隨著Kimi、DeepSeek等中國開放權重模型能力持續提升，越來越多海外人工智能（AI）企業開始在中國開放權重模型基礎上進行后訓練，並據此開發自主模型和產品。中國開放權重模型參與海外AI研發的形式也日益多樣，從直接作為基礎模型接受進一步訓練，延伸到生成合成數據、提供模型架構和訓練方法參考。中國模型正加速融入全球AI產業鏈。

美國法律AI公司哈維日前發布其首個后訓練開放權重模型Tenet。該模型以中國月之暗面最新開放權重模型Kimi K3為基礎開發。哈維公司公布的技術細節顯示，Tenet模型的訓練體系高度貼合真實的法律工作場景，依托約1750個專業化法律工作智能體環境完成迭代優化，整套專項訓練工作歷時約2個月。該公司5月公布的早期測試顯示，以“全部標准通過”的評判標准考慮，市場上多數通用模型完整完成法律實務任務的比例不足10%，在專業場景中實用性存在明顯短板。而專項訓練后的Tenet完整完成的綜合法律實務任務數量接近原始Kimi K3模型的兩倍﹔在合同起草、審查和談判等專項任務中，完整完成的任務數量也增加約20%，同時基本保留原模型的通用法律知識能力。

這並非中國開放權重模型進入海外AI產品研發鏈條的孤例。美國AI編程平台——“光標”代碼編輯器（Cursor）所屬公司今年3月公布自主開發的編程模型Composer 2技術報告稱，該模型以Kimi K2.5為基礎，依托代碼數據為主的持續預訓練夯實專業底層能力，再通過大規模強化學習完成任務優化，實現向專項智能模型的進階﹔5月推出的Composer 2.5仍以Kimi K2.5為基礎，進一步擴大預訓練規模和強化學習任務數量。美國AI初創企業“認知”公司、英國AI初創企業Cosine分別以Kimi模型為基礎，通過進一步大規模強化學習提升軟件工程能力，打造出各自的核心AI軟件工程產品。

中國開放權重模型的影響還延伸到訓練數據和模型架構。開放人工智能研究中心（OpenAI）前首席技術官米拉·穆拉蒂創辦的思維機器實驗室在研發其首款開放權重模型Inkling時，並未直接採用中國模型作為基礎模型，但其官方技術說明稱，Inkling的混合專家（MoE）架構主要沿用DeepSeek V3的技術路線。在后訓練啟動階段，公司還使用包括Kimi K2.5在內的開放權重模型生成合成數據，用於首輪監督微調。

過去，AI企業在追求前沿模型能力時往往高度依賴閉源模型。隨著Kimi、DeepSeek等中國開放權重模型能力持續提升，部分模型已進入前沿，為這些企業提供了閉源模型之外的技術選擇。此外，隨著人工智能由問答工具向智能體演進，衡量模型能力的標准也從知識回答延伸到完整執行復雜任務。而完成復雜任務所需的操作流程、判斷標准和糾錯機制，往往存在於真實業務場景、評測體系和工作流程裡。在這一背景下，垂直AI的后訓練更重視任務執行能力。Cursor、哈維和“認知”等AI公司就在接近真實業務的任務環境中開展大規模強化學習，讓模型從中學習信息搜索、工具調用、上下文管理和錯誤修正等。

除了模型能力以外，開放權重模型還具有成本和控制優勢。它們可由企業自主部署、持續優化和繼續訓練，在大規模調用場景下具有降低單位推理成本、提高部署靈活性和減少對外部應用程序編程接口（API）依賴的優勢。

隨著權重、數據、架構等技術成果更深融入全球AI研發和產業體系，中國開放權重模型在全球AI供應鏈中的作用不斷增強，其國際影響正由產品出海進一步向技術輸出延伸，呈現出成為海外AI企業開發新模型、新產品重要技術來源的趨勢。