中国开源模型下载量已达美国两倍：解读Lambert国会证词

AI2研究员、Interconnects博客作者Nathan Lambert近日公开了他提交给美国国会的书面证词，主题聚焦当前开源模型（open weights）的全球权力格局。这份文件用一组硬核数据勾勒出一个正在快速逆转的趋势：在开源大模型领域，中国正从追赶者变成事实上的主导者。

核心数据：下载量与使用量的双重反超

证词中最具冲击力的是两组数字。第一组来自 Hugging Face：自 Lambert 从 2025 年 8 月开始追踪以来，中国开源权重模型的下载量约为 32 亿次，而美国模型约为 16 亿次——中国已达到美国的两倍。

第二组数据来自 OpenRouter 的推理流量。过去一年，平台上开源模型的调用量从每周约 1 万亿 token 暴涨到约 80 万亿 token，增长了近 80 倍。而在这庞大的流量池中，中国模型占据了超过 80% 的份额。

换句话说，无论是从开发者「下载囤积」的角度，还是从实际生产环境「真金白银跑推理」的角度，中国开源模型都已经成为默认选择。这两个指标一个代表意图、一个代表实际使用，同时反超的意义远大于单一榜单排名。

Hugging Face 是目前全球最大的开源 AI 模型托管平台，开发者在此上传、下载模型权重文件（即训练好的模型参数），下载量通常被视为衡量模型在开发者社区影响力的核心指标。OpenRouter 则是一个统一推理 API 聚合平台，允许开发者通过同一接口调用数十个不同的开源或闭源模型，其流量数据因此能反映真实生产环境中各模型的实际使用比例，比榜单评测分数更接近「市场投票」的性质。Token 是大语言模型处理文本的基本单位，大致对应半个到一个单词，80 万亿 token/周的规模意味着平台上每天有数万亿次语言推理在发生，这一量级已可视为全球开发者实际工作负载的重要截面。

与闭源前沿的差距：2-5个月 vs 6-9个月

Lambert 还给出了一个更微妙的判断——开源模型相对闭源前沿（如 GPT、Claude 等）的滞后程度。

他估计，中国开源权重目前落后闭源前沿约 2 到 5 个月，而美国开源权重则落后 6 到 9 个月。这意味着不仅在使用量上，在技术追赶速度上，中国开源阵营也已经领先于美国开源阵营。

这个差距在过去被认为是「安全缓冲」——只要开源比闭源落后足够久，前沿闭源实验室就有商业和安全上的从容。但当这个缓冲被压缩到几个月，开源与闭源的边界正在变得模糊，尤其是在中国模型的推动下。

「开源权重落后闭源前沿 N 个月」这一衡量框架，通常通过对比两类模型在标准基准测试（如 MMLU、HumanEval、MATH 等）上的得分曲线来估算：当开源模型的性能达到某个闭源模型在几个月前的水平时，即认为存在对应的时间差。这种衡量方式虽然粗略，但对政策制定者而言具有直觉上的说服力。历史上，开源模型追上闭源前沿的时间差曾长达一年以上，Meta 发布 LLaMA 系列后该差距明显收窄。当差距压缩至数月，意味着依赖「闭源领先窗口」建立护城河的商业逻辑和安全假设都需要重新评估，这也是 Lambert 将此数据纳入国会证词的核心政策含义所在。

智能体编程：差距最小的战场

证词特别指出，开源与闭源差距最小的领域是智能体编程（agentic coding）——即模型自主调用工具、执行多步骤代码任务的能力。

这一点与许多一线从业者的实测体感一致。原帖作者提到，在他运行评测（evals）时，Qwen、GLM 和 Kimi 已经成为本地工具调用（tool-use）任务的默认选择。这三者分别来自阿里、智谱和月之暗面，代表了中国开源模型矩阵的第一梯队。

对于需要在本地或私有环境部署、又要求较强代码与工具能力的团队来说，中国开源模型正在填补一个此前只能靠闭源 API 满足的空白。这种「能力够用 + 权重开放 + 可本地部署」的组合，正是其使用量爆发的底层驱动力。

智能体编程（Agentic Coding）是当前 AI 应用落地最快的方向之一，其核心在于模型不仅能生成代码片段，还能主动调用外部工具（如终端、文件系统、搜索 API）、根据执行结果自我修正并完成多轮迭代任务。这种能力对模型的指令遵循精度、函数调用格式规范性以及上下文长度利用效率均有较高要求。Qwen 系列来自阿里巴巴通义实验室，GLM 系列来自清华大学与智谱 AI 联合研发，Kimi 则是月之暗面旗下产品——三者均已开放权重供本地部署。本地部署意味着数据不经过第三方服务器，对企业合规、隐私保护和推理成本控制均有实质性优势，这正是在闭源 API 已有较强竞争的情况下，开源模型仍能在编程智能体场景中快速渗透的关键原因。

这份证词为什么重要

值得关注的是，这不是一篇普通博客，而是提交给国会的书面证词。它把开源模型的竞争态势从技术社区讨论，抬升到了政策与国家竞争力的层面。

数据背后隐含的政策张力很清晰：美国闭源实验室在前沿能力上仍保持领先，但在「开放生态」这个更广泛的开发者基础设施层面，主导权正在向中国转移。开源模型是无数下游应用、初创公司和研究工作的地基，谁的模型被更多人下载、部署、二次开发，谁就在事实上塑造了全球 AI 的技术习惯与依赖路径。

对于跟踪开源权重的从业者，Lambert 的这份文件提供了一个难得的量化坐标系。它提醒行业：开源竞争已经不只是「谁的榜单分数更高」，而是关于生态占有率、技术追赶速度和长期依赖关系的综合博弈。

原文链接：https://www.interconnects.ai/p/the-current-balance-of-power-in-open

小结

Lambert 的国会证词用三组关键数据描绘了开源模型的现状：中国模型下载量达美国两倍、OpenRouter 开源流量占比超 80%、技术滞后差距全面领先美国开源阵营。智能体编程作为差距最小的领域，正由 Qwen、GLM、Kimi 等中国模型主导。对开发者而言，这既是可用工具的丰富，也是全球 AI 权力格局变动的一个明确信号。