日本最强AI“塌房”现场:扒开代码全是DeepSeek,这波“套壳”让日本网友破防了

温故智新AIGC实验室

TL;DR:

以为是“全村的希望”,结果是“换皮的真相”。日本乐天高调发布的“最强AI”被实锤直接搬运 DeepSeek 底座,甚至为了掩人耳目偷偷修改开源协议,这波“致敬”操作让日本网友的民族自豪感瞬间碎了一地。

日本 AI 圈最近地震了,但震中不在硅谷,而在自家的“乐天集团”(Rakuten)。

就在昨天,日本乐天在经产省(METI)大佬们“GENIAC”项目的加持下,雄心勃勃地推出了号称“日本最大、性能最强”的 7000 亿参数大模型 —— Rakuten AI 3.0。发布会上,高管们言之凿凿,仿佛日本 AI 终于站起来了,要跟中美巨头三分天下。

结果呢?发布还没过 24 小时,裤子就被开源社区的课代表们扒了个精光。

技术大揭秘:这玩意儿到底怎么工作的?

事情的起因很简单:大家去 Hugging Face(AI 界的 GitHub)上围观这款“大杀器”的源代码,结果点开配置文件一看,好家伙,直接在代码里写着 “arch”: “DeepSeekV3” 1

这感觉就像你买了一辆号称“纯自研”的顶级超跑,掀开引擎盖一看,上面赫然打着五菱宏光的钢印。

根据技术大拿们的深度扒皮,Rakuten AI 3.0 的底层逻辑清晰得感人:

  • 骨架是国产的: 它直接套用了 DeepSeek-V3 那套震撼全球的 671B MoE(混合专家)架构 2
  • 肉是日本产的: 乐天用自家的日文数据做了微调,让它变得更懂日语表达。
  • 对比是降维的: 官方给出的测试数据确实横扫日本,但对比对象要么是下架的 GPT-4o,要么是规模小得多的模型。用 7000 亿参数的坦克去撞 1200 亿参数的小轿车,赢了确实不奇怪 1

客观来说,基于开源模型做本土化微调(Fine-tuning)在圈内是常规操作。但乐天的槽点在于,它在新闻稿里对此绝口不提,只用了一句暧昧的“融合了开源社区精华”,硬生生把自己包装成了“日本自主研发”的救世主。

行业“地震”:谁掩耳盗铃,谁老脸一红?

如果只是“微调”也就罢了,最让开源社区愤怒的是乐天那波**“掩耳盗铃”**的神操作。

DeepSeek 用的 MIT 协议,简直是开源界最“卑微”的协议:允许你拿去赚钱、修改、闭源,唯一的请求就是——请保留原作者的名字和协议文件

然而,乐天在最初发布时,竟然偷偷删除了 DeepSeek 的 MIT 许可文件,并高调宣布自己采用的是更具大厂“护城河”意味的 Apache 2.0 协议 3。直到被网友抓了现行,才灰溜溜地补上了一份名为“NOTICE”的文件。

“终于到了日本要用中国 AI 来冒充日本产 AI 的时代了。” 1

这句日本网友的辣评,精准地戳中了当地开发者的心。大家不反感用 DeepSeek,大家反感的是:拿着政府的高额算力补贴,干着搬运工的活,还要把原作者的名字抠掉。 这不仅是技术层面的“套壳”,更是职业操守上的“塌房”。

未来预测:下一个“风口”是诚实吗?

这次事件背后的主导者——乐天首席 AI 官 Ting Cai,履历闪耀,曾在 Google、微软工作多年。他在采访中曾表达过自己对日本市场的雄心 1。但显然,在这种“大模型大跃进”的压力下,大厂也开始走捷径了。

这折射出一个尴尬的现状:全球都在喊着要做“欧洲版 DeepSeek”、“美国版 DeepSeek”,日本也不例外。但在算力成本和研发周期面前,国产 DeepSeek 提供的“极致性价比架构”实在太香了,香到连大厂都忍不住想偷偷据为己有。

我们能从这件事中学到什么?

  1. AI 无国界,但协议有底线: 开源不等于“白嫖且抹除痕迹”。
  2. “自主研发”的定义正在改变: 站在巨人肩膀上并不可耻,可耻的是非说自己长了三米高。
  3. DeepSeek 真的强: 能让日本“国家队”级别项目不惜背负骂名也要“借用”,这本身就是对中国 AI 架构实力的最高赞赏。

最后,给乐天一个建议:下次发布前,记得先用 Ctrl+F 全局搜索一下“DeepSeek”。或者,干脆和大家一起蹲守 DeepSeek V4 吧,毕竟“拿来主义”也得讲究个版本迭代不是?

引用


  1. 「终于到日本用中国 AI 来冒充日本产 AI 的时代了」 · APPSO · 发现明日产品的APPSO (2026/03/18) · 检索日期2026/03/18 ↩︎ ↩︎ ↩︎ ↩︎

  2. 乐天发布「日本最大高性能AI」Rakuten AI 3.0,配置文件暴露底层 ... · ME News (2026/03/18) · 检索日期2026/03/18 ↩︎

  3. [樂天AI 3.0 打響日本主權AI 反擊戰] 樂天集團於12 月17 日正式發布了 ... · Facebook · 數據科學社群 (2026/03/18) · 检索日期2026/03/18 ↩︎