文源：源Byte

作者：柯基的柯

當技術(shù)參數(shù)的相關(guān)性飆到0.927，行業(yè)直接炸了。

近期，有研究團隊在GitHub上公開比對數(shù)據(jù)，指出華為盤古ProMoE與阿里Qwen-2.5 14B參數(shù)結(jié)構(gòu)高度雷同，居然高達0.927，超過業(yè)內(nèi)正常范圍（通常低于0.7）。華為盤古團隊迅速回應(yīng)，強調(diào)其模型基于昇騰硬件優(yōu)化，屬于“殊途同歸”，向來在輿論場上不輸陣仗的阿里，卻意外保持沉默。

截圖來源于諾亞方舟實驗室公號

無獨有偶，就在上個月，月之暗面的Kimi-Dev-72B憑借60.4%的測試成績驚艷亮相，因“Basemodel:Qwen2.5-72B”的標注被貼上“套殼”標簽陷入爭議。就在開發(fā)者們爭論不休之時，外界發(fā)現(xiàn)“受害者”依舊是阿里，不禁發(fā)出如此疑問：這是微調(diào)技術(shù)的勝利，還是原創(chuàng)性匱乏的遮羞布？

而曾被寄予厚望的DeepSeek R2，遲遲未能面世，這款有望繼續(xù)對世界頂級大模型持續(xù)施壓的模型長期“跳票”，一定程度助推了國產(chǎn)大模型的技術(shù)標準“失焦”。

在一片R2“狼來了”的聲音中，市場似乎在等待中逐漸失去耐心，正在讓國產(chǎn)大模型的競爭，從技術(shù)比拼滑向資源內(nèi)耗。

01 參數(shù)之爭背后的技術(shù)迷局

華為盤古ProMoE與阿里Qwen-2.5 14B的“0.927相似度”，直接剖開了大模型研發(fā)的黑箱。

研究團隊通過比對注意力參數(shù)分布，發(fā)現(xiàn)兩者結(jié)構(gòu)相似性遠超行業(yè)常態(tài)。華為堅稱其模型基于昇騰硬件優(yōu)化，屬于“異構(gòu)架構(gòu)的殊途同歸”；阿里則保持沉默，但開源社區(qū)已涌現(xiàn)對代碼復用合規(guī)性的質(zhì)疑。

然而，技術(shù)細節(jié)的爭議很快滑向商業(yè)博弈的泥潭。

盤古團隊緊急發(fā)布技術(shù)白皮書，強調(diào)其MoE架構(gòu)的專利布局；阿里則加速推進Qwen-3.0迭代，似乎在用版本升級對沖輿論風險。一位不愿具名的芯片工程師透露：“參數(shù)結(jié)構(gòu)的趨同，本質(zhì)上是算力軍備競賽下的技術(shù)妥協(xié)。”

開發(fā)者社區(qū)并不買賬，用戶 @HonestAGI 通過 “LLM 指紋” 技術(shù)反向驗證，結(jié)果與原始研究高度吻合。技術(shù)趨同是否等同于抄襲？這一問題在開源社區(qū)引發(fā)激烈辯論。

支持華為的聲音認為，大模型領(lǐng)域的技術(shù)重疊難以避免，關(guān)鍵在于優(yōu)化和落地。昇騰生態(tài)的擁躉特別指出，盤古的動態(tài)專家網(wǎng)絡(luò)設(shè)計解決了分布式訓練負載均衡的難題，是實打?qū)嵉膭?chuàng)新。

但反對者，反對者翻出匿名爆料，稱部分盤古模型存在“洗水印”嫌棄——即對開源模型進行微調(diào)后重新包裝。盡管爆料未提供具體證據(jù)，但阿里通義千問的開源協(xié)議中明確要求衍生模型需標注來源，這一細節(jié)讓爭議更加撲朔迷離。

從技術(shù)角度看，參數(shù)結(jié)構(gòu)的相似性可能源于訓練數(shù)據(jù)的重疊或優(yōu)化目標的趨同。但問題的核心在于，當兩家巨頭在公開場合強調(diào)“自主創(chuàng)新”時，這種高度一致性是否違背了開源協(xié)議的精神？

華為盤古團隊的回應(yīng)中，一個細節(jié)值得玩味：他們提到“參考了業(yè)界開源實踐”，但未具體說明哪些實踐。這種模糊表述讓外界難以判斷其行為的邊界。而阿里的沉默，則被解讀為一種戰(zhàn)術(shù)性回避，避免卷入公開論戰(zhàn)。

一位長期觀察AI行業(yè)的分析師表示：“參數(shù)之爭的背后，是國產(chǎn)大模型在高速發(fā)展中的身份焦慮——既要追趕國際巨頭，又要在本土競爭中脫穎而出。”這種焦慮，或許正是技術(shù)迷局的真正底色。

02 微調(diào)紅利與創(chuàng)新困局

華為與阿里的糾紛并非孤立事件，就在上個月，月之暗面與阿里就曾陷入類似的糾紛。

就在外界認為月之暗面要在國產(chǎn)大模型內(nèi)卷中掉隊之時，其推出的Kimi-Dev-72B在SWE-bench測試中一騎絕塵。

該模型通過1500億專項數(shù)據(jù)和數(shù)百萬GitHub工單優(yōu)化，將代碼任務(wù)準確率提升至60.4%。在當時，它刷新了開源模型的紀錄，將包括DeepSeek在內(nèi)的眾多競爭對手甩在了身后。

不過好景不長，開發(fā)者們很快發(fā)現(xiàn)，Kimi-Dev-72B明確標注了其基礎(chǔ)模型為Qwen/Qwen2.5-72B，隨后，開發(fā)者社區(qū)的分歧迅速蔓延：有人將其視為“站在巨人肩膀上”的微調(diào)典范，也有人質(zhì)疑這是披著開源外衣的“技術(shù)組裝”。

