中国主流开源大模型（LLM）的对比分析

author: 周均扬

date： 2026.05.16

给出中国主流开源大模型（LLM）的对比分析，重点从 开源程度 、 许可证（License）与商业友好度 这两个维度展开梳理，并列出代表性模型及其特点([^1])。

1. 开源程度

这里对“开源程度”做一个工程实践上的划分：

• 全开源（完全开放）：公开 权重 + 源代码 + 商业友好许可证；可自托管、自由改造。
• 开放权重：仅权重可下载，但源代码/训练数据未全部公开，或部分采用社区/产品条款。
• 受限开放/研究用途：可用于研究，商业使用受到条件约束。(¹)

1) DeepSeek 系列（DeepSeek‑R1 / V3 / V4 等）

• 开源程度：高

  • 模型权重公开，可自托管和本地推理。
  • 多数版本源码可访问，没有黑盒 API 依赖。(²)

• 许可证：MIT（宽松、商业友好）

  • 允许复制、修改、商业用途；
  • 无附加收入/使用约束（典型 MIT）。(³)
• 优点：真正开源、无商业绑定；适合企业/产品级部署。
• 短板：生态社区相对国际模型略小。(²)

2) 阿里巴巴 Qwen（通义千问） 系列

• 开源程度：

  • Qwen‑2.5 系列：主流尺寸权重 + 代码公开，可本地部署。
  • 部分早期 Qwen 版本：曾采用定制社区许可（需要注意具体版本许可条款）。(⁴)

• 许可证：

  • 近年来主要以 Apache 2.0（宽松） 发布（例如 Qwen2.5 多数版本）。(³)
  • 部分大模型仍使用 Tongyi Qianwen License Agreement（限制条款更细，特别在大模型使用上需检查条款）(⁴)

• 商业友好度：

  • Apache 2.0 允许商业用途、二次分发，企业产品级部署友好。
  • 需特别阅读 Qwen 特定大型模型的许可或产品条款限制。(⁴)

3) 知谱 AI / GLM 系列（ChatGLM / GLM‑4.x / GLM‑5）

• 开源程度：

  • 多数模型权重公开并可本地部署，自由度高。

• 许可证：

  • 多数模型转向 MIT 或 Apache‑style 许可，商业使用友好。(³)

• 评估：

  • GLM 在中文理解、上下文能力上表现强；
  • 许可从早期社区协议逐步走向宽松。(³)

4) 其他中国模型（如 Kimi / Baidu ERNIE / MiniMax 等）

• Kimi（如 Moonshot AI 的 Kimi K2.5 系列）部分在 Hugging Face 发布权重，但许可类型可能仍是平台服务条款式（需详细阅读）。(⁴)
• 百度部分旗舰模型如 ERNIE 也转向开放权重（但更侧重 API + 产品生态）。(⁵)

2. 许可证与商业友好度

说明：

• MIT & Apache 2.0 都是行业认可的宽松商业许可（允许修改、分发、集成于商业产品）。(⁶)
• 自定义许可（如部分 Qwen License /平台服务条款） 可能包含商业使用、月活用户限制等条款，需仔细阅读。(⁴)

3. 典型模型总结

📌 代表性中国开源 LLM 一览（2026）

*注：某些模型的“源代码可用”指公开推理接口/示例、训练脚本等，但不是全面训练环境。(⁴)

4. 实践建议

🧩 选择模型时重点考量维度

1. 许可证合法性

   • 优先选 MIT / Apache 2.0 等真正宽松的开源许可；
   • 自定义许可需审查是否限制用途、收入、地域等。(³)

2. 部署模型类型

   • 自托管/本地推理优先推荐 DeepSeek / Apache‑licensed Qwen / GLM；
   • 平台 API 可选但需注意服务条款。([^1])

3. 生态成熟度

   • DeepSeek、Qwen 生态社区和工具链活跃，便于二次开发；
   • GLM 的中文优化对中文业务非常友好。(²)

5. 结论

• 中国主流开源大模型整体呈现“开放权重 + 商业友好许可”趋势，典型的 MIT 或 Apache‑style 许可证在 2025–2026 年成为主流。(³)
• DeepSeek 系列凭借 MIT 许可在商业友好度上最为突出，适合企业级部署。
• Qwen 和 GLM 系列 多使用 Apache 2.0，风险相对低，适合产品集成。
• 部分自定义许可模型需额外审查条款，不能简单地认为“公开权重 = 完全开源”。(⁶)

参考资料：

, https://help.arena.ai/articles/4171906875-model_licenses?utm_source=chatgpt.com