Kimi占据美国企业开源模型支出61%
Cointime 报道， 中国开源模型已占美国企业开源权重模型支出的近九成，其中月之暗面的Kimi一家独占61%份额。DeepSeek以15%位居第二，GLM占11%，Qwen占3%，而西方开源模型中排名第一的Meta Llama仅占7%。
这一数据来自对近400家美国企业AI决策者的调查，这些决策者经手的AI预算超过40亿美元。截至2026年9月，美国企业AI部署总支出已达1768亿美元，是一年前330亿美元的5.4倍。
企业为何愿意支付溢价
Kimi的崛起打破了“更便宜的模型将主导企业市场”的流行叙事。2025年三季度至2026年三季度，Haiku、Luna等小型闭源模型的token份额从29%降至13%，而前沿旗舰模型的token份额从18%升至42%，支出份额从35%跃升至63%。
驱动力在于AI Agent的兴起。在模型路由平台OpenRouter上，Agent发起的流量于2026年2月超过人类流量；到9月底，平台80%的token由Agent在后台自主运行产生，半年多增长37倍。
Agent工作负载的错误按乘法累积。单步准确率99%的模型连跑50步，顺利完成的概率仅约六成；单步95%的模型跑完50步不翻车的概率不到8%。因此企业已从关注挂牌单价转向关注一次把事情办妥的总花销。
Kimi的工程护城河
Kimi的61%份额恰恰源于它没有卷入价格战。当开源模型均价跌至每百万token 0.13美元——不到闭源均价的五分之一——Kimi将K3定价为输入3美元、输出15美元，与闭源旗舰持平。
底气来自工程严谨性。月之暗面开源了供应商精度核验工具KVV，用统一测试比对各家推理云在工具调用、JSON schema校验及113个编程Agent任务上的表现。这解决了关键痛点：推理云为最大化GPU吞吐量常对模型做量化压缩，导致多步Agent循环中性能下降。
Cursor基于Kimi K2.5训练Composer 2的决定印证了该模型的吸引力。这家编程初创公司将最终算力中仅约四分之一用于基座模型，其余全部投入自有强化学习——最终模型在CursorBench上得分61.3，超过Claude Opus 4.6的58.2。
开源与闭源的新平衡
数据揭示的是一个成熟生态，而非赢家通吃的战争。Anthropic、OpenAI和Google仍占据企业AI支出的69%，闭源旗舰仍是零容错任务的默认选择。但Kimi等开放权重模型已开辟出广阔的中间地带，应用公司可在接近前沿的基座上构建自有资产。
对加密市场而言，这意味着去中心化算力网络和链上结算的AI Agent协议，将日益与企业推理栈竞争或融合。模型层的经济学正围绕质量与可靠性而非单纯成本整合，这一动态将决定去中心化AI基础设施如何与中心化 incumbent 竞争。
