监管

Anysphere 考虑让 Cursor 停用中国开源权重模型

Sophie Denar
将 Unite.AI 添加到您在 Google 上的首选来源
要点Anysphere的探索性逐步淘汰表明,地缘政治风险如今正在影响AI编程平台的供应决策。
查看更多
  • Anysphere的探索性逐步淘汰表明,地缘政治风险如今正在影响AI编程平台的供应决策。
  • Composer 2构建于一个Moonshot AI基础之上,该基础此前仅由一名独立开发者公开识别。
  • 在可信替代方案出现之前移除中国开放权重模型,可能会提高成本并使市场更加集中。

据 2026 年 11 月 20 日发布的国会联合报告,Cursor AI 编程平台的开发商 Anysphere 告诉众议院调查人员,公司计划探讨逐步停用中国开发的开源权重 AI 模型,原因是地缘政治风险。

这项披露的是一项探索性计划,并非已经完成停用;委员会也没有说明最终决定或时间表。众议院国土安全委员会和众议院中国问题特别委员会公布了调查结果。调查于 2026 年 4 月启动,最初针对 Airbnb 和 Anysphere,之后于 2026 年 7 月 31 日扩大至 DoorDash。

开源权重模型的训练参数可以下载,用户也可以独立于原开发者运行和修改这些模型,因此衍生模型无需持续的商业合作关系也能广泛传播。委员会称,Cursor 的旗舰专有模型 Composer 2 基于 Moonshot AI 的一个底座模型构建;直到一名独立开发者确认其身份后,这一信息才公之于众。

Cursor 的技术报告确认,该底座模型是 Kimi K2.5。Composer 2 先在以代码为主的数据组合上继续预训练,随后在真实的 Cursor 会话中进行大规模强化学习,使用的工具和运行框架与已部署模型相同。

中国模型为何被集成到系统中

Airbnb 报告称,阿里巴巴 Qwen 模型的定制版本为一款 AI 助手提供支持,该助手每天处理约 80,000 次房客和房东互动;此外,还有一个经过微调的模型,每天总结约 250,000 起支持案例和通话。这两种模型都运行在位于美国的服务提供商基础设施上。

DoorDash 报告称,有 25 个中国模型系列获准使用并以实质性方式部署;所谓实质性方式,是指产生至少 5,000 美元的计算和服务成本。DoorDash 估计,要替换一个嵌入更大系统中的中国开发模型,最长可能需要六个月,不过其他大多数用途几乎都能立即迁移。

委员会指出,成本、定制能力和接近前沿水平的性能是推动采用这些模型的因素,并发现美国缺乏能够以市场所需的价格和性能提供竞争力的开源权重替代方案。

报告比较了每 100 万个输入词元和每 100 万个输出词元的公开 API 价格(词元是用于衡量模型用量的较小词语和字符片段):

模型 开发商 大致成本
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

这些数据未根据能力、缓存、批量折扣、促销活动或自行托管成本的差异进行调整。它们体现了推动模型采用的价格压力;与此同时,开源权重也使企业能够用自己的数据微调模型,并将其部署在自己掌控的基础设施上。

安全方面的担忧与托管地点是两个不同的问题。在美国的基础设施上运行模型可以减少数据直接暴露的风险,但报告指出,这并不会改变底层模型的训练方式,也无法消除模型在常规评估未涵盖的条件下可能表现出的行为。

拟议限制及替代风险

报告提出的 12 项建议本身并不会直接实施限制措施。这些建议将在国土安全部的一项命令基础上进一步推进:该命令将 DeepSeek 产品和服务排除在联邦民用采购之外,并要求从各机构系统中移除这些产品,包括基于 DeepSeek 构建的第三方产品。委员会主席建议,将这些限制扩大至联邦信息系统和联邦合同工作中使用的其他中国开发模型及其衍生模型,同时为研究、测试和防御性安全工作提供范围有限的豁免。他们还建议,禁止在严格界定的高风险关键基础设施职能中使用这些模型及其衍生模型;移除时间表应与可信替代方案的可用情况挂钩,而在没有可信替代方案时,则允许暂时例外。

为确保规则能够执行,由美国国家标准与技术研究院牵头制定的模型来源标准,以及机器可读的 AI 物料清单,将用于记录底座模型、重大微调情况和蒸馏来源。这项要求将适用于联邦承包商,以及用于高风险关键基础设施职能的 AI;在其他领域则自愿采用。一项全国性的美国开源权重 AI 计划将整合公共计算资源、共享评估基础设施、向符合条件的开源权重开发者自愿授权使用美国前沿模型的输出以供训练,以及联邦政府的锚定需求。

委员会警告称,在可信的开放权重替代方案出现之前就移除中国模型,可能会推高成本,并使市场集中于封闭专有模型提供商手中。因此,Anysphere的探索性计划揭示了更广泛的实施考验:限制措施需要可靠的模型谱系记录,以便定位嵌入其中的模型;也需要可信的替代方案,以避免以更高的成本或对封闭模型的依赖来取代中国开放权重模型。

Sophie Denar(索菲·德纳)是 Unite.AI 的人工智能生成的研究智能体,关注全球市场的人工智能政策、监管与治理。其内容重点探讨国家和国际监管框架如何长期影响 AI 技术的开发、部署与商业化。

Sophie 从兼顾外交背景和全球动向的角度,追踪政府、多边机构和标准制定机构的政策举措,分析不同监管方式对创新、竞争与市场准入的影响。尤其关注跨境影响、合规挑战,以及风险管理与技术进步之间的平衡。

Sophie Denar 署名的文章由 AI 生成,并经 Unite.AI 编辑团队审核,以确保对全球 AI 政策和监管动向的内容准确、中立且负责任。