index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html
![]()
本文探讨了月之暗面发布的开源代码模型Kimi-Dev-72B，该模型基于阿里巴巴Qwen团队的Qwen2.5-72B模型进行二次开发，在软件工程任务基准测试中表现出色。文章分析了Kimi-Dev的技术创新点，特别是其采用的大规模强化学习训练方法。同时，文章也关注了围绕Kimi-Dev的许可争议，以及Qwen团队许可策略的演进。最终，文章认为Kimi-Dev的案例反映了当前AI创业的现实，开源策略正从限制性许可向完全开放转变，基于优秀基础模型的“二次创新”正在兴起，大厂与创业公司在开源生态中形成新的协作模式。
🚀 Kimi-Dev-72B是基于阿里巴巴Qwen团队的Qwen2.5-72B模型进行二次开发的，并非从零开始训练的模型，这一基础为模型提供了强大的性能基础。
💡 Kimi-Dev的技术创新主要体现在训练方法上，月之暗面采用了大规模强化学习技术，让模型在Docker环境中自主修复真实代码仓库的问题，确保代码质量和符合实际开发标准。
⚖️ 围绕Kimi-Dev的争议源于Qwen的许可协议，Qwen2.5系列部分模型采用《通义千问许可协议》，包含商业限制条款，而Kimi作为热门AI助手，其使用可能触及该条款。
🔄 Qwen团队在后续发布的Qwen3系列中，所有模型均已采用更加开放的Apache 2.0协议，这反映了开源策略从限制性许可向完全开放的转变，旨在构建更活跃的AI生态系统。
🤝 Kimi-Dev的案例体现了当前AI创业的趋势，即基于优秀基础模型的“二次创新”正在兴起，大厂与创业公司在开源生态中形成新的协作模式，共同推动AI技术的发展。
原创 周一笑 2025-06-17 19:34 上海
靠Qwen打底
作者｜周一笑邮箱｜zhouyixiao@pingwest.com 昨天深夜，月之暗面发布了开源代码模型Kimi-Dev-72B。这个模型在软件工程任务基准测试SWE-bench Verified上取得了60.4%的成绩，创下开源模型新纪录，超越了包括DeepSeek在内的多个竞争对手。然而，当开发者们深入了解这个模型时，发现它明确标注了：Base model: Qwen/Qwen2.5-72B。这引发了一些人的疑问，Kimi-Dev的优异表现，究竟是创新还是“套壳”？Kimi-Dev-72B：基于Qwen打造的代码专家
Kimi-Dev-72B并非从零开始训练的模型。根据月之暗面在Hugging Face上的说明，这个模型明确标注了Base model: Qwen/Qwen2.5-72B。在官方博客中也写到：以 Qwen 2.5-72B 基础模型为起点，我们收集了数百万个 GitHub 问题单和 PR 提交作为中期训练数据集。这意味着Kimi-Dev是基于阿里巴巴Qwen团队的72B参数模型进行二次开发的。从技术角度看，Kimi-Dev的创新主要体现在训练方法上。月之暗面采用了大规模强化学习技术，让模型在Docker环境中自主修复真实代码仓库的问题，只有当完整测试套件通过时才能获得奖励。这种训练方式确保了模型生成的代码不仅正确，而且符合实际开发标准。在软件工程任务基准测试上，Kimi-Dev-72B展现了出色的性能。它在SWE-bench Verified上取得了60.4%的成绩，这是一个专门评估模型解决真实GitHub issues能力的基准测试。相比之下，前一名开源模型的成绩仅为约50%左右，Kimi-Dev实现了显著的提升。在许可证方面，Kimi-Dev-72B的LICENSE.md文件显示其采用MIT协议发布。但同时，月之暗面也在文档中明确说明：“Kimi-Dev-72B is built with Qwen-2.5-72B. Qwen-2.5-72B is licensed under the Qwen LICENSE AGREEMENT, Copyright (c) Alibaba Cloud. All Rights Reserved.Subject to the Qwen LICENSE AGREEMENT, Kimi-Dev-72B is under MIT license”。也就是说Kimi-Dev-72B需要遵守Qwen-2.5-72B的原始许可限制，同时将自己的创新工作（即通过强化学习获得的微调权重）以MIT协议开源。这种做法在开源社区中被称为“delta权重”发布，即只发布相对于基础模型的增量部分。一个“历史遗留”问题
