文章摘要
月之暗面近期发布了开源代码模型Kimi-Dev-72B，该模型在软件工程任务基准测试SWE-bench Verified上取得了60.4%的成绩，创下开源模型新纪录，超越了包括DeepSeek在内的多个竞争对手。然而，开发者们发现该模型明确标注了Base model: Qwen/Qwen2.5-72B，这引发了对Kimi-Dev优异表现是否源于创新或“套壳”的疑问。Kimi-Dev-72B并非从零开始训练，而是基于阿里巴巴Qwen团队的72B参数模型进行二次开发。月之暗面采用了大规模强化学习技术，让模型在Docker环境中自主修复真实代码仓库的问题，确保生成的代码不仅正确，而且符合实际开发标准。
在软件工程任务基准测试上，Kimi-Dev-72B展现了出色的性能，实现了显著的提升。在许可证方面，Kimi-Dev-72B采用MIT协议发布，但需要遵守Qwen-2.5-72B的原始许可限制，同时将自己的创新工作以MIT协议开源。这种做法在开源社区中被称为“delta权重”发布，即只发布相对于基础模型的增量部分。
争议的起源是社区对“月之暗面是否获得了使用Qwen-2.5-72B的特殊许可”的质疑。根据Qwen的许可协议体系，72B模型采用的是《通义千问许可协议》，规定当产品的月活跃用户（MAU）超过1亿时，需要向阿里申请商业授权。Qwen团队负责人林俊旸在X平台上的回复揭示了问题的本质，这不是月之暗面的违规使用，而是Qwen团队自身许可策略演进中的“历史遗留问题”。在2025年4月底发布的Qwen3系列中，所有模型都已经采用了更加开放的Apache 2.0协议。
从技术角度看，这个案例反映了当前AI创业的现实。训练一个达到GPT-3质量的30B参数模型需要约45万美元，而更大规模的模型如70B参数级别，成本会达到数百万美元。月之暗面选择Qwen-2.5-72B作为基座并非偶然，根据多项评测，Qwen2.5系列在代码、数学、多语言等方面都达到了业界领先水平。站在这样的基座模型上，月之暗面可以将资源集中在自己的核心优势——强化学习训练方法上。
尽管Kimi-Dev在SWE-bench上取得了优异成绩，但实际应用中仍有改进空间。有开发者测试发现，模型生成的代码有时需要调试才能运行，对复杂需求的理解也不够完整。这说明即使基于强大的基础模型，要做出真正优秀的垂直应用仍需要大量创新。这场“套壳”争议最终成为了一个行业发展的缩影。开源策略正在从限制性许可向完全开放转变，这是赢得开发者生态的必然选择。同时，基于优秀基础模型的“二次创新”正在兴起，关键是找到自己的差异化价值。大厂与创业公司不再是简单的竞争关系，而是在开源生态中形成新的协作模式。
随着更多的开源模型采用Apache 2.0协议，类似的许可争议将越来越少。而像Kimi-Dev这样基于开源模型的专项优化案例，或许会越来越多，这正是开源AI生态繁荣发展的标志。
原文和模型
【原文链接】 阅读原文 [ 1883字 | 8分钟 ]
【原文作者】 硅星人Pro
【摘要模型】 deepseek-v3
【摘要评分】 ★★★★☆
相关文章
