被“斯坦福團隊”抄襲，這家公司什么來頭

向治霖

因為一起抄襲事件，面壁智能意外出圈。

5月末，斯坦福大學的一個研究團隊發布模型“Llama3V”，號稱只花了500美元，卻做了一個“SOTA多模態模型”。在AI行業，SOTA（State Of The Art）的意思是“最先進的”“最優的”，指“在某一特定任務、領域或指標上，當前已知的最佳性能或最先進的技術”。

模型的受關注度，或許佐證了“實力”。Llama3V發布不久，即在上萬個模型的社區Hugging Face上名列前茅，排名最高時，位列模型“周排行”的第四位。

只是很快，用戶指出Llama3V“套殼”了中國AI公司面壁智能發布的開源模型MiniCPMLlama3-V 2.5。

斯坦福團隊試圖抵賴，沒撐多久。6月初，兩位作者公開道歉，只是“甩鍋”之意明顯，“責任全在（已跑路的）編程人員”，“殺個程序員祭天”的傳統得到延續。

為此，“真大佬”也坐不住了。斯坦福人工智能實驗室主任Christopher Manning發問抨擊：“為什么不敢承認錯誤！”（How not to own your mistakes！）不過他也強調，自己對此一無所知，“似乎是幾個本科生做的，有一些來自斯坦福”，言語間滿滿邊界感。

單論抄襲事件，事實清楚，證據確鑿。但因此事，AI圈子里掀起一場討論：AI開源社區中的中國勢力，其能力以及對生態的貢獻，長久以來是否一直被忽視？

“清華簡”揭開真相

大抄一通的斯坦福團隊，其實“膽挺肥”——被抄襲的MiniCPMLlama3-V 2.5，在開源社區可不是什么“無名之輩”。

5月20日，MiniCPM-Llama3-V 2.5正式發布，僅僅3天后，其熱度登上開源社區Hugging Face和代碼托管平臺GitHub趨勢榜的“雙榜首”，在GitHub的星標數（可以理解為收藏數）超過3000。面壁智能當時稱，MiniCPM-V系列下載總量已超13萬。

5月29日，抄襲之作Llama3V發布。也就是說，距離“正主”發布僅9天，且還在“熱搜”時期，斯坦福團隊就直接實踐拿來主義了。

抄襲事件給原創項目又添了一把熱度。6月9日，面壁智能團隊告訴南風窗，當前MiniCPM-V 系列下載總量已超24萬，GitHub星標數超過6900。

回到事件本身，從手法上看，抄襲者也顯然是“膽大心不細”，就連模型名“Llama3V”，在“正主”處也能找到對應的字符。赤裸裸的程度令人咋舌。

因此，Llama3V發布不久就被抓住小辮子。最初是有用戶在項目下方留言：“你們是不是在MiniCPMLlama3-V 2.5基礎上進行訓練，并且完全沒有提到這一點？”

Llama3V項目的作者先是否認，并稱只是使用了MiniCPMLlama3-V 2.5的tokenizer（分詞器）。

6月2日，更多的證據浮現。有網友在項目下方列舉了四大證據，結果慘遭項目團隊刪文。質疑者氣不過，將截圖發到了面壁智能開源項目的評論區，提醒原創團隊關注此事。

該網友列舉的四大證據中，最令人錯愕的，是斯坦福團隊在項目頁上直接導入過“正主”MiniCPM-V的代碼，“重命名”為Llama3V。

面壁智能團隊告訴南風窗，6月2日深夜，團隊正式確定了斯坦福大模型是對其的“套殼抄襲”。團隊負責人解釋，這般肯定是因為，面壁大模型獨有的“彩蛋”功能，Llama3V居然也有。

這項功能是對“清華簡”戰國古文字的識別。

“清華簡”是清華大學在2008年收藏的一批戰國竹簡。一參與者回憶，面壁團隊的同學們花費數個月，從清華簡上掃描得到訓練數據，層層工作后將對清華簡的“識別能力”融入MiniCPM-Llama3-V 2.5模型。“這個能力這次沒有進行宣傳展示，沒想到最后成為揭露真相的關鍵證據之一。”