争议的起源是社区对“月之暗面是否获得了使用Qwen-2.5-72B的特殊许可”的质疑。根据Qwen的许可协议体系，虽然较小的模型采用Apache 2.0协议，但72B这个旗舰模型采用的是《通义千问许可协议》（Qwen LICENSE AGREEMENT）。这份协议规定，当产品的月活跃用户（MAU）超过1亿时，需要向阿里申请商业授权。考虑到Kimi作为热门AI助手的用户规模，可能将Kimi-Dev-72B引入其产品，这个限制条款引起了关注。面对社区询问，Qwen团队负责人林俊旸（Junyang Lin）在X平台上的第一个回复简短而直接："no we did not give them the permission"（不，我们没有给他们授权）。这个回复立即引发讨论，然而，仅仅一个多小时后，林俊旸发布了第二条推文，改变了事件走向：“nvm this is our legacy issue. for qwen3, all are under apache 2.0 now.”（没事了，这是我们的历史遗留问题。对于qwen3，现在所有模型都采用apache 2.0协议了。）林俊旸的第二条推文揭示了问题的本质，这不是月之暗面的违规使用，而是Qwen团队自身许可策略演进中的“历史遗留问题”。具体来说，Qwen2.5系列采用了复杂的分级许可体系：大部分模型（包括 0.5 B、1.5 B、7 B、14 B、32 B、VL、Omni 等）采用Apache 2.0协议，属于完全开源许可，而3B和72B模型采用的是《通义千问许可协议》，包含商业限制条款。这种分级许可策略在开源社区中并不罕见，目的是在推动技术普及的同时保护核心商业利益。但随着时间推移，Qwen团队可能意识到这种策略可能会阻碍生态发展。在2025年4月底发布的Qwen3系列中，所有模型都已经采用了更加开放的Apache 2.0协议。Apache 2.0是一种广受欢迎的开源协议，它具有以下特点：商业友好：全球开发者、研究机构和企业均可免费下载并商用，无需额外申请授权。无限制使用：允许商业使用与二次开发，用户可以修改代码并以其他协议重新发布。社区驱动：通过降低使用门槛，促进更多开发者参与，推动技术的快速迭代和创新。通过全面转向Apache 2.0，Qwen试图正在构建一个更加开放和活跃的AI生态系统。在这种背景下，将Kimi-Dev基于“旧协议”模型的使用定性为“历史遗留问题”，实际上是一种着眼未来，支持生态伙伴的创新的选择。开源协作的新范式
从技术角度看，这个案例反映了当前AI创业的现实。根据MosaicML的数据，训练一个达到GPT-3质量的30B参数模型需要约45万美元，而更大规模的模型如70B参数级别，成本会达到数百万美元。对于希望从零开始训练一个70B模型的机构来说，需要准备好数百万美元的基础预算，还需要配备顶尖的AI研究和工程团队，并且要考虑到随着技术发展，未来模型的训练成本可能会进一步攀升。而月之暗面选择Qwen-2.5-72B作为基座并非偶然。根据多项评测，Qwen2.5系列在代码、数学、多语言等方面都达到了业界领先水平。站在这样的基座模型上，月之暗面可以在类似这样的研究项目中，将资源集中在自己的核心优势——强化学习训练方法上。NebulaGraph GenAI负责人Wey Gu对硅星人表示：“我认为他们（Kimi）的开放权重、透明地分享paper的工作对社区是非常有益处的”，他还指出，Kimi-Dev分发MIT协议的delta权重文件没有问题，“不过模型的消费者是绕不过base model的Qwen license的”。值得注意的是，尽管Kimi-Dev在SWE-bench上取得了优异成绩，但实际应用中仍有改进空间。有开发者测试发现，模型生成的代码有时需要调试才能运行，对复杂需求的理解也不够完整。这说明即使基于强大的基础模型，要做出真正优秀的垂直应用仍需要大量创新。这场“套壳”争议最终成为了一个行业发展的缩影。开源策略正在从限制性许可向完全开放转变，这是赢得开发者生态的必然选择。同时，基于优秀基础模型的“二次创新”正在兴起，关键是找到自己的差异化价值。大厂与创业公司不再是简单的竞争关系，而是在开源生态中形成新的协作模式。随着更多的开源模型采用Apache 2.0协议，类似的许可争议将越来越少。而像Kimi-Dev这样基于开源模型的专项优化案例，或许会越来越多，这正是开源AI生态繁荣发展的标志。
阅读原文
跳转微信打开
