Regulering
Anysphere overvejer at lade Cursor skifte væk fra kinesiske modeller med åbne vægte

NøglepunkterAnyspheres undersøgende udfasning signalerer, at geopolitisk risiko nu former…
Vis mere
- Anyspheres undersøgende udfasning signalerer, at geopolitisk risiko nu former beslutninger om forsyning til AI-kodningsplatforme.
- Composer 2 blev bygget på en Moonshot AI-base, som kun blev offentligt identificeret af en uafhængig udvikler.
- At fjerne kinesiske open-weight-modeller, før der findes pålidelige alternativer, kan øge omkostningerne og koncentrere markedet.
Anysphere, udvikleren af AI-kodeplatformen Cursor, fortalte efterforskere i Repræsentanternes Hus, at virksomheden planlægger at undersøge en gradvis udfasning af kinesiskudviklede AI-modeller med åbne vægte på grund af geopolitiske risici, ifølge en fælles rapport fra Kongressen, der blev offentliggjort den 20. november 2026.
Oplysningen handler om en plan, der skal undersøges, ikke om en gennemført udfasning, og udvalgene beskrev hverken en endelig beslutning eller en tidsplan. Udvalget for indenrigssikkerhed i Repræsentanternes Hus og Repræsentanternes Hus’ særlige udvalg om Kina offentliggjorde resultaterne efter en undersøgelse, der begyndte i april 2026 og den 31. juli 2026 blev udvidet fra Airbnb og Anysphere til også at omfatte DoorDash.
Modeller med åbne vægte har trænede parametre, der kan downloades, køres og ændres uafhængigt af den oprindelige udvikler. Det gør det muligt at udbrede afledte modeller uden et løbende kommercielt forhold. Udvalgene sagde, at Composer 2, Cursors flagskibsmodel med proprietære vægte, var bygget på en grundmodel fra Moonshot AI, hvis identitet først blev offentlig kendt, efter at en uafhængig udvikler havde identificeret den.
Cursors tekniske rapport identificerer grundmodellen som Kimi K2.5. Composer 2 gennemgik yderligere prætræning på en datamængde med stor vægt på kode, efterfulgt af forstærkningslæring i stor skala i realistiske Cursor-sessioner med de samme værktøjer og den samme kørselsramme som den udrullede model.
Hvorfor kinesiske modeller blev integreret
Airbnb oplyste, at tilpassede versioner af Alibabas Qwen-modeller understøtter en AI-assistent, der håndterer omkring 80.000 interaktioner med gæster og værter dagligt, samt en finjusteret model, der opsummerer omkring 250.000 supportsager og opkald hver dag. Begge kører på tjenesteudbyderes infrastruktur i USA.
DoorDash oplyste, at 25 kinesiske modelfamilier var godkendt og udrullet i et ikke-ubetydeligt omfang, defineret som omkostninger til databehandling og drift på mindst 5.000 $. Virksomheden anslog, at det kunne tage op til seks måneder at erstatte én kinesiskudviklet model, der var indlejret i et større system, selv om de fleste andre anvendelser kunne omlægges næsten øjeblikkeligt.
Udvalgene udpegede omkostninger, tilpasningsmuligheder og ydeevne tæt på de førende modeller som drivkræfter bag indførelsen. De fandt også, at USA mangler et konkurrencedygtigt alternativ med åbne vægte til den pris og med den ydeevne, markedet efterspørger.
Rapporten sammenligner de offentliggjorte API-priser for én million inputtokens og én million outputtokens (små dele af ord og tegn, der bruges til at måle modelbrug):
| Model | Udvikler | Anslået pris |
|---|---|---|
| Qwen3-235B-A22B-Instruct | Alibaba | $1.15 |
| DeepSeek-R1 | DeepSeek | $2.74 |
| Kimi K2.6 | Moonshot AI | $4.95 |
| Claude Opus 4.8 | Anthropic | $30 |
| GPT-5.5 | OpenAI | $35 |
Tallene tager ikke højde for forskelle i ydeevne, cachelagring, mængderabatter, kampagnetilbud eller omkostninger ved selv at hoste modellerne. De illustrerer det prispres, der ligger bag indførelsen, mens åbne vægte også gør det muligt for virksomheder at finjustere modeller på egne data og udrulle dem på infrastruktur, de selv kontrollerer.
Sikkerhedsbekymringen er uafhængig af, hvor modellen hostes. Kørsel af modeller på infrastruktur i USA mindsker den direkte eksponering af data, men rapporten siger, at det ikke ændrer, hvordan den underliggende model blev trænet, eller hvordan den kan opføre sig under forhold, som almindelige evalueringer ikke afdækker.
Foreslåede begrænsninger og risici ved erstatning
Rapportens 12 anbefalinger indfører ikke i sig selv begrænsninger. De bygger videre på en ordre fra USA’s ministerium for indenrigssikkerhed, der udelukker DeepSeek-produkter og -tjenester fra føderale indkøb i den civile sektor og kræver, at de fjernes fra myndighedernes systemer, herunder tredjepartsprodukter, der er bygget på DeepSeek. Udvalgsformændene anbefaler at udvide disse begrænsninger til andre kinesiskudviklede modeller og deres afledte modeller i alle føderale informationssystemer og føderale kontraktopgaver, med snævre undtagelser for forskning, test og defensiv sikkerhed. De anbefaler også at forbyde disse modeller og deres afledte modeller i snævert afgrænsede højrisikofunktioner inden for kritisk infrastruktur, med tidsplaner for fjernelse, der afhænger af, om der findes pålidelige alternativer, samt midlertidige undtagelser, hvor der ikke findes en pålidelig erstatning.
For at gøre reglerne håndhævelige skulle en standard for dokumentation af modellers oprindelse, ledet af National Institute of Standards and Technology, og en maskinlæsbar AI-materialeliste dokumentere grundmodeller, væsentlig finjustering og kilder til destillering. Kravet skulle gælde føderale kontrahenter og AI, der anvendes i højrisikofunktioner inden for kritisk infrastruktur, og være frivilligt andre steder. Et nationalt amerikansk initiativ for AI med åbne vægte skulle samle offentlige computerressourcer, fælles infrastruktur til evaluering, frivillig licensering af output fra amerikanske frontmodeller til kvalificerede udviklere af modeller med åbne vægte til træning samt føderal efterspørgsel, der fungerer som anker.
Udvalgene advarer om, at en udfasning af kinesiske modeller, før der findes pålidelige alternativer med åbne vægte, kan øge omkostningerne og koncentrere markedet hos leverandører af lukkede, proprietære modeller. Anyspheres sonderende plan illustrerer derfor den større udfordring ved implementeringen: Restriktioner kræver pålidelige sporbarhedsregistre, så man kan finde indlejrede modeller, samt troværdige erstatninger, så man undgår at bytte kinesiske modeller med åbne vægte ud med højere omkostninger eller afhængighed af lukkede modeller.












