今年10月，硅谷两家AI编程工具公司Cursor与Windsurf相继发布所谓“自研”大模型，引发开发者社区热议。然而不久后，有用户发现这些模型在推理过程中频繁出现中文输出，甚至在越狱后承认源自中国公司智谱AI。这一发现迅速引爆舆论，讽刺之声四起：“一边开源，一边自研”，仿佛借了邻居的工具，还要刷上新漆冒充原创。 而到了近日，这种“借壳上市”的做法似乎已不再遮掩。总部位于旧金山的初创公司Deep Cogito正式发布其旗舰模型Cogito v2.1 671B，CEO Drishan Arora在社交平台X上豪言：“今天，我们发布了由美国公司制造的最好的开源大语言模型。” 为佐证其说法，公司公布了一系列亮眼的基准测试数据：在GPQA Diamond推理测试中逼近GPT-5水平；在多语言MMLU上超越Claude Sonnet 4.5；数学与代码能力更是大幅领先Meta的Llama系列。 然而，熟悉AI领域的观察者很快注意到，671B这一参数规模与DeepSeek-V3完全一致。随后，Hugging Face上的模型配置文件中一行代码“base_model: deepseek-ai/DeepSeek-V3-Base”彻底揭开了谜底。与此前Cursor等人刻意隐瞒不同，Deep Cogito选择坦然承认：该模型确系基于DeepSeek-V3-Base进行分叉（fork）而来。 CEO Arora解释称，在当前AI生态中，预训练已近乎成为“通用基础设施”，如同电力一样普及。真正的挑战在于后训练——如何将一个基础模型打磨至前沿智能水平。他指出，美国除Meta外，极少有能提供高质量基础模型的机构，而DeepSeek因其成熟架构与低成本推理生态，成为无可争议的优选。 Deep Cogito的核心竞争力并非从零训练，而是其自主研发的“前沿后训练栈”。该团队基于DeepSeek基础模型，运用强化学习与迭代蒸馏放大（IDA）技术，对模型进行深度优化。通过数百个GPU节点的分布式训练，实现了推理效率的显著提升。在处理复杂逻辑任务时，Cogito v2.1平均仅消耗4894个Token，远低于Google Gemini 2.5 Pro的9178个，效率优势明显。 其背后的关键，是“过程监督”机制。传统模型依赖冗长的思维链逐步逼近答案，耗时耗力。而Cogito v2.1通过强化学习培养出更强的直觉判断能力，能在更短路径中锁定正确推理轨迹，真正实现“少即是多”。 在MATH-500数学基准测试中，Cogito v2.1以98.57%的得分微弱领先“老师”DeepSeek V3.2（97.87%），大幅超越Llama 4 Scout；在SWE-Bench Verified代码修复任务中也表现优异。 客观而言，Cogito v2.1确属一款高性能模型，尤其在推理效率与特定任务表现上具备创新价值。其技术投入值得肯定。但将一个核心架构与参数均源自中国DeepSeek的模型，冠以“美国公司制造的最好开源模型”之名，显然有失公允。更值得警惕的是，部分模型中隐含的意识形态倾向，背离了开源精神所倡导的开放、中立与协作。 这一事件再次印证：中国开源AI模型正成为全球创新的基石。无论是成本、效率还是技术成熟度，基于中国模型进行二次开发，已成为全球初创公司务实之选。从零预训练671B模型需数千万美元投入，而依托高质量开源底座，可大幅缩短研发周期、降低门槛。 Deep Cogito的做法，折射出部分硅谷从业者面对技术格局变化时的复杂心态：既无法忽视中国模型的强大实力，又难以摆脱“技术霸权”的执念。真正的技术自信，不在于包装叙事，而在于坦诚合作与实质贡献。开源的未来，终究属于超越国界的协作与共享。