2025年12月13日，CCF YOCSEF南京观点论坛“论‘假开源’，AI模型开源浪潮下的困境与破局”顺利举办。论坛邀请南京大学副教授冯洋、东南大学副教授杨旭、南京柯基数据CTO杨成彪做引导报告。论坛设置专题思辨环节，邀请云问科技NLP研究院负责人杜振东、南京航空航天大学副教授宫丽娜、东南大学讲师毕胜等围绕思辨议题进行发言，全体与会嘉宾就AI模型“假开源”的定义、驱动力及其与开源社区的冲突、共赢等问题展开深入交流。论坛由CCF YOCSEF南京AC委员肖国辉（东南大学）、吴天星（东南大学）担任执行主席，CCF YOCSEF南京学术秘书臧天梓（南京航空航天大学）、AC委员符润泽（苏交科）担任在线主席。

图1 吴天星介绍CCF YOCSEF与本次论坛背景

论坛首先由吴天星介绍CCF YOCSEF与本次论坛背景。随着人工智能的发展与大模型的兴起，AI模型“开源”的边界已从源代码扩展至模型权重、训练数据乃至推理流程。然而，当前对AI模型开源的内容范围、开放程度及合规标准尚缺乏统一定义，致使不同组织采取“选择性开放”策略，催生出“假开源”等争议现象。这不仅违背了开源精神，导致模型难以复现，更挑战了社区信任机制，阻碍了协作生态的发展。为厘清AI模型假开源的背后成因、实际影响与发展方向，本次论坛将开展深入探讨。

图2 冯洋作引导报告

在引导报告环节，冯洋首先作题为《开源数据与AI模型质量研究》报告。他指出在AI模型开源浪潮中，训练数据的质量与开放程度直接影响模型的可复现性与社区信任，强调高质量数据是模型性能跃迁的核心，推动从“模型中心”到“数据中心”的转变，并指出数据重复、噪声、偏见等问题会引发安全风险与能力失衡。若开源过程中仅部分公开模型权重而忽视训练数据的完整开放，即构成“假开源”，将导致模型难以复现、社区协作受阻，违背开源精神，亟需在数据治理与开放协议层面建立统一标准以推动生态健康发展。

图3 杨旭作引导报告

杨旭在《Open Source or Closed Source: A Conditional Problem》引导报告对比了开源与闭源的利弊：开源通过降低使用门槛、促进社区协作与快速传播，有助于构建生态、提升个人与品牌价值；闭源则侧重于保护商业机密、防止核心代码被复制，并减少社区维护的管理负担。结合当前AI模型开源面临的困境——如开源范围模糊、部分组织“选择性开放”导致“假开源”现象，既违背开源协作精神，也影响技术复现与生态信任，突显了在AI时代界定真正“开源”内涵与实施路径的紧迫性。

图4 杨成彪作引导报告

杨成彪在《大模型“假开源”对Agent生态的机遇与挑战》引导报告中围绕大模型“假开源”现象，探讨其对Agent生态的双重影响：一方面，“工业级开源”通过提供高性能、易部署的顶级模型，大幅降低企业使用与部署成本，并借助私有化与微调能力帮助开发者规避版权风险、切入2B与2G市场；另一方面，“假开源”模式牺牲了训练数据的透明度与可复现性，动摇了开源协作的信任基础，进而影响Agent生态的长期健康发展。论坛进一步指出，当前AI开源缺乏统一标准，导致“选择性开放”盛行，亟需在开放与合规之间寻求可持续的生态平衡路径。

在引导报告后，肖国辉、吴天星共同主持了接下来的思辨环节。与会嘉宾围绕“AI模型‘假开源’的深层驱动力”、“AI模型‘假开源’与开源社区的本质冲突点”、“AI 模型‘假开源’与开源社区共生互赢” 三个议题展开了深入思辨。

