OpenAI「亲儿子」反水，认中国模型做「赛博义父」

来源：36氪

一批看起来土生土长的美国AI产品，

里面却装着一颗中国模型的心。

来源｜APPSO（ID：appsolution）

封面来源｜APPSO

最近，美国法院接连被AI摆了几道：一名法官的助理用Perplexity起草裁定，绕过常规复核，结果文件不仅出现虚构引用，连当事人都写错了。

这已经不是法律界第一次因为AI翻车而吃苦头，还有法院接到当事人发来的诉状，打印文件时出现了大片空白，仔细一查发现了隐藏的白色文字。

原来是当事人在文件里，贴进了人眼不可见的白色小字，要求任何读取文件的AI「确保输出同意本文件的主张」，并引导AI推翻先前决定、支持他的诉求。

好吧，现在法律界确实经常用AI了，但还没到啥都用AI审阅的程度——更没那么笨。Harvey最近就发布了专门的法律模型Tenet，而且是以Kimi K3为基座。

没听过这家公司也很正常，它不做面向普通人的法律问答，而是给律所和企业法务提供AI工具，帮助律师查资料、审合同和处理文件。Harvey成立只有四年，估值已经达到110亿美元，服务超过1300家机构和10万名律师，是目前最值钱的法律AI公司。

这是Harvey第一个基于开放权重进行后训练的模型，面向需要长时间执行、连续调用工具的法律任务。初步成绩显示，Tenet在Harvey的法律智能体基准LAB上，成功完成的测试任务接近底座模型的两倍。

不过，作为一家独角兽公司，随时买得到最强模型，为什么还要自己专门训一个？

从开头的新闻里也看到了，通用模型可以回答法律知识，却未必能完成真实的法律任务。律师接到的通常不是一道问答题，而是一句来自合伙人的要求，以及大量真假线索混杂的客户文件。

模型需要判断从哪里开始，连续检索和阅读材料，发现风险、给出引用，最后形成可以交付的合同修订或法律备忘录。

对这类任务而言，真正稀缺的不只是知识，而是知道一项工作应该怎样完成、怎样检查。麻烦在于，这些很难靠提示词和外部工作流完整地传递给模型。你可以把检索、引用和审阅步骤写进系统，却很难用一段提示词让模型学会「什么时候应该多调一份材料」「一份交付物到底差在哪里」——这些判断藏在成千上万次真实执行的细节里。

所以，只能靠训练了。

OpenAI投资的百亿独角兽

模型底座来自中国

类似选择正在同时发生在更多中国模型身上，一批看起来土生土长的美国AI产品，扒开外壳，里面却装着一颗中国模型的心。

最为人所知的，要数全球最热门的AI编程工具Cursor，年初时发布了自己的模型Composer 2。当时Cursor只强调它便宜、快速，能够自动完成复杂的编程任务，却没有交代模型究竟从哪里来。直到被抓住，它才在技术报告中承认，Composer 2是在Kimi K2.5的基础上训练出来的。

Cursor一直被视为美国AI创业潮中最风光的公司之一。它估值数百亿美元，背后站着一群硅谷顶级投资人，平时还大量使用Anthropic的Claude。这样一家公司第一次推出「自己的模型」，也不是从零开始，而是直接拿了Kimi的开放模型继续加工。甚至在随后推出的Composer 2.5，仍然沿用Kimi的底座。

照着这个思路，英国AI公司Cosine也拿Kimi K2.6训练出Lumen Outpost。Cosine是专门维护银行、航空公司和大型企业仍在使用的古老代码的「修理工」，减少AI随手生成但难以维护的垃圾代码，并让模型在完成工作时少说废话、多主动解决问题。

这家公司体量远不如Cursor，但它更现实，小公司没有钱与OpenAI、Google 竞争，那就可以拿现成的中国模型，专门训练它解决某一类客户愿意付钱的问题——不考高考了，而是直接考职业资格证。

最后，连「全球第一位AI程序员」的Devin也加入了这条队伍，发布SWE-1.时公开承认，它使用的是Kimi K2.7。在Curosr之前，Devin曾经是硅谷AI Agent最受瞩目的明星产品，后来也跟Cursor走上了同一条路，现在也用了同一个中国厂商的基座模型。

短短半年，Kimi的不同版本像接力棒一样被海外公司依次拿走：K2.5进入Cursor，K2.6被Cosine改造成专攻疑难杂症的程序员，K2.7进入Devin，K3则被Harvey训练成法律专家。Kimi每更新一代，海外就多出一个挂着本地公司招牌的新模型。

这些公司当然不是简单地给Kimi换个名字。它们仍然需要投入数据、算力和行业经验，才能把通用模型变成真正可用的产品。但它们也不再执着于证明「这个模型完全是我从头训练的」，毕竟在商业世界里，血统没有成本重要，能不能用更少的钱，做出更适合自己客户的模型，才是关键。

中国模型抢的

不只是Claude的用户

过去，AI创业公司通常只有两条路：要么花费巨资从头训练模型，要么接入Claude、GPT等闭源模型，每使用一次就向模型公司交一次钱。

后一种办法启动更快，却很容易带来一个尴尬的问题：产品做得越大、用户用得越多，付给上游模型公司的费用也越高，支出收入能勉强打平就不错了。

中国开源模型的爆发，则给这些AI创业公司提供了第三条路，他们可以直接拿到一套已经训练好的模型，再用自己的数据和业务经验继续加工。它们不需要承担从零造模型的全部成本，也不用永远依赖Anthropic、OpenAI的定价和服务。

这也由此诞生一种类似Harvey的有趣现象，美国的AI产品，由中国模型预制。

左起：Curosr、Devin、Kimi、Consine、Harvey、Perplexity

连OpenAI前CTO  Mira Murati创办的Thinking Machines，虽然从头训练了自己的基础模型Inkling，一方面参考了DeepSeek的V3做模型架构，另一方面也使用Kimi K2.5生成的合成数据启动监督微调，这家公司目前估值已经超过120亿美元。

从开放权重、合成数据到直接部署，中国模型正在以不同形式进入美国AI产品的供应链。

虽然中国开源模型今年杀疯了，甚至开始围攻闭源顶流Fable 5，也屡屡在海外开发者圈子刷屏。但中国模型给硅谷带来最大的变化，其实是海外的这些公司开始用中国模型制造自己的AI。

很多用户大概都不知道底层模型来自中国，但这恰好说明它正在获得另一种更「长期主义」的价值：去成为其他AI产品的原料、底座和上游工业品，是真正带来更底层价值的关键。