西方模型东南亚语料曾只占0.5%，中国模型补上百种语言

东南亚的语言数量有1200余种，日常交流中多语混用是常态。国是直通车10月18日的报道给出一个对比：西方主流AI大模型的预训练数据中，80%以上是标准英语，东南亚语言内容占比一度只有0.5%。

 

缺口落在具体场景里。小语种问答、本地化表达、方言识别，都是英语语料训练出来的模型容易出错的地方。

 

多语混用是这一地区的常态而非例外。多数国家的官方语言与日常用语并不一致，同一段对话里出现英语、本地语言与方言是常见情形。模型要处理的是这种混合输入，而不是单一语种的干净文本。

 

中国模型的应对方式是在预训练阶段就把语种铺开。阿里巴巴通义千问等模型在预训练时已涵盖东南亚当地上百种语言。新加坡的国家级模型“海狮”已全面转向通义千问基座，马来西亚的政府服务能力建设也在使用中国模型。

 

使用强度可以从调用量看出来。OpenRouter的数据显示，10月5日至10月11日全球AI大模型总调用量172万亿Token，中国模型86.74万亿Token，美国模型18.97万亿Token，前者是后者的4.5倍。当周全球调用量前五名全部是中国模型。

 

连续性更长。截至10月11日，中国大模型的周调用量已连续24周超过美国，稳居全球首位。

 

价格是另一个变量。OpenRouter负责数据分析的贾斯汀·萨默维尔在接受CNBC采访时给出的区间是，中国开源大模型的价格比Anthropic、OpenAI的头部模型低60%至90%。Artificial Analysis的对比更具体：截至10月17日，Kimi K3每百万Token输入3美元、输出15美元，单任务成本2美元；Claude Fable 5.1输入10美元、输出50美元，单任务成本7.63美元。

 

价格差在批量调用时被放大。一家每天处理百万级请求的应用，输入与输出价格的差距直接决定单位经济模型能不能成立，这也是开源模型在新兴市场先落地的一个原因。

 

企业侧的动作已经在跟进。据英国《金融时报》报道，DoorDash、爱彼迎与西门子等企业开始转向中国模型。美国投资机构的数据显示，80%的美国AI初创公司在融资路演中使用中国的开源模型。

 

非洲是另一个测试场。肯尼亚、尼日利亚等国的开发者把中国开源模型当作本地工具，有人用它优化商业流程，有人为高中生做教育工具，也有人搭建面向本地用户的聊天机器人。开源让这些团队可以用自己的数据做定制。

 

能力差距在收窄。斯坦福大学《2026年AI指数报告》显示，截至2026年3月，美国顶尖模型与中国顶尖模型的差距为2.7%。CNBC的判断是，随着性能追赶与开源生态叠加，中国模型正越来越可能成为发展中国家的默认选择。（98出海综合报道）