DeepSeek“开源”质疑：实为Open Model，并未真正开源？

在AI技术飞速发展的当下，DeepSeek无疑是一个备受瞩目的存在。它以令人惊叹的性价比，在开源模型领域崭露头角，被誉为“国产之光”，甚至被戏称为“AI界的拼多多”。然而，伴随其成长的，却是关于其“开源”身份的诸多质疑。有人指出，DeepSeek虽自称开源，但实则仅为Open Model，并未真正开源。那么，事实究竟如何呢？

一、DeepSeek的开源现状

DeepSeek-R1代码和模型权重都采用MIT许可证，这意味着用户可以自由使用、修改和分发。然而，确实没有公开训练数据集和训练代码。我们可以把传统软件代码开源和AI模型权重开源做个对比：在传统开源（如Linux）中，要求源代码完全公开，包括开发过程和数据；而在AI领域，“开源”的定义则较为复杂，通常由Meta起头，将开放权重称为开源。

开源倡议组织（OSI）主任Stefano Maffulli曾批评类似Meta的Llama模型为“伪开源”，因为仅提供权重而不公开数据。既然Meta开了这个头，后面其它的大模型也纷纷效仿，如Llama、Gemma、Qwen，当然也包含了DeepSeek。

OSI专门针对AI提出了三种开源概念：

1. 开源AI系统：包括训练数据、训练代码和模型权重。代码和权重需要按照开源协议提供，而训练数据只需要公开出处（因为一些数据集确实无法公开提供）。
2. 开源AI模型：只需要提供模型权重和推理代码，并按照开源协议提供。
3. 开源AI权重：只需要提供模型权重，并按照开源协议提供。

DeepSeek只开源了权重，并没有开源训练代码、数据集和推理代码，所以属于第三种开源形式。在AI领域，大家都是这样开源的，完全没有必要专门指责DeepSeek一家不开源。并且，在同样是AI领域的开源中，DeepSeek的开源预算是最顶级、最彻底的那一档存在。

二、DeepSeek开源的价值与挑战

尽管DeepSeek的开源形式存在争议，但其开源行为本身仍然具有一定的价值。

价值体现：

1. 降低研究成本：DeepSeek的开源极大降低了外界AI开发者复现模型的难度。目前至少已有两支高校团队成功复现了DeepSeek的模型。对于资源有限的外界AI开发者来说，他们可以直接使用DeepSeek开源的预训练模型和框架，这比使用GPT系列模型具有更大的成本优势。
2. 推动技术创新：DeepSeek的开源让外界AI开发者可以更好地了解思维链（COT，Chain of Thought）技术在先进成熟模型上的应用。同时，DeepSeek所使用的高效训练方法以及由此打造的更小型化的模型，不仅意味着更低的算力需求，也直接降低了Token成本，这让大模型的推理和生成变得更加经济高效。
3. 促进学术交流：DeepSeek的开源有助于促进AI领域的学术交流与合作。通过共享技术细节和模型参数，AI研究者可以更好地理解和学习先进的AI技术，从而推动整个AI领域的进步。

面临的挑战：

1. 数据隐私与安全问题：由于DeepSeek并未公开训练数据集，这引发了关于数据隐私和安全的担忧。一些人担心，如果训练数据中包含敏感信息或偏见内容，那么基于这些数据训练的模型可能会产生不良后果。
2. 模型复现难度：尽管DeepSeek开源了模型权重和部分技术细节，但要想完全复现其模型仍然具有一定的难度。这主要是因为训练大模型需要大量的算力和数据资源，而这些资源对于大多数AI开发者来说并不容易获得。
3. 开源形式的争议：如前所述，DeepSeek的开源形式在AI领域引发了争议。一些人认为，只有同时公开训练数据、训练代码和模型权重的模型才是真正的开源模型。而DeepSeek仅开源了模型权重，因此其开源身份受到了质疑。

三、DeepSeek开源的启示与思考

DeepSeek的开源行为为我们提供了一些有益的启示和思考。

启示：

1. 开源与闭源的平衡：在AI领域，开源和闭源并不是绝对对立的。开源可以促进技术的快速传播和普及，降低研究成本，推动技术创新；而闭源则可以保护企业的商业利益和知识产权。因此，企业需要在开源和闭源之间找到平衡点，以实现自身利益和社会价值的最大化。
2. 数据的重要性：在AI领域，数据是训练模型的基础。优质的数据可以显著提高模型的性能表现。因此，企业在开源模型时需要考虑如何保护数据的隐私和安全，同时又要确保数据的可用性和质量。
3. 社区的支持与参与：开源模型的成功离不开社区的支持与参与。一个活跃的社区可以为模型的开发、维护和改进提供宝贵的反馈和建议。因此，企业在开源模型时需要积极与社区互动，建立良好的合作关系。

