一句话看懂：Nathan Lambert 将其在美国国会作证的准备稿公开发表，系统梳理了开源权重模型的中美实力对比：中国模型在下载量和能力榜单上已明显领先，美国只在“完全开源”这一细分领域保持优势。
事件核心：发生了什么
Nathan Lambert 在 Interconnects 发布文章，公开他为美国国会议员及幕僚准备的简报内容。文章首先厘清概念：开放权重模型（公开权重与许可证，如 Llama、Qwen、Gemma、DeepSeek）不等于完全开源模型（还需公开训练代码与数据，代表是 Allen Institute for AI 的 Olmo、EleutherAI 的 Pythia）。
核心判断是：自 2025 年 4 月起，中国公司在开放权重模型上已确立领先。Hugging Face 下载量显示，中国在 2025 年 7 月反超美国，目前累计约 32 亿次，是美国的约两倍，领先约 16 亿次。在 Artificial Analysis 智能指数上，截至 2026 年 9 月 14 日，Z.ai 的 GLM-5.3、GLM-5.3-Flash 与 Moonshot AI 的 Kimi K3 得分分别为 45、42、44，而美国最高分是 Thinking Machines 的 Inkling 系列（26 分）与 Nvidia Nemotron 3 Ultra（23 分）。整体上，中国开放权重模型落后美国闭源前沿约 2-5 个月，而美国开放权重模型落后约 6 个月以上。
为什么重要
这组对比改变了“开源等于美国主导”的旧叙事。中国厂商以更高更新频率和更强 agentic 能力，把开放权重模型推到了可商业落地的临界点——文中提到 GLM-5.2 和 Kimi K3 达到了 Claude Code 在 2025 年 12 月跨过的同类门槛。这意味着开放权重不再只是研究玩具，而是闭源 API 的真实替代路径，直接影响企业采购、模型托管和推理成本结构。美国虽有 Arcee AI、Poolside、IBM 等新玩家入场，但差距并未快速收窄。
对用户/开发者/创作者的影响
开发者可在本地或私有云部署 Qwen、GLM、Kimi 等权重，减少对单一闭源 API 的依赖，并针对 agentic 工作流做微调；创作者和企业能以更低推理成本构建 AI 应用。若需要完全可复现、可审计的模型，目前公开信息显示仍应优先看美国非营利机构的开源项目。企业选型时需同时权衡许可证条款、更新频率与数据合规，而非只看榜单分数。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是美国开放权重模型能否在 2026 年底前缩小 15 个名次以上的榜单差距；二是 GLM、Kimi 等中国模型在商业 API 与企业私有化部署中的落地速度；三是美国国会是否据此调整开源模型相关政策与出口合规要求。
