想拿来膜拜一下，V3 和 R1 的。还有量化方案也在里面么？

没有开源源代码 ,只有论文,你去复现吧

好像是模型免费下载， 国产就是善于创造概念，这么算 gimmy 也是开源的

huggingface.co/deepseek-ai
看看这里有没有

github.com/deepseek-ai 上？

？第一次听说大模型领域模型开源不算开源的，模型结构都给你了还要咋样

感觉 LLM 模型之类的开源，不等同于工程项目的开源
好比我写了一篇文章，允许随意使用，但我也不需要提供字/词典吧，LLM/CV 模型训练更像是一个 cooking 的过程，食谱，食材都端上来了，毕竟它不像是一个工程项目。
至于楼上那位国产创造概念的观点，我不太清楚 llama 开源是不是也是这种形式，可以考证一下

llama3 的代码仓库： github.com/meta-llama/llama3 ，虽然我到现在都没跑起来

deepseek 的仓库没有代码的： github.com/deepseek-ai/DeepSeek-R1 ，v3 还没试： github.com/deepseek-ai/DeepSeek-V3

大部分模型所谓开源就是指训练好的模型权重开源, 反正你直接可以用

但不会告诉你怎么训练出来的, 更不会给你训练材料

LLM 的开源多数只提供 inference 的代码，想训练只能自己尝试复现了。

我也是第一次听说，没有代码也叫开源的

LLM 领域目前是这样的，DeepSeek 以 MIT 协议开源了模型权重，附赠实现论文，已经让 AI 研究者激动，甚至有人已经复现了： github.com/hkust-nlp/simpleRL-reason/tree/main

赢！

我也是第一次听说 OpenAI 原来是 Close 的

汗……还要人家把业务数据、代码都给你才行？要不要再免费搭上能跑得动的 vps

DeepSeek 是训练过程全写到论文里了，你可以根据论文直接复现。 github.com/huggingface/open-r1

要不怎么说 DeepSeek 是大善人呢

deepseek r1 的代码就是 v3 的仓库，是同一套代码只是权重不一样。这个 README 里有啊

上次 deepseek v3 出来的时候站里就已经闹过不少笑话了
现在怎么还这样啥都不懂就信口开河，不长记性吗😅

动动手问问 llm 也行啊

这就说明搞算法的和搞开发的”隔行如隔山“了 。

可以参考一下其他组织的复现尝试 github.com/huggingface/open-r1

＃10 大模型的训练代码是非常工程的，可能都还包含了一些公司内部基建的代码，这些是肯定不会开源的，训练一次要几千张卡，开源又怎么样，难不成还真能跑起来不成

不过一般 LLM 开源，会同步放出模型结构、怎么推理、怎么微调的代码，如果非要较真这个，deepseek r1 确实少做了一点，不过目前开源的部分已经很够用了

openAI 也叫 open 你告诉我 openAI open 在哪里

训练代码其实都不会开源，很多公司“开源”出来的和他们实际使用的代码并不同。
因为训练一个超大模型要考虑的事情非常多，例如服务器硬件故障之后要怎么处理。有些代码会涉及到公司的云设施核心代码，如果完整开源出来，你甚至可以用来搭建一个阿里云、腾讯云……

确实不太理解这种开“源”
楼上列举的各种，那个算源么？你们自己去看看开源软件中的源是什么意思啊。
如果展示其中的一部分代码就算是开源了，那我给你放个 https 的链接，算开源网页吗？
楼上举 OpenAI 的例子更滑稽，啥时候人家自己说过自己是开源的啊？

程序开源和模型开源本来就是不同的领域，为啥要一样？
这个概念也不是国内发明的，OpenAI 的 GPT-3 之前的版本也是开源的，但只开放了权重。
Meta 的 LLaMA 系列也是开源模型，同样不提供训练数据，但它进一步在论文中公开了一些训练细节，因此不妨碍它成为国内套壳模型的鼻祖。
而 DeepSeek 在论文中公开的细节比 LLaMA 的论文更多，且不少是前人未走过的捷径，这足以让业界震撼了。

deepseek 这次是开源的权重， 以及那个五十多页的技术报告， 实际上搞算法的有大量的代码是 dirty work ， 就是各种数据处理技巧， 因为这次的技术报告非常详细，短短几天已经有好几家复现成功 R1 了， 比如 huggingface 的官方复刻版本。 huggingface.co/open-r1

推理代码和权重开源了，推理代码直接合并到了 VLLM 主线，权重在 HF

另外具体的模型细节通过论文形式提供

那么我的问题很简单，“开源”的定义是什么呢？
据我所知，开源二字是源于开源软件，open source software en.wikipedia.org/wiki/Open_source 这里的定义很清晰。
“开放了权重”即为“开源”，这是那个组织定义的，我不知道，以及到底哪个协议里有提到过这一条呢？
我从未听说过 OpenAI 是开源的，您可以提供一下相应的信息来源。你甚至可以问 chatgpt ，你是不是开源的。我相信 100 次的结果都是一样的。

推理代码开源就不是开源了吗？🤣

权重只是配置，配置怎么来的不是另外一个故事吗

你连 openai 开源过模型都不知道，你还谈什么开源，按你自己理解就好了，没必要扣字眼。

训练部分的代码目前没见过哪家开源过的。训练部分代码大量耦合自家公司的各种基建代码，没法开。

对这个有纠结的话感觉可以看看国外其他的开源模型对比下

大模型的「开源」确实不是传统意义上的「开源」。

FSF 最近在推进这方面的建设： www.fsf.org/news/fsf-is-working-on-freedom-in-machine-learning-applications
不过看样子会比较困难。尤其是训练数据，巨头们就算愿意，也不敢或者说无权「开源」。因为里面不可避免地存在着大量本来就涉嫌侵权的东西。

