.ai GLM-5.2、字节跳动Seedance 2.5五款重磅模型接连亮相，引发热议。
与此同时，斯坦福《2026人工智能指数报告》指出，中美顶尖模型的综合性能差距已大幅收窄，中国开放权重模型在全球开发者中的接受度持续走高。
这使得海外商业市场出现了实打实的转向信号——大量美国企业、硅谷初创公司出于成本考量，正把业务流量切到中国大模型上。
当性能已经能满足绝大多数企业的日常需求，极致的成本和灵活的部署方式，就成了选型的决定性因素。这是供给侧迭代速度、成本效率和开源生态共同催生的真实变局。
（图为OpenRouter平台统计的美企调用中国AI占比走势图）
八周五模型，中国AI的供给闪电战
短短八周，阿里通义千问Qwen3.8-Max、月之暗面Kimi K3、DeepSeek-V4-Flash、智谱GLM-5.2、字节Seedance 2.5五款重量级模型接连亮相。这组被市场称为“八周五模型”的密集输出，成了观察中国AI产业迭代节奏的标志性切片。
放在过去，一款旗舰大模型从训练、调优到正式发布，动辄数月甚至跨年。OpenAI、Anthropic的旗舰产品更新节奏普遍以年计。而国内厂商在两个多月里连落五子，且款款都达到了全球前沿梯队，这宣告大模型竞争正式进入了高频迭代时代。
与硅谷大厂“堆算力、堆投入”的路径不同，这一轮国产模型浪潮并非靠无限堆砌高端硬件得来的。工程优化、架构创新、开源路线三者叠加，才是背后的真正推手。
要知道，美国闭源旗舰模型的训练往往烧掉数亿美元，单款模型生命周期只有12-24个月，企业只能靠高昂的API定价来回收沉没成本。
相比之下，国内厂商普遍走开放权重的开源路线，依托MoE混合专家架构和推理侧的深度优化，在控制总成本的前提下快速打磨、测试、发布多版本模型，形成覆盖高中低端场景的完整矩阵——从高端复杂推理、代码开发到海量客服吞吐，各有各的用武之地。
从性能上看，这批模型早已不是“低端平替”。在全球主流基准评测榜单上，多款国产模型已经追平甚至在部分指标上超越了美国头部闭源产品。
智谱GLM-5.2在SWE-bench Pro编程基准测试中实现突破，代码能力跻身全球第一梯队；Kimi K3的长文本处理和数据解析能力得到海外开发者广泛验证；阿里Qwen3.8-Max多项指标对标Anthropic旗舰；DeepSeek-V4-Flash则把推理成本压到了行业前所未有的低位。
斯坦福《2026人工智能指数报告》显示，中美顶尖前沿模型的综合性能差距仅剩2.7%。自2025年初以来，两国头部模型就在各类评测榜单上交替登顶，技术迭代时差压缩到了6-9个月。美国巨额的私人AI投资，并没有换来决定性的技术代差。
更决定性的因素是价差。同等业务负载下，部分国产模型的调用成本仅为美国闭源旗舰的1%。有行业测算显示，同样一笔工作量，Claude收费约25美元，DeepSeek只要0.18美元；面对大规模token吞吐场景，成本差距还会进一步拉大。
百倍价差不是简单的低价倾销，而是底层技术路线带来的结构性差异。美国闭源厂商背负着数亿级别的训练沉没成本，必须靠高API单价维持商业闭环；而中国厂商走开源普惠路线，靠海量开发者和规模化落地持续摊薄研发投入，把推理成本压到更低的水位。
开源权重模式进一步放大了供给侧的优势。OpenAI、Anthropic的旗舰产品以闭源API为主，企业只能调用接口，拿不到模型底层权重，无法做私有化修改和本地部署。
而这一轮集中发布的五款主流模型，大多提供开放权重版本，海外开发者和企业可以直接下载权重，部署在自有服务器上，完成微调和二次开发，摆脱对公有API的依赖。
对中小企业和海外初创团队来说，这意味着不用持续承担高额云端账单，就能拥有属于自己的大模型底座。
高频迭代的供给侧变革，正在重塑全球AI产业的竞争逻辑。过去行业的默认规则是，想要更强的能力，就得付更高的价钱。如今中国AI的闪电战打破了这套认知。
