乐天发布“日本最大 AI 模型”，却被扒出基于 DeepSeek：开源红利还是创新争议？

最近，日本互联网圈有个挺有意思、也有点微妙的事件。

乐天集团 高调发布了自家的大模型 “Rakuten AI 3.0”，并宣称这是“日本最大的高性能 AI 模型”。但很快就被开发者社区发现：这个模型很大概率是基于 DeepSeek-V3 微调而来。

这件事在日本技术社区直接炸开了锅。

事情是怎么被发现的？

社区开发者通过模型行为特征、输出风格，甚至一些“指纹级”的细节，对比发现：

• 与 DeepSeek-V3 的回答风格高度一致
• 一些特定 prompt 下的输出几乎“同源”
• 推测属于 在开源模型基础上的再训练 / 微调版本

简单说一句人话就是：

不是从零训练，而是“站在现成大模型肩膀上做优化”。

为什么争议这么大？

如果只是“用开源模型做微调”，其实在 AI 圈并不罕见，甚至可以说是主流路径。

真正引发争议的点在于两个关键词：

1️⃣ 政府资金 + “国产模型”叙事

乐天参与了日本政府的 AI 加速器计划，并获得了资金支持。

而这个计划的一个隐含目标是：

推动“日本自主 AI 能力”的发展

但现在被发现核心能力来自 DeepSeek（中国团队开源模型），就会让一部分人质疑：

• 这算不算“技术自主”？
• 政府的钱有没有花在“真正的基础能力建设”上？

2️⃣ 宣传口径 vs 实际技术路径

乐天官方的说法其实是比较“标准”的：

“充分利用开源社区的最优成果”

这句话在技术上完全没问题。

但问题在于——

当你对外强调“日本最大 AI 模型”时，用户的默认理解往往是：

• 自研架构
• 自主训练
• 自有技术栈

而不是：

基于现有开源 SOTA 模型进行优化

这种“预期差”才是舆论发酵的关键。

开源模型时代，一个更现实的行业共识

如果把视角拉大一点，其实乐天这件事非常典型。

今天的大模型行业，已经越来越接近一个现实：

“从零训练”正在变成少数巨头的游戏，而大多数公司选择在开源模型上做差异化。”

类似路径其实很多：

• 在 Meta 的 Llama 系列上微调
• 基于 DeepSeek / Mistral 做行业模型
• 用开源模型 + 数据 + RLHF 做产品化

换句话说：

👉 “是否从零训练”，已经不是衡量技术能力的唯一标准

真正的竞争点在转向：

• 数据质量
• 场景适配
• 工程能力
• 产品落地

乐天这波，到底算不算“问题”？

可以分两层看：

技术层面：✅合理

• 使用开源模型 ✔
• 做微调 ✔
• 开源结果 ✔

这套操作，在全球 AI 公司里都很常见。

叙事层面：⚠️有争议

• 政府资金 + 自主 AI 预期
• 宣传与技术路径之间的模糊空间

这才是争议核心。

一个更有意思的问题

这件事背后，其实有个更值得讨论的问题：

当开源模型越来越强，“国家 AI 能力”的定义还成立吗？

如果一个模型：

• 基于国外（或他国）开源
• 在本地优化
• 用本地数据强化
• 服务本地用户

那它算不算“本国 AI”？

这个问题，日本现在遇到，未来其他国家大概率也会遇到。

总结

乐天 AI 3.0 这件事，本质上不是“抄没抄”的问题，而是：

• 开源时代的技术路径选择
• 政策目标 vs 工程现实
• 以及 AI 叙事的边界在哪里

如果用一句话总结：

开源让 AI 更快落地，但也让“谁在创新”变得更难界定。