Amusi 昨天刷微博，看一条热搜消息，直接“笑晕”了～ “印度、韩国突然宣称造出媲美 DeepSeek 的大模型”，全球 AI 进入“ DeepSeek 时刻”？

原来是 —— India Plus 在 X 平台上发布所谓🚨重磅消息：🇮🇳印度Sarvam AI联合创始人Vivek Raghavan称，该公司仅花费2000万美元就构建了3个AI模型，比中国DeepSeek的成本更低。

看到上面动态中的这条评论，真的绷不住了：中国这么做的时候，新闻铺天盖地；但印度做得更高效的时候，却无人问津。西方媒体和心怀嫉妒的科技公司对此视而不见。

但评论区中也有理性的人：中美两国的AI模型占据主导地位。新闻热点逐渐消退，但差距依然存在。想真正跻身顶尖行列？那就别光说不练，赶紧着手构建合适的基础设施和 GPU pipelines 吧。

近期，印度和韩国确实有多家企业和机构高调宣布推出了“媲美甚至超越 DeepSeek”的本土大模型，但经过调研，发现这些模型普遍存在“套壳”、蒸馏微调或仅在特定场景占优的现象，其宣传口径与实际技术实力之间存在明显落差。

🇮🇳 印度：主打低价与“套壳”微调

印度方面主要有 Sarvam AI 和 169PI 等企业参与，但核心技术多依赖中国开源底座。

169PI 的 Alpie 模型：该模型仅有 320 亿参数，但在部分数学和软件工程榜单上表现亮眼。然而，技术开发者拆解后发现，Alpie 并非完全从零自研，而是基于中国开源模型 DeepSeek-R1-Distill-Qwen-32B 进行了二次蒸馏、量化和微调。这本质上是“套壳”操作，在脱离特定场景后，其逻辑推理和长文本理解等通用能力与 DeepSeek 存在明显差距。
Sarvam AI：该公司宣称仅用 2000 万美元就训练出三款模型，成本远低于 DeepSeek。但开源其 Sarvam-105B 模型后，行家发现其底层架构借鉴了 DeepSeek 的设计（如 Multi-head Latent Attention 和 MoE 架构），被指为“山寨缩水版”，与其对外宣传的“完全自主”存在出入。

🇰🇷 韩国：偏科严重与代码雷同

韩国的模型虽然在参数规模上更大，且有一定的自主研发成分，但同样面临诸多争议。

Motif-3 Beta：由一个约 30 人的团队在 5 个月内开发，总参数达 3140 亿（MoE 架构，激活约 130 亿）。该模型专门使用约 106GB 的韩语语料进行预训练，主打韩语自然语言处理（NLP）。虽然在韩语专项测试中表现不错，但在全球通用基准测试中表现平平，被网友戏称为“韩专精特供版”。
LG 的 K-EXAONE 2.0：这是韩国目前规模最大的基础模型，总参数高达 7500 亿。但在全球通用基准测试中，其平均分与 DeepSeek 同代模型仍有显著差距。此外，在韩国的国家级 AI 竞赛中，多支顶尖队伍的核心代码被发现与 DeepSeek、千问等中国开源模型高度雷同，甚至连版权标记都未删除干净。

图片出处：无心简影@微博

📊 核心差距对比一览

表格


维度	印度/韩国模型	DeepSeek (V4 Pro)
参数规模	最大 7500 亿 (K-EXAONE)	2.8 万亿，差距一个量级
架构原创性	多为蒸馏微调或架构借鉴	完整自研 MoE 架构
基准表现	仅在特定语言或数学榜单占优	通用任务、代码、长文本等综合能力强

🤔 为什么都选择对标 DeepSeek？

印韩两国不约而同地将 DeepSeek 作为对标对象，背后主要有三个原因：

开源降低了门槛：DeepSeek 等中国模型的开源，大幅降低了研发通用大模型的成本和技术门槛。与其投入巨资从零开始，不如利用现成的开源底座进行本土化适配，既省钱又高效。
政府补贴推动：两国政府都希望通过“主权 AI”战略掌握主动权。韩国政府为 Motif 团队提供了 700 多块英伟达 B200 GPU；印度政府则为 Sarvam AI 提供了 4096 块 H100 的使用权。这些算力补贴是他们快速入场的直接推力。
AI 主权叙事：两国都希望建立本土的 AI 生态，避免在核心技术上完全依赖外国公司。打出“超越 DeepSeek”的口号，既能迎合国内“技术自主”的叙事，也能在国际上吸引关注和投资。

总的来说，这场风波反向证明了中国开源大模型在全球范围内的强大影响力。DeepSeek 等模型已经成为全球 AI 发展中绕不开的基础设施，无论是直接应用还是作为技术参照，都标志着中国 AI 技术从“追赶者”向“基础设施提供者”的角色转变。

本文系学术转载，如有侵权，请联系CVer小助手删文

绘图神器下载


后台回复：绘图神器，即可下载绘制神经网络结构的神器！
何恺明在MIT授课的课件PPT下载

       
       
       
       
        
        
        
                 
         
         
         
          在CVer公众号后台回复：何恺明，即可下载本课程的所有566页课件PPT！赶紧学起来！
         
         
         
         
       
       
       
       

       
       
       
       
        
        
        
        CVPR 2025 论文和代码下载

       
       
       
       

       
       
       
       
        
        
        
                 
         
         
         
          在CVer公众号后台回复：CVPR2025，即可下载CVPR 2025论文和代码开源的论文合集

CV垂直方向和论文投稿交流群成立

   
   
   
   
    扫描下方二维码，或者添加微信号：CVer2233，即可添加CVer小助手微信，便可申请加入CVer-垂直方向和论文投稿微信交流群。另外其他垂直方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF、3DGS、Mamba等。
   
   
   
   

一定要备注：研究方向+地点+学校/公司+昵称（如Mamba、多模态学习或者论文投稿+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群

    
    
    
    
     
     
     
     
      
     
     
     
     
     
     
     
     ▲扫码或加微信号: CVer2233，进交流群

 
 
 
 
  
  
  
       
     
     
     
      
      
      
      CVer计算机视觉（知识星球）人数破万！如果你想要了解最新最快最好的CV/DL/AI论文、实战项目、行业前沿、从入门到精通学习教程等资料，一定要扫描下方二维码，加入CVer知识星球！最强助力你的科研和工作！
      
      
      
      

      
      
      
      
      
      
      
               
         
         
         
          
          
          
          ▲扫码加入星球学习
         
         
         
         
         
         
         
         
          
          
          
          
           
           
           
           
            
           
           
           
           
           
           
           
           ▲点击上方卡片，关注公众号
           
           
           
           整理不易，请赞和在看