百亿估值的AI公司，为何选中国开源模型做基座？

3月25日，硅谷AI编程工具Cursor在arXiv提交的技术报告中明确写道："We select Kimi K2.5 as our base model for Composer 2." 5个月后，估值110亿美元的法律AI公司Harvey发布Tenet模型，官方博客确认该模型基于月之暗面Kimi K3基座进行后训练。Cursor选用的Kimi K2.5是1.04T总参数、32B激活参数的MoE架构模型，Cursor在其上持续预训练后，Composer 2在SWE-bench Multilingual上达到73.7分。

第一幕：变化发生

Cursor是硅谷最受瞩目的AI编程工具，其核心产品Composer 2可自主编写、调试和部署代码。按行业惯例，这类工具的基座通常选择OpenAI的GPT系列、Anthropic的Claude，或自研大模型。

但在2026年3月的技术报告中，Cursor团队公开承认：他们通过内部评估（代码库困惑度、编码知识、状态跟踪）比较多个候选模型后，最终选择了月之暗面的Kimi K2.5作为基座。随后，Cursor在Kimi K2.5上进行持续预训练——在代码主导的数据混合集上继续训练，提升编码知识，再进入agentic RL阶段。

这一选择的意义在于：Cursor没有把Kimi K2.5当作微调对象或辅助模型，而是作为整个产品栈的技术底座。这表明Kimi K2.5在推理能力、上下文窗口和指令跟随上，已满足顶级AI编程工具的要求。

8月20日，Harvey发布Tenet法律AI模型。Harvey服务全球2400多家法律机构，包括德意志电信、拜耳和安永律师事务所。Tenet基于Kimi K3基座，采用异步强化学习后训练，使用约150块NVIDIA B300 GPU训练约2个月。Harvey官方博客披露：相比基座Kimi K3，Tenet在LAB基准上完成任务数量翻倍，All-pass rate提升9个百分点；在Firm Knowledge检索场景中，相比头部前沿模型，单次查询成本降低90%，token效率提升3倍。

从Cursor到Harvey，两家不同赛道的海外AI公司，在半年内先后把中国开源模型选为基座。这不是偶发事件，而是一条正在形成的技术供应链。

第二幕：旧规则

过去三年，海外AI公司的基座模型选择遵循清晰路径：要么用OpenAI的API，要么自研大模型，要么用Meta的Llama系列微调。

OpenAI的API路线简单直接，但存在两个结构性问题。第一是成本——对于需要高频调用模型进行代码生成和调试的产品，API费用随规模线性增长，最终吞噬毛利。第二是控制力——依赖第三方API意味着产品迭代节奏受制于上游模型版本的更新，无法针对自身场景做深度定制。

自研大模型则面临更高门槛。训练一个有竞争力的基座模型需要数千块GPU、数月时间和数千万美元算力投入。对于Harvey这样垂直于法律场景的公司，投入通用基座模型研发并不经济——法律推理所需专业知识与通用语言能力的比例失衡，自研的边际收益递减。

Meta的Llama系列提供了开源选项，但在编码能力和长上下文处理上并非最优解。Cursor团队在报告中明确将Qwen3-Coder-30B-A3B（阿里通义系列）作为对照对象，说明他们比较了多个开源方案，最终落在Kimi K2.5上。

旧规则的核心是：海外AI公司在中国模型和自研之间二选一，中国模型被视为"可选项"，而非"必选项"。

第三幕：新变量

改变这一规则的变量有两个：技术性能和成本结构。

从技术性能看，Kimi K2.5的1.04T/32B MoE架构是关键分水岭。MoE（混合专家）架构的优势在于：总参数量巨大，但每次推理只激活一小部分参数（32B），推理成本远低于同等规模的稠密模型，同时保持了高参数模型的表达能力。对于需要在用户电脑上或边缘服务器上高效运行的产品，MoE的成本效益是决定性因素。

从成本结构看，开源模型绕过了API调用的持续付费。Cursor在Kimi K2.5上做一次持续预训练后，获得的是可无限次推理的自有模型，后续边际成本趋近于算力成本。Harvey的数据证实了这一点：相比头部前沿模型，Tenet在检索场景中单次查询成本降低90%。对于日均处理数万份法律文件的平台，这意味着每年数百万美元的成本差异。

此外，Kimi系列模型的迭代速度也是关键变量。从K2.5（年初）到K3（年中），月之暗面在半年内完成了至少两代基座迭代。对于依赖基座模型性能的下游公司，上游的快速迭代意味着可持续获得性能提升，而不必等待OpenAI或Anthropic的发布节奏。

当一个中国开源模型在性能上可比肩头部产品，在成本上显著低于API调用，在迭代速度上不落后于全球节奏时，选择中国模型就不再是需要解释的决策，而是商业上显而易见的选择。

第四幕：产业和商业结果

这一变化直接利好三类主体。

第一类是月之暗面。Kimi模型从"追赶者"变为"被采用者"，意味着其技术能力获得了全球顶级AI公司的认可。但需明确：目前确认的采用方式均为开源权重使用——Cursor和Harvey下载模型权重后自行训练部署，而非直接调用月之暗面的API。这种模式对月之暗面的直接商业回报有限，除非其有明确的开源商用授权策略。技术影响力与商业变现之间，仍存在一条需要跨越的鸿沟。

第二类是采用Kimi模型的海外AI公司。它们获得三个优势：基座成本下降、迭代自主性提升、摆脱OpenAI生态依赖的选择自由。对于估值数百亿美元的Cursor，降低对单一上游供应商的依赖是降低商业风险的关键一步。

第三类承压的是OpenAI的API生态。虽然目前仅个别公司公开承认这一选择，但如果更多AI编程、法律科技、金融分析类公司发现开源基座在特定场景下具有成本优势，OpenAI API的增长预期可能面临结构性调整。

第五幕：对读者的影响

对于关注中国AI产业的投资者和从业者，这个信号的含义是：中国开源模型已跨过"能用"的门槛，进入"被海外顶级公司选为基座"的阶段。但这不等于商业上的成功——开源模型的真正挑战在于如何将技术影响力转化为可持续收入。

对于使用AI编程工具和AI法律服务的用户，短期不会感受到变化——Cursor和Harvey的产品形态不会因基座切换而改变。但长期来看，基座成本的下降可能转化为产品定价下调，或功能迭代加速。

中国AI模型出海的路径正在分化：一条是API出海，直接服务海外企业客户；另一条是开源出海，通过技术影响力间接渗透。Cursor和Harvey的选择证明了第二条路径的可行性，但这条路最终能否让月之暗面赚到钱，答案还在未来。

参考数据来源

• Cursor Research：《Composer 2 Technical Report》（arXiv:2603.24477），2026年3月25日，https://arxiv.org/abs/2603.24477
• Harvey官方博客：《Harvey Tenet Research Preview》，2026年8月20日，https://harvey.ai/en-US/blog/post-training-update-harvey-tenet
• Cursor官方博客：Composer 2产品发布，https://www.cursor.com/blog/composer-2