距離“正主”發布僅9天，且還在“熱搜”時期，斯坦福團隊就直接實踐拿來主義了。

訓練數據對于大模型，就像是書本對于學生，學生的天資（對應模型的參數量）再高，如果沒有書本，也不能掌握特定的能力。但面壁團隊的測試發現，斯坦福團隊大模型對清華簡的識別，“不僅對得一模一樣，連錯都錯得一模一樣”。

又過2天，斯坦福團隊三人中的兩人，Siddharth Sharma和Aksh Garg公開道歉，但同時稱他們只負責其中項目推廣的工作，唯一“技術骨干”Mustafa Aljadery則無法聯系上，其社交媒體賬號也已設置為私密。

開源就是抄？

鬧劇告一段落，6月5日，面壁又有大動作，在官微上宣布，對面壁的性能“小鋼炮”MiniCPM系列大模型開放免費商用。

面壁智能對南風窗解釋，今年是其開源社區OpenBMB三周年，MiniCPM-Llama3-V 2.5是“我們在5月20日送給每位的節日禮物，很高興現在能夠讓更多人知道我們的節日禮物”。

回顧抄襲事件的始末，面壁團隊的應對低調、周全。面壁聯合創始人、清華大學長聘副教授劉知遠還在回應時提到，“（兩位本科生）未來還有很長的路，如果知錯能改，善莫大焉”。

不過，無論是劉知遠、面壁CEO李大海，還是面壁團隊給出的回應里，都嚴肅強調了“對開源協議的遵守”。

事實上，被抄襲的MiniCPMLlama3-V 2.5也不是完全自研，其建立在開源模型Llama3 8B（80億參數）的基礎上，后者是美國公司Meta今年4月開源的大模型之一。

開源社區支持和鼓勵復用前人成果，由此“站在巨人的肩膀上”，聚集智慧、共享協作。相應地，開源共享的底層邏輯，是對開源協議的遵守，對其他貢獻者的信任，對前人成果的尊重和致敬。

比較之下，MiniCPM-Llama3-V 2.5在名稱上仍保留“前作”Llama3的痕跡，“致敬”并沒有藏著掖著，而斯坦福團隊的“Llama3V”則在臺前臺后都抹掉了MiniCPM。此處順便一提，CPM的全稱是“中國的預訓練模型”（Chinese Pretrained Model）。

澄清開源的邏輯，也就破除了“開源就是方便抄襲”的偏見。“國外一開源，國內就自研”一句譏諷意味的話，始終是國內開源項目廠商頭上揮不去的一片烏云。斯坦福團隊抄襲事件發生后，仍然有聲音質疑說，面壁MiniCPMLlama3-V 2.5也是抄的Llama3，與斯坦福團隊不過是“先抄”“后抄”的區別。

然而兩者絕不等同。前文清華簡的例子說明，新的訓練數據，可以給大模型加上此前未有的功能。框架優化、參數微調等，也都有同樣功效。

基于開源項目的項目開發，好比一個游戲，基礎大模型如Llama，就是玩家進入游戲時拿到的“布衣”角色，通過升級打怪氪裝備，玩家號從“布衣”升級到“黃金圣斗士”。而抄襲呢，就是直接盜號了。

由此一窺事件中真正的主角MiniCPM-Llama3-V 2.5，在以語言模型Llama3 8B為基礎的前提下，主打的卻是多模態能力，即能夠處理不同類型的數據，如圖片、文字等。

在開源社區上，面壁提供的Demo相當簡單：模型啟動后，用戶可以在界面上傳圖片，而后模型將對圖片進行分析，輸出相應的文字信息。

這涉及模型的對圖片識別理解能力和OCR（光學字符識別）能力。前者是模型對各類復雜圖片，如票根、營養食譜等的準確識別和理解，后者是指將印刷或手寫文本轉換為機器可讀數據的能力，常用于文檔數字化等。

