三天前，一位北京律所合伙人告诉希鸥网，他已经很久没招过新助理，入门级工作AI基本都能干，但他对专业AI插件评价不高：“当零食吃是足够了，当主菜吃还差一大截。”就在他抱怨的同时，法律AI独角兽Harvey发布了自有基础模型Harvey Tenet，估值约110亿美元，服务全球60个国家的1300多家机构，超半数Am Law 100律所是其客户。
希鸥网观察到，Harvey Tenet并非从零训练，而是以中国公司月之暗面的KimiK3为底座，联合Fireworks AI，用约150块B300历时两个月，经法律专业数据后训练而成。此前，被SpaceX以600亿美元收购的编程应用Cursor也承认，其自研模型Composer 2基于KimiK2.5底座后训练。两家垂直赛道最顶尖的AI应用公司，不约而同选择了中国开源底座。
这两个事件共同指向一个结论：开放权重模型加行业专家数据加后训练，正在成为垂直公司炼出前沿模型的成熟路径。法律服务是全球客单价最高、错误容忍度最低的行业，编程则是Token消耗量最大的赛道。编程和法律这两个最难啃的骨头都被啃下，说明这条路径已经具备可复制性，而非偶然的个案。
过去，垂类应用依赖闭源前沿模型加插件，问题有三：通用模型未针对细分领域优化，专业度不足；前沿闭源模型API价格昂贵；模型不开放不灵活，无法调整或本地部署。Harvey Tenet和Cursor Composer 2验证了另一种思路：开源生态性价比更高、可塑性更强，中国开源模型的活跃社区生态为后训练提供了坚实基础。
Kimi系列底座被两家AI独角兽同时选中，国产模型厂商的集体崛起是更深层的原因。Harvey另外三个专家模型研究中，两个基于智谱GLM-5.2，一个基于阿里Qwen 3.8，四个项目的底座全部来自中国开源模型。英国《金融时报》已将Kimi和DeepSeek列为对Anthropic和OpenAI构成压力的中国厂商代表。这条路径如果离开中国开源模型，根本不成立。
希鸥网认为，全球AI应用的“普罗米修斯时刻”已经到来，Kimi扮演了普罗米修斯的角色。编程行业验证了效率，法律行业验证了专业度，金融、医疗、制造等垂直行业可直接复用这个论证模板。国产开源厂商处在一个极其有利的结构性位置：上游掌握模型底座，下游全球垂类应用公司都在基于它构建专业化能力，这是一个典型的卖铲人生态位。
开源模型加行业后训练的路径，对创业公司还有一个启示：找对人比找有钱人更重要，选对底座比从零自研更聪明。就像那位律所合伙人，他不是不需要AI，而是需要真正懂法律行当的AI。创业者与其纠结于自研还是采购，不如思考一个更本质的问题：你的团队有没有人真正懂客户的核心业务场景？模型是通用的，行业知识才是护城河。
建立护城河的另一个维度，是创始人必须保持对一线的敏锐嗅觉。Cursor选择Kimi底座，Harvey选择KimiK3，都是技术团队基于实际场景反复评测后的判断。很多创始人在拿到融资后被各种外部建议包围——做平台、扩品类、铺渠道，这些建议或许正确，但不一定适合当下的阶段。只有泡在一线闻到火药味的人，才能做出像“选Kimi做底座”这种关键决策。
垂直AI应用公司的成功还能拆解出更精细的运营法则：一是找到北极星指标并让它简单到一句话，比如Harvey盯住“法律任务完成率”而非API调用量；二是敢于做减法，砍掉非核心业务，把150块B300的算力集中在法律数据后训练这一件事上；三是用独特价值获取溢价，再反哺模型迭代，形成正向飞轮。开源生态的商业化空间由此被证明可以近乎无限。
金鸥品牌榜·2026年度创新案例库开放申报了。免费提报，独立评估，入榜品牌将获得电子版《入榜证明》及年度专题公示，优秀案例可获得深度专访+全平台分发。 如需修改或发布文章，请加微信号：sheisceo