微調(diào)本是行業(yè)常態(tài)，但標注的透明性未能消弭質(zhì)疑。月之暗面官方解釋，他們以Qwen 2.5-72B為起點，收集了數(shù)百萬個GitHub問題單和PR提交作為中期訓練數(shù)據(jù)集，其核心創(chuàng)新點在于采用了大規(guī)模強化學習技術(shù)。

爭議的核心并非技術(shù)本身，而是創(chuàng)新的邊界。Kimi-Dev-72B的表現(xiàn)確實亮眼，但它的成功是否依賴于基座模型的原始能力？有匿名開發(fā)者尖銳指出：“如果微調(diào)就能達到頂尖水平，原創(chuàng)的價值在哪里？”

開源生態(tài)的規(guī)則正在被重新定義。阿里通過協(xié)議更新試圖維護技術(shù)主權(quán)，而月之暗面則用性能說話，試圖證明微調(diào)并非簡單的“套殼”。市場反應(yīng)兩極分化：一部分企業(yè)開始效仿這種快速迭代的模式，另一部分則呼吁回歸原創(chuàng)研發(fā)。

值得注意的是，Kimi-Dev-72B的優(yōu)化框架確實有其獨特性，它結(jié)合了BugFixer和TestWriter角色，通過強化學習精準提升代碼修復和測試編寫的效率。

但這種優(yōu)化是否足以定義“創(chuàng)新”，仍是一個懸而未決的問題�？梢姡�行業(yè)的焦慮感正在加劇，當微調(diào)成為捷徑，原創(chuàng)研發(fā)的成本和風險是否會被邊緣化？對此，一位風投機構(gòu)合伙人給出解釋：“資本更傾向于快速見效的項目，原創(chuàng)大模型的投入周期太長。”

03 失序的競爭

R1的輝煌已成往事，R2的難產(chǎn)卻讓市場陷入焦灼。DeepSeek曾以低成本、高性能對標OpenAI，一度成為全球開源推理類模型的標桿。

截圖來源于DeepSeek官網(wǎng)

傳聞在今年4月發(fā)布的R2，時至今日也未能問世，僅僅在5月末推出了一個R1的改款。

至少從6月以來的兩起“套殼”事件來看，改款的R1模型難以承擔定義行業(yè)標準的重任。

有媒體爆料稱，因公司創(chuàng)始人梁文鋒對性能的極致追求和H20芯片短缺被迫延期，根據(jù)爆料的內(nèi)部文件顯示，其1.2萬億參數(shù)的MoE設(shè)計對標GPT-4Turbo，但訓練成本控制成為致命瓶頸。

技術(shù)瓶頸之外，行業(yè)正面臨更嚴峻的信任危機。R1曾以純強化學習訓練打破技術(shù)范式，而R2的缺席讓華為、阿里有望搶占生態(tài)位，有風投機構(gòu)對源Byte表示：“當所有人都忙著給模型‘鍍金’，真正的創(chuàng)新反而成了奢侈品。”

DeepSeek如今已經(jīng)成為了國產(chǎn)大模型的代名詞，其R1模型具備定義行業(yè)標準的意義，但長達半年多的技術(shù)缺位、R2接連跳票后，難免有人想取而代之。“對于一線互聯(lián)網(wǎng)大廠來說，能夠定義行業(yè)標準、引領(lǐng)行業(yè)前進方向，才是他們最為看重的。”上述風投機構(gòu)坦言。

簡單點理解，就是DeepSeek R2的跳票，或變相造成了國產(chǎn)大模型的競爭失焦。

華為和阿里在R2真空期內(nèi)動作頻頻，華為盤古ProMoE的爭議尚未平息，阿里已悄然推進Qwen-3.0的迭代。兩家巨頭的技術(shù)路徑雖有差異，但核心邏輯仍是參數(shù)與性能的堆砌，難怪不少匿名開發(fā)者都在調(diào)侃：“大家都在玩‘誰的數(shù)字更大’，沒人關(guān)心技術(shù)是否真的進步。”

據(jù)部分開發(fā)者向源Byte爆料稱，部分國產(chǎn)智能體專注“出海”，而非針對國內(nèi)市場開發(fā)，除了國內(nèi)市場尚未形成付費習慣，還有相當一部分的原因是，國產(chǎn)大模型僅僅在參數(shù)上追平或趕超海外模型，但在具體的開發(fā)細節(jié)上，仍存在一定差距，直接導致開發(fā)成本的飆升。

與此同時，芯片短缺加劇了這場混亂。英偉達H20的供應(yīng)緊張，讓依賴高端硬件的企業(yè)陷入被動。DeepSeek的延遲或許只是開始，更多中小廠商可能因資源不足被迫退出競爭。

即便如此，市場對R2的期待仍未消退。傳聞稱其混合專家架構(gòu)（MoE）將成本大大降低，但具體表現(xiàn)仍是未知數(shù)。若R2能如期突破，或許能重新點燃行業(yè)的信心；若繼續(xù)延遲，國產(chǎn)大模型的競爭格局或?qū)⒏膶憽?/span>

耐人尋味的是，這場延遲反而讓市場看清了行業(yè)的真實狀態(tài)，技術(shù)路徑趨同、創(chuàng)新乏力、資源壟斷——這些問題在R2的缺席中被放大。一位從業(yè)者無奈表示：“我們需要的不是另一個參數(shù)怪獸，而是能真正解決問題的工具。”

部分圖片來源于網(wǎng)絡(luò)，如有侵權(quán)請告知刪除

       原文標題 : 改款DeepSeek，亂了華為心態(tài)