模型重要的是架构设计，而不是功能差不多的训练和推理的具体代码。
leetcode 看代码，没人注意你是怎么怎么 cin 和 cout 的，
告诉你架构设计就能复现核心代码，告诉你是动态规划，你就能写个差不多了。
我再给你模型参数就证明了我的算法不是吹的，这时你就是 oj 平台，你给个输入他给输出，发现他的算法还真是 O(1)的时间复杂度。

＃32 GPT3 以前都是开源的，但是 OpenAI 没说自己非要开源。OpenAI 是一家商业公司，不是 NGO 。Open 也不是非要 Open Source, 可以是 Open Collaboration, Open Minded ，不是很理解为什么楼上那么多人举 Open AI 的例子。我寻思恁中华人民共和国既不中华也不人民甚至 12 之后已经不是共和国，也没人敢逼逼啊？

举 closeai 的例子不是说它也叫过开源，没说不让赚钱啊。

OpenAI 是 nonprofit organization ，只是前两天才改成商业公司的

人家说的开源模型，你要求的有点多啊

既然简单，你为何不自己查证呢？这些知识哪怕是 AI 界的初学者也是常识啊。

GPT-3 之前的版本开源，你现在能访问到的都是闭源版本的，所以当然告诉你它是闭源的。在 GPT-2 的 wiki （ en.wikipedia.org/wiki/GPT-2 ）中可以看到这样一句：It was superseded by the GPT-3 and GPT-4 models, which are no longer open source. 意思是 GPT-2 之后的版本「不再」是开源的。
www.llama.com/ 第一句话就是：The open-source AI models you can fine-tune, distill and deploy anywhere.
你找找看它们是否公布了训练代码和训练集？

「 open-source AI model 」是外国公司在 5 年前就抢先定义了的，业界也早已认可了，不是 DeepSeek 临时炒作的概念。
en.wikipedia.org/wiki/Open-source_artificial_intelligence 里也提到了「 The Open Source Initiative and others stated that Llama is not open-source despite Meta describing it as open-source, due to Llama's software license prohibiting it from being used for some purposes.」 Open Source Initiative 是最权威的开源协议组织了吧？它质疑 Llama 不开源也只针对了它不能用于某些用途，而不是没有开放训练代码和训练集。

隔行如隔山，CRUD 民工就别拿自己的认知评价另一个领域了😇

没彻底开源，项目试图重复这个 参考 github.com/huggingface/open-r1?tab=readme-ov-file

谢谢，我搜索的时候没有看到你提的。你引用的这个页面： en.wikipedia.org/wiki/Open-source_artificial_intelligence。这个确实是最权威的，但我看到里面的 1.0 版本也是 2024-11-14 这个时间才制作的。我确实没有这个 AI 界的常识。

所以此处提到的开源、这个“开源”的在这里的全称是开源模型(open source model)，也就是能够看到参数权重。
学到了，谢谢。

但对于这个开源模型或是开源 AI 与 开源软件 直接的巨大差异，我依然保留自己的一部分观点：现在的开源软件很重要的一点是：除了可以自由使用，修改等等以外，也提供源代码，即：我的制作过程从第一步开始展示给所有人，你可以从原材料都看得清清楚楚。而现在开源模型对于封装和使用来看，更像是我提供一个 .exe 或者 .app 文件，我也让你免费用，随便改，但是这个 .exe 文件是怎么制作出来的，抱歉，我没有义务告诉你。我认为这个差异是巨大的。无论是开源的源还是 open source 的 source ，语义上都是有差异的，因为根本没开放“源”。
举一个不那么准确的例子，一个是从原料到制作工艺的标准都写的十分详细。可以得到：只要你用我说的原料和工艺，你就能生产出跟我一样的可口可乐。另一个是，我给你提供一模一样的可乐糖浆，我也告诉你配料表，我也允许你拿去研究，但是可乐糖浆是怎么制作的，抱歉，保密。

那么你的定义下确实世界上并不存在真正的开源模型了。但是在 OSI 的定义下，deepseek 就是开源模型。

另外纠正一下，你看到的是收录时间，并不是发布时间。实际上的发布时间要更早一点。

在这很正常，都是意识形态为主

＃13 村通网

怎么叫我定义呢？我这里全都是引用的。

如果叫 open model / 开放模型，是没有任何歧义的；甚至依照 free software 叫 free model 我觉得都完全合乎沿用规范。因为他开放的仅仅就是模型权重。

我上一贴也讲过“source/源”了。source/源，无论你查中文和英文的字典，基本都是同一个意思。大家都认同叫开源那就开源吧，没打算纠正别人。我已经搞清楚了。

谢谢你的纠正。

etc

多说两句：
“free software/自由软件”在鄙人看来，是当时一个伟大的倡议。而 "open source software/开源软件"是在这个基础上的又一极大进步。
这两个概念不是什么新鲜东西了，具体的定义很好查到。
在回头看大模型中的开“源”概念，我很难得出其中的语义没有冲突的结论。我也相信未来在更大范围会形成更清晰的共识的。