一边持续追赶前沿性能，一边用工程优化压低单位算力成本，同时输出可私有化部署的开源权重产品。这套组合拳，为海外市场的大规模落地铺好了路，也为美国企业后续的大规模切换埋下了伏笔。
中国大模型不再是单款明星模型的单点突破，而是持续、批量地输出具备全球竞争力的产品矩阵。供给端的产能释放，正直接传导到全球商业市场。
市场用脚投票，美国企业转向中国大模型
供给侧的密集迭代，最终在海外商业市场得到了真实反馈。
第三方平台OpenRouter的数据佐证了这一趋势。该平台47%的用户来自美国开发者，中国用户仅占6%，基本排除了国内刷量的干扰。
另外，OpenRouter调研显示，2025年上半年，美国企业调用中国大模型的token占比只有4.5%；到了2026年2月之后，这一比例稳定超过30%，峰值一度冲高到46%，并且在过去18个月里涨了十倍有余。
这意味着，从硅谷初创公司到成熟商业巨头，越来越多美国企业开启了模型迁移。
6月底，加密货币交易所 Coinbase CEO布莱恩·阿姆斯特朗（Brian Armstrong）在社交平台公开确认，公司已通过内部大模型网关，将月之暗面的 Kimi（以及智谱GLM）设为全体工程师的默认大模型，以此大幅削减高昂的AI调用成本并提升效率。
7月初，美国外卖巨头DoorDash联合创始人方安迪（Andy Fang）在社交平台上透露，公司在内部系统测试中引入了Kimi K2.6模型，计划将客服、基础编码这类高吞吐、非极限性能的业务交给中国模型，通过分层选型以降低综合成本。
爱彼迎Airbnb则行动得更早。其CEO布莱恩·切斯基（Brian Chesky）在2025年10月公开表示，公司正在业务中大量依赖阿里巴巴的通义千问（Qwen）系列模型。
大量中型企业的测算显示，切换国产开源模型后，每年能节省数十万乃至上百万美元的AI算力开支。不仅如此，就连小型初创企业也开始切换至中国大模型。
AI创业公司Lindy于6月宣布，已将其100%的业务流量从Anthropic的Claude全面迁移至DeepSeek-V4。此举让该公司推理成本直接下降约90%。
企业做出这种选择，是几重现实因素共同作用的结果。
首先是极致的成本红利。在资本环境收紧的大背景下，AI开支已经成为很多科技企业无法忽视的财务负担。美国闭源模型的高昂调用价，在小规模测试阶段还能接受，一旦业务规模化铺开，token消耗指数级上涨，成本压力就会迅速暴露。中国模型普遍比美国闭源产品便宜60%-90%，这种巨大的成本差异，对盈利敏感的商业机构有着极强的吸引力。
其次是性能已经够用了。Coinbase 内部调研显示，91%的工程师日常工作并不需要GPT、Claude的极限性能。
行业共识是，90%的企业商用场景，现有国产模型的能力已经完全能够覆盖。斯坦福报告也提到，中国开放权重模型在美国开发者群体中走红，核心原因就在于具备竞争力的基准跑分，加上宽松友好的开源许可协议。企业不需要盲目追逐跑分榜的顶端，业务够用、成本可控，才是商业化落地的第一优先级。
第三是开放权重带来的部署自由度。大量美国企业看重国产模型可以本地私有化部署的特性，即下载权重后跑在自有服务器上，数据不用流出企业内网，同时也摆脱了接口厂商的调用限额和版本迭代约束。
相比之下，美国头部闭源产品只提供API服务，企业没有底层模型的修改权限，一旦接口涨价或限流，业务只能被动承受风险。
然而，商业市场的选择，与美国监管层面的态度形成了鲜明反差。
一边是硅谷企业出于降本增效的现实诉求，自发选用性价比更高的国产模型；另一边是监管机构试图用政策手段干预市场选型，二者之间的冲突持续发酵。
不少美国初创企业公开表态，如果强制禁止使用中国开源模型，大量中小创业项目将直接面临生存危机。
市场的商业选择，很难被政策轻易裹挟。中国AI的供给迭代与价格优势，正在持续挤压美国闭源AI巨头的商业生存空间。