各項指標中，MiniCPMLlama3-V 2.5的OCR能力尤為突出。面壁團隊表示，該模型OCR能力達到SOTA；在端側多模態綜合性能方面超過了Gemini Pro、GPT-4V等千億參數級的大模型。

如此也就不難理解，MiniCPMLlama3-V 2.5，乃至“抄襲之作”Llama3V，為何能在短時間內登上開源社區的“熱搜”。

小模型，大用處

6月11日凌晨，蘋果在全球開發者大會上官宣“蘋果智能”，新的Siri成為蘋果版人工智能的入口。可以想見，新的一輪應用AI化即將到來。

發布會上，蘋果的“in-app Action”令人印象深刻。演示中，用戶只需要對Siri發出指令，如“整理女兒學習游泳的照片”“安排下午去機場的行程”，蘋果智能即可自行整理不同時間拍攝的 “從學習到學會”的照片時間線，以及自動記錄行程、設計路線、預測交通狀況等。

用蘋果的話說，新的Siri是一個強大的、懂得手機的具體使用者個性偏好的個人助理。

目前，蘋果尚未披露上述功能是手機端模型還是云端模型、抑或兩者協同來實現的，但從演示效果來看，新的Siri能夠實時地理解手機界面的信息，據此推理和生成內容，其表現與OpenAI演示GPT4o的人機互動功能時所展現的“同根同源”。

面壁聯合創始人、清華大學長聘副教授劉知遠還在回應時提到，“（兩位本科生）未來還有很長的路，如果知錯能改，善莫大焉”。

千億參數決定了，GPT4o不可能在手機端運行。如前文所說，上述功能涉及的圖片識別、理解能力，以及OCR能力，是面壁MiniCPMLlama3-V 2.5的主打功能。

但MiniCPM-Llama3-V 2.5的一大優勢是，它本就是面向類似手機等小型終端設備設計的。

官方文檔中，面壁演示了該模型在小米14pro上“絲滑”運行。在“最強端側多模態綜合性能”表現下，MiniCPM-Llama3-V 2.5量化后為8G顯存，在手機端推理無壓力，每秒6—8個令牌的推理速度相當可用。作為對比，基礎模型Llama3 8B在手機端的推理速度每秒僅0.5個令牌（一般一個漢字為2—3個令牌）。

當然，必須說明，模型的能力與蘋果展示的系統級AI完全不是一回事。但是技術有了，產品化也只是時間問題。以蘋果的體量所帶來的影響，端側模型的部署力度和市場前景是值得樂觀的。

端側模型也可以成為“小模型”，入局者同樣眾多，但面壁智能對小模型格外專注。在言AI必提大模型的過去一年多時間里，這讓面壁顯得有些特別。

面壁團隊告訴南風窗，押注小模型的關鍵，是發現小模型的能力未必弱于大模型，如MiniCPM-Llama3-V 2.5在“讀圖”方面展示的，是“用規模1/100的模型，達到了國外知名大模型的同等性能，訓練成本也極低”。

另一方面，小模型對應的手機終端，是“離用戶最近的地方”。中國電信的統計顯示，2023年中國存量手機上的算力總量，是全國的數據中心算力總量的12倍。面壁認為，“未來的端側算力的總量，一定是要超越我們在云側的這些算力總量，這些算力一定要充分利用”。

同時，訓練小模型不僅僅是沖著端側市場，它也對訓練出更強的大模型有幫助。

“做端側的模型比做云側的模型要求更高。”面壁團隊認為，原因在于設備本地端的算力和內存部署大模型，相比云側的大規模服務器集群，要求會更苛刻。

面壁把更多的知識壓到一個更小的模型里面去，在設備本地端就可以運行，并取得非常好的效果。“如果我們一定要去訓練一個好的云側模型，那我們用類似的技術，一定可以做到這個世界上最好的云側模型。”

當然，真正打通這條路徑，會是一個漫長的過程。