韩国AI集体对标DeepSeek？这是开源的宿命，也是开源的胜利

七月底八月初，韩国多家AI企业扎堆发布新模型，齐刷刷将DeepSeek列为核心对标对象，宣称“性能相当”、“局部超越”。

有人说，这些AI企业目的不纯，是踩中韩国预算节点的“基准分表演”。也有人说，这些AI企业的技术大多来自我国开源模型，简直是抄袭。

但这些都不重要，重要的是，这就是开源的宿命。

01

集体“超越”背后

七月末的韩国AI圈，上演了一场步调高度一致的“对标秀”。

LGAI研究院、SK电讯、Upstage、MotifTechnologies等企业密集发布大模型，口径惊人一致：性能对标DeepSeek系列，特定领域实现反超。

从7500亿参数的K-EXAONE2.0，到6880亿参数的A.XK2，再到2500亿参数的SolarOpen2，参数规模节节攀升，“超越DeepSeek”的通稿铺满了韩国的科技媒体版面。

但实际上，这场集体超越，有着另一个目的，而这个目的就藏在时间线里。

就在这场发布潮的前几周，韩国敲定了一个“独立AI基础模型”的项目入围名单，NaverCloud、Upstage、SK电讯、NCAI、LGAI研究院五家企业成功入选。

这个项目年投入约1936亿韩元，配套1576亿韩元专项采购英伟达B200与H100显卡，同时打包开放公共数据、提供人才补贴。

更关键的是项目实行残酷的淘汰赛制：每半年淘汰一次，年底首轮就要从5家砍至4家，后续逐步压缩至2家。

换句话说，这些韩国的模型发布都在踩“签约前冲刺”的窗口期。

所谓的“性能超越”，本质上是面向政府预算的技术路演：拿出亮眼的评测分数，证明自己配得上举国的资源倾斜，拿到活下去的门票。

这里边因此出现了不少有意思的现象。

一是选择性评测的数字游戏。

比如LG的EXAONE系列主打韩国高考数学、AIME竞赛题等窄赛道得分，却对GPQADiamond理科综合推理、编码能力等通用指标避重就轻。LG自己都承认，在综合推理与编码能力上，EXAONE仍落后于DeepSeek。

二是“借开源基座做本地化”的路径依赖。

SK电讯早年的A.X4.0，官方文档明确标注基于开源的Qwen2.5做继续预训练，替换韩语分词器后再完成SFT与RLHF。相当于站在咱们大模型的肩膀上，灌进去海量韩语语料，再转头和原始中文模型比韩语能力。

到了后来的A.X3.1，为了摆脱“套壳”质疑，SKT转而主打“从零自研”，但训练token量、参数规模双双缩水，能力不升反降。

因此这场路演里的“超越”，水分其实一目了然。

02

借鸡生蛋是开源宿命

很多人看到这里会愤愤不平，觉得韩企“蹭开源、吹自研”不地道。

但站在产业逻辑看，这恰恰是开源模式的结果：你选择把模型权重、训练框架公之于众，就等于默认其他开发者都可以站在你的基础上二次创新。

借鸡生蛋，不是开源的bug，而是开源的宿命。

开源大模型的核心价值，不是“只有我自己能用”，而是通过开放降低行业创新门槛，让更多主体基于基座做场景化、本地化的适配。

对于韩国这样的市场而言，从头训练一个通用大模型成本极高、周期极长，还要面对5000万人口带来的语料天花板、人才储备不足等天然短板。

而DeepSeek、通义千问等我国开源模型，在同等参数规模下已经做到了全球头部的性能水平，代码、权重完全开放，拿来做继续预训练的边际成本很低。选择站在我国开源模型的肩膀上做韩语本地化，是工程层面最理性、性价比最高的选择。

这不是韩国企业没本事，是我国开源模型的实力足够强，强到成为了别国做AI的“默认起点”。

所以大可不必把这种“二次开发”视为吃亏。

开源生态的核心逻辑，是用技术开放换生态话语权。当越来越多的国家、企业基于你的基座开发行业模型、区域模型，你的技术路线、工具链、生态标准就会成为行业事实标准。就像当年Linux开源之后，无数企业基于它做定制化操作系统，反而巩固了Linux在服务器市场的统治地位。

今天韩国企业基于中国开源模型做韩语AI，本质上是在为中国AI的技术路线做全球落地的验证与推广。

从另一个角度看，“被对标”本身就是一种认可。

韩国搞“主权AI”，没有把GPT-4o、Gemini当成核心参照物，偏偏选中了DeepSeek，恰恰说明在性价比、开源度、工程可落地性的综合维度上，我国模型已经是全球同赛道的标杆。

03

开源AI的生态位跃迁

这场韩国AI的“超越秀”，表面看是技术宣传，背后折射的却是全球AI产业格局的悄然变化。

过去谈到开源大模型，默认基座是Meta的Llama系列。

但短短两年时间，DeepSeek、Qwen等我国开源模型快速崛起，在性能、效率、开源程度上全面追赶甚至反超。

对于中小国家和地区而言，来自东方的开源模型已经成了比硅谷大模型更优的选择：没有严苛的使用限制，性能足够强，适配成本更低。韩国的国家级AI项目集体对标、甚至基于中国模型二次开发，就是这个趋势的缩影。

但我们也要清醒看到，这种“被借鸡生蛋”的局面，既是机遇也是挑战。

一方面，开源生态的护城河正在加速形成。

当全球越来越多的开发者、企业基于中国模型做二次开发，围绕这些模型的工具链、数据集、行业方案会越来越丰富，形成正向循环。别人借你的鸡生了蛋，最终这些蛋又会反过来丰富你的生态，让你的基座变得更有价值。这种生态层面的网络效应，一旦形成就很难被颠覆。

另一方面，我们也要警惕“基准分内卷”的陷阱。

韩国半年一淘汰的赛制，已经倒逼企业把资源砸在刷评测分数上，而不是底层架构创新、长期数据管线建设。这种短视行为，只会让模型停留在“跑分好看、实用拉胯”的层面，陷入“用韩语基准证明韩国模型最强，再用这个结论申请更多韩语项目预算”的自我循环。

这对于我国AI产业而言，是一个很值得观察的反例。

说到底，开源从来不是一场无私的慈善，而是一种更高明的产业竞争策略。你开放了自己的技术底座，就必然会有人借鸡生蛋，甚至在局部赛道反过来超过你。

但这正是开源的魅力所在：它让你的技术突破了自身的边界，渗透到更多国家、更多行业、更多场景里。