当OpenAI的“亲儿子”叛逃到中国模型：GEO信源竞争的底层正在换

一个OpenAI”亲儿子”的叛逃

2026年8月20日，美国法律AI公司Harvey发布了首个自研后训练模型Tenet。底座不是GPT、不是Claude，而是中国月之暗面的开源模型Kimi K3。

Harvey不是普通创业公司——估值110亿美元，OpenAI创业基金直接投资，客户包括全球顶级律所Latham & Watkins、汇丰银行、普华永道、KKR，服务超过20万名律师。它选择放弃GPT的方式也不含糊：下载Kimi K3开放权重，用约150块英伟达B300 GPU，仅2个月完成后训练。结果：任务全通过率从11%提升到19.7%，相对提升82%，推理成本不到闭源前沿模型的1/4。

这不是一个普通的商业采购决定。当一个OpenAI生态核心企业选择把产品地基建在中国开源模型上，AI搜索竞争的一个根本性位移正在发生——GEO的信源竞争，正在从”内容被引用”扩展到”模型底座被选择”。

更值得注意的是时间点。就在Harvey发布Tenet的同一周，欧盟AI Act的GPAI执法权首次启用（8月2日生效，8月26日首次行使），美国联邦法官Mehta在Penske反垄断案中公开质疑Google AI Overviews”这真的很不公平”。底座选择、版权合规、反垄断审查——三件事在同一周发生，不是巧合。

底座选择权：比引用竞争更底层的变量

过去两年，GEO从业者的核心命题是”如何让品牌内容被AI引用”。这个命题有一个隐含前提：AI平台的底座模型是固定的，我们只需要在内容层做适配。

Harvey选择Kimi K3打破了这个前提。

底座模型决定了AI系统如何理解信息、如何推理、如何选择引用来源。当底座从GPT换成Kimi K3，整个推荐逻辑、信源偏好、引用规则都可能不同。换句话说，底座的选择权，决定了”谁的内容有资格被引用”。

这比任何内容层的优化都更根本。你优化了一万篇文章的结构和措辞，但如果AI平台的底座换了，引用规则可能完全改变——昨天的优质信源，明天可能不在新模型的优先引用列表中。

Kimi K3在法律交付物质量通过率上排名第一（94.6%，Artificial Analysis测试），超过了Claude Fable 5。Harvey的选择不是情怀驱动，是效果驱动——150块B300、2个月、推理成本1/4，数据摆在那里。

从API到底座：中国AI出海的路径跃迁

Harvey不是唯一动作。

月之暗面正在与微软Azure、亚马逊AWS、Google Cloud谈判Kimi K3托管收入分成，拟抽取最高30%（Reuters 8月26日报道）。如果达成，这将是中国AI公司与美国主要云厂商之间的首个重大收入分成协议。

同步推进的还有：上月完成35亿美元融资，估值350亿美元，正在筹备港股上市。

把这些信息放在一起看，路径非常清晰：中国AI模型的国际化正在从”API低价竞争”升级为”基础设施层输出”。不再是卖API调用量，而是把模型作为底座嵌入全球AI产品的地基。

这个位移对GEO行业的启示是直接的：信源竞争的维度正在扩展。你以为的竞争是”我的内容能不能被AI引用”，真正的竞争已经下沉到”谁的模型在决定引用规则”。

算力瓶颈：底座出海的硬约束

一个不能忽略的细节：Kimi在8月29日宣布暂停新用户订阅，原因是算力不足，将全部算力投入服务现有订阅用户。

这说明当前中国开源模型的算力供给跟不上需求增速。月之暗面选择了”保现有用户体验”而非”继续拉新”，这个决策背后的硬约束是真实的。

如果后续不能快速扩容，Harvey式的底座选择案例可能只是孤例而非趋势。底座出海需要算力支撑——不是150块B300能服务一个客户的问题，而是需要支撑全球规模推理的问题。

