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。