图5 特邀嘉宾发言

图6 思辨精彩瞬间

思辨议题一：AI模型“假开源”的深层驱动力是什么？

在思辨议题一的讨论中，特邀嘉宾毕胜认为AI模型“假开源”的深层驱动力主要涉及两方面：一是商业竞争壁垒，国内大公司为保持技术领先和快速发展，倾向于避免开源以维持优势；二是知识产权与合规风险，使用互联网数据训练模型可能涉及版权等问题，目前法律界正密切关注相关合规争议。其他与会嘉宾同样认为首要驱动力是商业竞争壁垒，企业将训练数据和核心过程视为关键资产，开源易导致竞争优势丧失。但从企业视角出发，当开源带来的流量、生态影响力及潜在收益大于其数据安全等风险时，企业会倾向于“假开源”以维持商业利益。此外，考虑到目前高昂的技术成本，完全开源所有数据与训练细节将极大增加验证与重新训练的成本，反而不利于技术普及。最后，有观点指出其背后是主导力量的转变：大模型时代由企业界而非学术界主导，其核心驱动力从技术共享转变为商业利益，从而催生出“假开源”的现象。

思辨议题二：AI模型“假开源”与开源社区的本质冲突点是什么？

在思辨议题二的讨论中，特邀嘉宾杜振东认为，AI模型“假开源”与开源社区的本质冲突在于“假开源”以商业利益（如投融资、公关宣传、股价提升）为核心目标，而开源社区追求的是技术的可复现性、白盒化、安全性和长期可迭代性；假开源的决策层通常不重视社区建设和开发者培养，导致社区无法有效参与贡献。其他与会嘉宾认为AI模型“假开源”与开源社区的本质冲突主要体现在目标导向、参与模式和可持续性三个层面。“假开源”往往由企业主导，以提升影响力、获取流量或商业利益为核心诉求，多表现为仅公开模型权重或部分架构，而关键数据、训练过程及工程细节不透明，形成单向信息输出。这导致社区无法有效参与代码贡献、技术讨论或核心创新，与传统开源社区所倡导的“共建共享、双向互动”原则相悖。同时，假开源项目常缺乏长期维护机制，生命周期短，与开源社区追求的可复现性、持续迭代及生态健康发展存在根本矛盾。

思辨议题三：AI模型“假开源”与开源社区如何共生互赢？

在思辨议题三的讨论中，特邀嘉宾宫丽娜认为，AI模型开源显著推动了开源社区（如Hugging Face）的发展，吸引了大量开发者和用户，促进了技术共享与创新。为实现共生互赢，应分层定义开源标准、设置时间限制逐步开放数据、根据贡献度给予权限激励以提升参与度。其他与会嘉宾认为当前部分开放模型权重、而非完全公开数据和代码的“工业级开源”模式，具有现实的过渡价值，它显著降低了中小企业与大模型的应用门槛，激活了下游创新与商业生态。为实现真正共生，需构建双向增益机制：一方面，企业可通过开放部分能力获取社区反馈、生态繁荣及人才关注；另一方面，社区需探索建立贡献度量、数据共享或分级开源框架，使社区参与能反哺模型进化，形成“使用-反馈-改进”的正向循环。此外，部分观点呼吁发展第三方中立机构或标准，在保护核心知识产权的同时，推动高质量、无争议数据的共建共享，为学术与商业应用提供可信基础。

论坛最后由吴天星进行总结，他提到本次论坛揭示了当前大模型开源实践中“假开源”现象的复杂性。尽管完全透明的真开源面临技术门槛与商业壁垒的双重挑战，但现有的部分开放模式仍为AI技术普惠与生态创新提供了阶段性路径。他强调，学术界与企业界需在“最优解”的现实中保持思辨，既要理解商业逻辑下的开源博弈，也应坚守科研对技术可复现性与深度创新的追求，目前AI模型开源由于代价、合规、利益等因素尚未达到传统软件开源的成熟阶段。因此，应积极探索如何在现有模式与理想状态之间架设桥梁，未来可通过推动分层开源标准、建立贡献反馈机制以及发展第三方可信数据平台等务实举措，逐步构建一个更能激发创新、兼顾各方利益且可持续发展的AI模型开源新生态。

图7 执行主席为嘉宾颁发感谢证书

图8 论坛与会人员合影

此次论坛共历时四小时，所有与会人员针对AI模型开源的困境与破局进行了深入思辨，最终在热烈的讨论氛围中圆满结束。特别鸣谢本次论坛的支持单位:东南大学计算机科学与工程学院教工精英党支部。

撰稿：吴天星

审核：朱光辉

编辑：孟凡