2026年7月底至8月初，印度和韩国相继发布了新一代本土大模型，并宣称其综合能力已可媲美甚至超越DeepSeek系列开源模型，旨在构建各自的主权AI体系。然而，这两款代表性产品很快遭到行业从业者的溯源拆解，结果显示，印度的主力模型被证实是基于DeepSeek开源底座进行蒸馏改造，而韩国的超大模型仅在本土语种专项测试中实现小幅领先，通用能力并未全面超越。
印度方面率先推出了对标产品，本土企业169PI发布了320亿参数的轻量化模型Alpie，被当地媒体冠以“印度版DeepSeek”的称号。官方公布的跑分数据显示，该模型在GSM8K数学基准测试中成绩超过了DeepSeek V3，在SWE代码评测和BBH逻辑测试中也名列前茅，并宣称整体水平对标GPT-4o。Alpie主打4bit量化部署方案，部署成本仅为GPT-4o的十分之一，可在配备16GB至24GB显存的消费级游戏显卡上本地运行，轻量化优势显著。
不过，开源社区的开发者在拆解其权重后发现，Alpie并非从零开始的全栈训练，其底层架构脱胎于DeepSeek-R1-Distill-Qwen-32B开源模型，本质上是在中国开源基座之上完成的二次蒸馏、微调与量化优化。除了Alpie，印度Sarvam AI推出的1050亿参数自研模型Sarvam-105B也宣称在多项推理基准上超越了拥有6000亿参数的DeepSeek-R1。该模型采用MoE混合专家架构，单次推理仅激活90亿参数，支持128K超长上下文窗口，在印度本土十多种方言的理解场景中表现突出。但业内指出，其超越结论仅限于小范围的专项测试集，在全域通用评测中并未拉开优势。目前，Sarvam AI已宣布启动万亿参数T级大模型的研发项目，计划在半年内落地，目标是摆脱对海外AI技术的依赖。
韩国紧随印度之后，开启了主权AI布局。SK电讯正式发布了6880亿参数的超大模型A.X K2，LG也同步上线了7500亿参数的K-EXAONE 2.0，两款产品均被纳入韩国国家级自主AI基建计划。SK电讯表示，A.X K2在数学推理和韩语专项基准测试中的表现优于DeepSeek V4-Flash、通义千问3.5等中外主流开源模型，在AIME数学测评中得分97.1，在韩语KMMLU-Pro测试中得分80.5，依托自研的稀疏门控注意力架构，长文本推理性能较前代提升了83.9%。LG的K-EXAONE 2.0则选择以Apache 2.0协议完全开源，开放了商用权限，其在24项全球通用基准测试中的平均得分为70.1，较初代版本提升超过10%，是韩国有史以来参数规模最大的自研基础大模型。
结合实测数据来看，韩国的这两款大模型仅在韩语理解和本土电信行业专属问答场景中具备差异化优势，其跨语种通用推理和多模态能力与DeepSeek、Qwen等成熟的开源模型处于同一梯队，并未实现全方位超越。受限于本土算力总量不足、全球通用高质量训练数据集储备偏少等短板，韩国财阀体系孵化的大模型大多优先服务于集团内部业务，用于优化家电、通信、电商等业务体系，极少独立开发面向全球C端用户的通用AI产品，全球商业化生态建设进度缓慢。
业内分析师梳理本轮事件后表示，印度和韩国集中发布对标DeepSeek的大模型，本质上是各国推进AI自主化的阶段性动作。印度依靠对开源模型进行二次改造，快速补齐产品，深耕多语种本地化场景;韩国则依托财阀的算力和资本堆砌超大参数模型，死守本土语种赛道。二者各有差异化的路线，但现阶段都离不开全球开源生态的技术滋养。印度轻量化模型直接复用DeepSeek基座的行为，也侧面印证了中国开源AI体系正在向外形成技术溢出效应。
从实测短板来看，印度的Alpie受制于底座来源，无法彻底实现技术自主;韩国的超大模型则算力成本高昂，在通用场景的竞争力有限。这两款产品若想真正比肩DeepSeek的完整生态，仍需在底层架构创新和全球数据集积累两大核心环节上发力。截至目前，DeepSeek官方并未针对印韩厂商的对标宣传做出回应。
浙公网安备 33010502007447号