思考：

1. 如何定义真正的开源：在AI领域，如何定义真正的开源仍然是一个有待探讨的问题。是否只有同时公开训练数据、训练代码和模型权重的模型才是真正的开源模型？还是只要公开了模型权重和部分技术细节就可以称为开源模型？这需要我们根据具体情况进行具体分析。
2. 开源与商业利益的平衡：企业在开源模型时需要考虑如何平衡开源与商业利益之间的关系。一方面，开源可以促进技术的传播和普及；另一方面，企业也需要通过商业手段来实现盈利和可持续发展。因此，企业需要在开源和商业利益之间找到平衡点。
3. AI伦理与责任：随着AI技术的不断发展，AI伦理和责任问题也日益凸显。企业在开源模型时需要考虑如何确保模型的公正性、透明性和可控性。同时，企业也需要承担起相应的社会责任，确保AI技术不会对人类造成不良影响。

四、DeepSeek开源的争议与回应

关于DeepSeek的开源身份，业界存在诸多争议。一些人认为DeepSeek只是自称开源，实则仅为Open Model；而另一些人则认为DeepSeek已经开源了足够多的技术细节和模型参数，对于AI研究者来说已经具有很高的价值。

针对这些争议，DeepSeek方面也做出了回应。他们表示，DeepSeek已经开源了模型架构和参数，并通过技术报告的形式公布了部分训练算法和目标函数等技术细节。同时，他们也承认训练数据和训练代码的开源在业界少有先例，但这并不影响DeepSeek作为一个有价值的开源模型的地位。

五、DeepSeek开源的未来展望

尽管DeepSeek的开源身份存在争议，但其开源行为本身仍然为AI领域带来了一定的积极影响。未来，随着AI技术的不断发展和开源文化的不断普及，我们有理由相信DeepSeek将会在开源道路上走得更远。

一方面，DeepSeek可以继续完善其开源模型和技术细节，提高模型的性能和可用性。同时，他们也可以积极与社区互动，听取用户的反馈和建议，不断优化和改进模型。

另一方面，DeepSeek也可以探索更多的开源形式和合作模式。例如，他们可以与其他企业或研究机构合作，共同开发新的开源模型和技术；或者他们也可以提供开源模型的定制化服务，满足不同用户的需求。

六、实用信息与干货技巧

对于想要了解和使用DeepSeek开源模型的AI开发者来说，以下是一些实用信息和干货技巧：

1. 获取开源资源：DeepSeek的开源模型和技术细节可以通过其官方网站或GitHub等开源平台获取。开发者可以下载模型参数和技术报告，了解模型的结构和训练方法。
2. 复现模型：尽管复现DeepSeek的模型具有一定的难度，但开发者可以尝试使用DeepSeek提供的开源资源和自己的算力资源来复现模型。在复现过程中，开发者需要注意调整模型参数和优化训练方法，以提高模型的性能表现。
3. 参与社区互动：加入DeepSeek的开源社区，与其他开发者交流和分享经验。社区中有很多有经验的开发者可以提供帮助和支持，同时也可以了解到最新的技术动态和开源资源。
4. 关注隐私与安全：在使用DeepSeek的开源模型时，开发者需要注意保护数据的隐私和安全。避免使用包含敏感信息或偏见内容的数据集来训练模型，以确保模型的公正性和可控性。

七、独特观点

在探讨DeepSeek的开源身份时，我们不应该仅仅局限于其是否公开了训练数据和训练代码。更重要的是要看到其开源行为本身所带来的积极影响和价值。

DeepSeek的开源行为降低了AI研究的门槛和成本，让更多的开发者能够参与到AI技术的研究和应用中来。同时，其开源的模型和技术细节也为AI领域的技术创新和发展提供了宝贵的资源和灵感。

因此，我们应该以更加开放和包容的心态来看待DeepSeek的开源行为。尽管其开源形式存在争议和不完善之处，但其为AI领域所带来的积极影响和价值是不容忽视的。我们应该鼓励和支持更多的企业和研究机构参与到开源运动中来，共同推动AI技术的快速发展和普及。

---

我这里收集了一些AI人工智能写作、运营、提示词等大全：

「课件：DeepSeek 资料大全（25年本地部署+使用技巧+清华大学公开课30GB）」
「deepseek教程、指令、提示词、提问大全」
「课件：清华大学DeepSeek从入门到精通(3个视频课程+2个PDF)354.9MB」
「课件：DeepSeek 资料大全、AI算法、万能提示模版、高级训练、隐藏玩法」
「ddepseek 桌面版安装文件、R1整合包、Sora相关资料、技巧大全」
「14门传费AI课合集运营变现：文心一言、AI商业智慧、职场写作、AI做PPT」
「AI绘画大师、小红书、公众号、理财、爆款、短视频、留学、宝妈等多个视频课程」
「AI算法、机器学习、YOLO实战、Pytorch、OCR、NLP、人脸、Kaggle等视频教程」