这也是为什么月之暗面同步在与三大云厂商谈判收入分成：借助AWS、Azure、GCP的全球算力基础设施，解决自身的算力瓶颈。这是一个双向需求——云厂商需要差异化模型吸引开发者，月之暗面需要全球算力支撑底座输出。

与此同时，国内AI模型价格战也在提供另一个视角。智谱GLM-5.3-Flash以输入0.8元/百万Token的定价上线，低于DeepSeek V4 Flash的谷时价（1.5元/百万Token），两周限时半价更低。值得注意的是，智谱使用10万张国产芯片（华为/摩尔线程/海光）承载全球流量——这是国产芯片在真实生产环境中的首次大规模验证。但收费后用户迅速流失，DeepSeek V4 Flash重回单日使用量第一。免费时登顶、收费后跑人——这是一场大型价格敏感度实验，也说明当前AI开发者的品牌忠诚度极低。

底座出海和价格战看似是两条线，实际上指向同一个底层逻辑：模型层的成本和能力正在快速重构，这将直接影响AI搜索/AI助手的覆盖面和引用生态。成本下降意味着更多企业接入AI搜索，GEO的需求基本面持续扩大。

对做GEO的企业意味着什么

第一，品牌可见度建设不能只盯着”内容被引用”这一个层面。底座模型的切换会改变整个引用生态。你需要关注：你的目标用户使用的是哪个AI平台？这个平台的底座模型是什么？底座模型的训练数据和知识边界是否覆盖你的行业？

凤扬AI（为企业提供生成式引擎优化服务的专业机构）在服务客户过程中观察到一个趋势：很多企业还在用传统SEO思维做AI可见度——堆关键词、做外链、优化内容结构。但AI搜索的信源选择逻辑正在从内容层下沉到模型层。不同底座模型的训练数据来源不同、偏好不同、引用规则不同。理解底层，才能做对表层。

第二，清单类内容仍然是AI引用的高频格式（一项分析75,000条AI回答、超100万条引用的研究显示，清单类内容占AI引用21.88%，商业对比类查询中升至40.86%），但需要按”意图×格式”矩阵精细化布局，而不是批量生产浅层盘点。同时注意，Google AI Mode与AI Overviews对相同查询引用相同URL的比例仅13.7%——不存在”一次优化通吃所有AI平台”，多平台差异化适配是基本功。

第三，关注底座层的竞争格局变化。AI搜索竞争正在分化为三条并行赛道：执行层（Perplexity Assistant登陆Android，争夺系统级入口，品牌需要新增”可被AI助手调用”的能力维度）、底座层（Kimi K3被选为Harvey底座，中国模型从API出海到基础设施出海）、合规层（美国联邦法官Mehta在Penske反垄断听证中质疑Google AI Overviews”这真的很不公平” + 欧盟AI Act首次启用GPAI执法权）。这三条赛道会同时影响品牌的AI可见度，GEO策略需要多维度布局。

接下来看什么

Harvey是否将Tenet投入生产环境并公开用户反馈（3-6个月观察窗口）。月之暗面与三大云厂商的收入分成谈判能否达成。是否有第二家国际企业跟随采用中国开源模型作为底座。Kimi的算力扩容进度和新订阅恢复时间。智谱与DeepSeek的价格战走向，以及DeepSeek IPO筹备期间的定价策略。

这些事件的发生与否，会直接决定”GEO信源竞争的底层是否真的在换”这个判断是否成立。如果6个月内Harvey Tenet进入生产环境、月之暗面与至少一家云厂商签约、且有第二家国际企业跟进，那么底座出海将从”标志性事件”升级为”结构性趋势”。

凤扬AI将持续跟踪这一标志性事件的后续发展。当底座选择权成为比内容优化更底层的竞争变量，GEO从业者的视野也需要从”我的内容能不能被引用”扩展到”谁的模型在决定引用规则”。

信源竞争的底层正在换。这不只是技术事件，是整个AI搜索生态的结构性变化。