硅谷 AI 独角兽集体选用中国模型：Kimi 成新一代「赛博底座」

最近半年，一个微妙却具有结构性的变化正在硅谷发生：多家估值数十亿美元的明星 AI 公司，在推出所谓「自己的模型」时，公开承认底层来自中国月之暗面（Moonshot AI）的 Kimi 开源权重模型。从 AI 编程工具 Cursor、AI 程序员 Devin，到英国公司 Cosine，再到刚刚发布法律专用模型 Tenet 的美国独角兽 Harvey，Kimi 的不同版本如同接力棒，被依次嵌入这些海外产品的技术栈。

Harvey 发布 Tenet：以 Kimi K3 为底座的法律专用模型

估值已达 110 亿美元的 Harvey，是目前最受关注的法律 AI 公司，服务超过 1300 家机构和 10 万名律师。近期发布的 Tenet，是其首个基于开放权重进行后训练的模型，基座正是 Kimi K3。Harvey 在自建的法律智能体基准 LAB 上测试，Tenet 成功完成的任务接近底座模型的近两倍。

Harvey 选择自训模型的直接原因，是通用大模型在真实法律场景中的局限性：律师面对的往往不是知识问答，而是来自合伙人的复杂任务和真假混杂的客户文件，需要模型自主判断从何处入手、连续检索材料、识别风险并生成可交付的合同修订或法律备忘录。这些工作流层面的判断很难通过提示词工程传递，必须依靠训练。

Cursor、Devin、Cosine 接力采用 Kimi

这股趋势并非孤例：

Cursor 的 Composer 2 与后续的 Composer 2.5，均基于 Kimi K2.5 训练，这家估值数百亿美元的 AI 编程公司在技术报告中公开承认了这一选择。
英国公司 Cosine 使用 Kimi K2.6 训练出 Lumen Outpost，专门用于维护银行、航空公司等企业遗留的复杂代码库。
「全球首位 AI 程序员」Devin 在发布 SWE-1.7 时也公开承认，模型底层来自 Kimi K2.7。

短短半年内，Kimi 的版本依次进入了不同的美国头部 AI 产品：K2.5 进入 Cursor，K2.6 被 Cosine 改造，K2.7 进入 Devin，K3 则被 Harvey 训练为法律专家。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给 Kimi 换个名字，它们仍需投入行业数据、算力和领域经验，才能把通用模型变成真正可用的产品。但在商业世界里，「血统」已不再是关键指标，能否用更低的成本做出更贴合客户场景的模型，才是核心竞争力。

中国模型切入硅谷供应链的三种路径

OpenAI 前 CTO Mira Murati 创立的 Thinking Machines 提供了一个更复杂的样本。这家公司虽然从头训练了自己的基础模型 Inkling，但模型架构参考了 DeepSeek V3，并使用 Kimi K2.5 生成的合成数据启动监督微调，目前估值已超过 120 亿美元。

由此可以归纳出中国开放权重模型切入美国 AI 产品的三种路径：

直接作为后训练基座（如 Harvey、Cursor、Devin、Cosine）；
提供架构参考（如 DeepSeek V3 对 Thinking Machines）；
供应合成数据（如 Kimi K2.5 用于 Inkling 微调）。

过去，美国 AI 创业公司通常面临两种选择：要么投入巨资从头训练，要么接入 Claude、GPT 等闭源模型、按调用次数付费。后者启动更快，但产品规模越大、向 OpenAI、Anthropic 支付的费用也越高。中国开源模型的成熟，则提供了第三条路：直接获取一套已经训练好的模型，再叠加自有数据和业务经验。

「中国制造」成为硅谷 AI 产品的隐藏底座

对很多最终用户而言，他们并不知道自己使用的工具底层模型来自中国。这一现象本身说明中国开放权重模型正在获得一种更长期的价值——成为其他 AI 产品的原料、底座和上游工业品，而非停留在应用层与闭源顶流正面竞争。

当开放权重、合成数据、架构参考这些形式都被纳入视野，中国模型对硅谷的影响早已超越单纯的性能对比，而是直接嵌入了对方的研发与生产链路。