一周四批开放权重、零份第三方复测:许可写着 AS IS,私有化的验收线只能自己画

行业新闻 · 丁香 · 发布 2026-10-22 · 阅读 39

一周四批开放权重,全部是卖方口径

10 月 15 日到 21 日,开放权重这条线上落下了四批货:阶跃星辰把旗舰基座 Step-5-Preview 的 BF16 权重放上 Hugging Face 和魔搭,同一天英伟达放出 Nemotron 3.5 Super VL 的权重、数据集和训练配方;10 月 20 日,DeepSeek 公开了线上在用的推理框架 DeepInfer,同一天 llm-d 1.0 也发布了正式版本。许可在动,引擎在动,服务层在动,只有一层没动——没有任何一件交付物,能让部署方之外的人去核对另外三家宣称的东西。

四批发布页上的性能与成本数字,证据等级是同一个:厂商自己的话。DeepInfer 的仓库没有给出引擎加速的具体数值,llm-d 公告里引用的缓存命中收益与成本声明同样出自参与方。这不是造假指控,而是采购现实:你要在自家机房上电之前做决策,可用的公开证据只有卖方的自述。

许可证比宣传页诚实得多

本周唯一说了实话的文件,是那份准备上法庭的文件。阶跃星辰的 Model License 1.0 以 AS IS 状态提供模型,并在免责条款里逐项写明:不担保输出的准确性、可靠性和质量,使用或再分发模型及其衍生作品是否适当,由部署方自行负责。宣传页卖能力,合同把能力退回来。

这不是缺陷,是行业默认。但它改变了私有化部署的账本结构:模型一旦在你们内网跑起来,输出错了一条业务判断,责任链条的终点写的是部署方的名字。所以 SLA 不能向厂商要,只能自己建。而这批交付物里,Step-5-Preview 是 600B 总参、每 token 激活 27B 的稀疏 MoE,配上 100 万 token 上下文;Nemotron 3.5 Super VL 是 120B 总参、12B 激活。规模往这个量级走,调优留给使用方的自由度越小,能自查的余地也越小。

独立的那把尺子,量不到你的部署

市面上确实有一份独立参照——Artificial Analysis 的 Intelligence Index,10 项评测全部由其独立执行。Step-5-Preview 在这张榜上拿到 44 分,位列开源前三,这是一个可以横向比较的数字。但它测的是模型综合智能,不是你的部署能不能跑通。同一套方法论里,AA 还刻意避开开源这个词,只讲开放权重,因为多数开放权重模型的许可并不满足完整的开源定义。措辞上的谨慎,恰好对应采购环节的风险。

三查清单:把验收线写进合同

一查溯源。权重、数据集、训练配方是否同批发布。本周只有英伟达一批同时给了模型、数据与配方,其余几家是部分披露。没有配方,意味着行为异常的根因你查不到,处置手段只剩换模型。 二查许可边界。AS IS 之下,验收基准必须自己写。建议在采购合同里挂一个内部任务集,几百条真实业务样本即可,通过率不到线就触发退出条款,而不是接受厂商跑分当验收。 三查评测方法。各家跑分的 harness 并不相同:是否允许联网检索、用什么 agent 脚手架、取几次平均,都会把分数拉出十几个百分点的差距。跨厂商的跑分不能直接相减,只能在自己的任务集上重跑。

还有一个最容易被忽略的硬件口径:Nemotron 3.5 Super VL 在 vLLM 的公开配方里,NVFP4 版本 91G、BF16 版本 299G——同一个模型,显存占用差出 3.3 倍。选卡时按哪个版本报价,决定了这台机器是能塞进现有风冷机柜,还是必须上液冷、改配电。这一条不会写在发布页的显眼处,只会写在部署配方里。

观察

这一周真正的变化不是又开源了几个模型,而是开放权重从能不能拿到,进入了拿什么来验的阶段。当能力声明全部由卖方出具、许可又把结果责任转给买方时,独立复测能力就成了私有化部署的固定资产。它不出现在采购单上,却决定了后面每一次模型替换的成本。

来源:Forkast 2026-10-22 报道、阶跃星辰 Model License 1.0、NVIDIA Nemotron 与 Artificial Analysis 公开页面。