每隔一段时间，“国产大模型都是套壳”的说法就会重新流行一轮。近日又有帖子声称，国内几家头部厂商的模型“无非是把开源权重改个名字”，并配上几张看不出出处的对比图。这个结论下得太随意，值得认真掰扯一下。
首先要区分两个概念：基于开源做二次开发，和“套壳”。前者是行业通行做法，Llama系、Qwen开源系衍生出的模型在全球范围内数以万计，微调、继续预训练、蒸馏都属于正常的技术路线，只要在模型卡里如实标注基座，就无可指摘。后者指的是把别人的模型原封不动换个名字对外宣称自研，这是诚信问题。把前者一律叫“套壳”，等于把整个开源生态污名化。
具体到几家被点名的公司，公开材料其实很充分。智谱的GLM系列从GLM-130B开始就发布了完整的模型结构与训练细节，其自研的排列语言模型目标、RoPE位置编码方案在论文里有明确交代，后续GLM-4系列的技术博客也披露了多阶段对齐流程。月之暗面的Kimi在长上下文方向上的工程实现，包括针对超长序列的注意力计算优化和KV缓存管理，在其技术分享中有具体描述，这类系统级优化很难靠“改个名字”获得。阿里的通义千问既走开源路线也走闭源API路线，开源部分本就公开权重，闭源版本的训练数据配比与对齐策略属于未公开信息，但不能因此反推为“没有自研”。字节的豆包背后是Seed团队的持续投入，多模态方向上的模型迭代节奏有产品版本可查。至于DeepSeek，其MoE架构下的负载均衡策略、MLA注意力机制都是发表过论文的原创设计，这一点在国际社区也有大量讨论，说是套壳显然不合事实。
还有一类“证据”是参数规模对不上。有人拿某模型的参数量与某个开源模型对比，发现接近，就断定同源。这种推理忽略了一个基本事实：在给定算力预算和推理成本约束下，参数量收敛到相近区间是工程最优解的自然结果，7B、13B、70B这些档位本身就是行业惯例。参数量接近不等于权重相同，就像两栋楼都是三十层，不代表是同一张图纸。
那怎么判断一个模型是否真的自研？看几个硬指标：有没有公开的模型结构描述和训练方法论文；分词器、位置编码、注意力实现这些底层细节是否与所谓“基座”一致（不一致基本可以排除直接套用）；评测表现是否呈现出与基座不同的能力分布，比如中文长文本、代码、数学上的相对强弱；以及版本迭代是否有可追溯的技术演进路径。这几条交叉验证下来，绝大多数传言都站不住。
需要承认的是，国内确实存在一批“微调即发布”的小团队产品，拿开源权重简单SFT就对外宣传“自研大模型”，这类情况应该被批评，监管层面对生成式AI服务备案的要求也在收紧这块。但把少数现象扩大成对整个国产阵营的判断，既不公允，也会误导开发者的技术选型。
对开发者而言，真正该关心的是接口稳定性、上下文长度、工具调用能力、价格和合规资质，而不是纠结“血统纯不纯”。开源与自研从来不是对立关系，站在开源肩膀上做出差异化，本身就是产业分工的一部分。把边界讲清楚，比扣帽子有用得多。
标签：大模型,开源,辟谣,智谱,Kimi