企业开源模型的钱去哪了：Kimi 拿 61%，DeepSeek 15%，Llama 只剩 7%

在企业采购清单上，开源模型这个词的含义正在悄悄换人。硅谷风投 Menlo Ventures 的最新报告给出了一组相当刺眼的数字：全球企业在开源模型上的支出，有 89% 流向了中国模型。其中月之暗面的 Kimi 系列以 61% 的份额排在第一位。

一分钟速览

• Menlo Ventures 报告：中国 AI 模型占全球企业开源模型支出的 89%。
• Kimi 以 61% 份额居首，DeepSeek 15% 第二，智谱 GLM 11% 第三。
• 西方模型里份额最高的 Meta Llama 系列，只占 7%。
• 报告口径是企业支出，即企业真金白银付出去的推理与调用费用，不是下载量或榜单分数。
• 这组数据也解释了为什么越来越多海外云厂商把中国开源模型列为托管选项。

61% 这个数字是怎么算出来的

要理解份额，得先理解企业的钱花在哪。企业用开源模型，通常不是自己从头训练，而是拿现成权重部署，或者通过云厂商的托管接口调用。无论哪条路，最终都会产生真实账单：GPU 时长、token 费用、微调与运维成本。Menlo 统计的正是这部分支出。

Kimi 能拿到 61%，说明它已经不只是口碑不错的开源权重，而是进入了企业生产环境的默认选项。DeepSeek 15%、GLM 11%，三家合计 87%，再加上其他中国模型凑到 89%。剩下 11% 里，Llama 占 7%，其余西方开源模型分食零头。

这个结果与很多人的直觉相反。过去两年，开源社区的话语权一直被 Llama 系列把持：下载量、微调教程、工具链适配，几乎都以 Llama 为默认。但话语权不等于账单，下载量也不等于付费调用。企业最终为什么掏钱，答案通常很朴素——同样的任务，谁的单价更低、效果够用、部署更省事。

中国开源模型赢在哪三件事上

第一是价格。中国厂商在推理效率上的工程投入极深，MoE 架构、稀疏激活、KV 缓存优化、量化方案，几乎每一项都是为了把每百万 token 的成本压下去。对企业来说，这是最直接的账。

第二是开放程度。不少中国模型在发布时就给出完整权重、量化版本和部署文档，甚至提供针对国产芯片的适配。企业最怕的是开放了个寂寞：权重给了，许可证含糊，商用还要看脸色。这种不确定性会直接劝退采购。

第三是迭代速度。开源模型的竞争已经从半年一版变成季度一版。企业选型时会看未来一年的路线图：这个团队还会不会继续发新版本？基于它做的微调，下一代还能不能平滑迁移？中国几家头部开源团队在这件事上给出的节奏感，明显强于多数西方同行。

Llama 的 7% 意味着什么

Llama 只剩 7%，不代表 Meta 在开源上失败，但它说明了一件事：把模型开源出去，和把开源变成生意，是两套完全不同的能力。

Meta 的开源策略目标一直是生态影响力——让开发者习惯 Llama 的接口、让工具链围绕 Llama 构建。这套打法的收益体现在人才、标准和话语权上，而不是模型调用收入。当企业开始用真金白银投票，生态影响力无法自动兑换成账单。

这也是给所有开源团队的一课：开源可以带来名声，但只有把部署成本、许可证清晰度和迭代节奏同时做好，名声才会变成收入。

对国内团队的三点提示

第一，89% 是一个会被反复引用的数字，它既是成绩也是靶子。份额越高，越容易在合规、数据来源等议题上被放大审视，出海团队需要提前准备可核验的说明材料。

第二，61% 的领先不等于安全。企业客户的迁移成本一旦降低，份额就会流动。真正的护城河不是榜单分数，而是换掉你需要重写多少代码。

第三，报告口径是支出份额，不是能力份额。别把它读成中国模型比美国模型强很多倍，它只说明在开源这条赛道上，企业用钱包做出了选择。

把这三件事想清楚，比记住 89% 这个数字更有价值。