印度、韩国发布新款大模型自称媲美DeepSeek 后被行业揭示真相

2026 年 7 月末至 8 月初，印度和韩国先后发布了各自的新一代本土大模型。据两国官方宣称，这些产品的综合能力已经可以媲美甚至超越 DeepSeek 系列开源模型，旨在打造本土主权 AI 体系。然而，行业从业者很快对这些模型进行了溯源拆解，发现了一系列不同寻常的情况。

印度模型被证实基于DeepSeek开源底座蒸馏改造

据行业从业者分析，印度发布的这款主力模型实际上是基于 DeepSeek 开源底座进行蒸馏改造而成。蒸馏技术是指将原始模型进行压缩和简化，从而在保持模型性能的同时减小模型规模和计算成本。这一发现引发了外界对印度所谓“自主可控”AI 体系的质疑。

“这一技术手段在AI行业内属于常规操作，无法直接证明完全自主研发。”业内人士指出。

韩国模型仅在本土语种专项测试中实现小幅领先

与此同时，韩国发布的超大模型在具体测试中也暴露了自身局限性。在韩国本土语种的专项测试中，该模型实现了小幅领先，但其在通用能力测试中并未实现全面超越DeepSeek。这一结果提示，韩国的新模型在特定场景下可能具备优势，但距离实现整体性能超越还有较大空间。

两款模型行业评价

综合来看，印度和韩国的AI发展策略在此次事件中显得不尽人意。尽管两国努力宣传本土AI产品的自主性和领先性，但在行业评价中，这些努力并未能真正实现。随着AI技术的全球化和快速发展，单纯依靠照搬开源技术或将模型限制在单一语言使用领域难以在国际AI舞台上立足。

本土主权AI体系的打造，需要更多整合创新和自研能力的支持，而非简单的模型移植和技术蒸馏。两国后续在AI技术自主性方面的努力将面临更多来自国内外的审视和挑战。

印度本土企业推出 320 亿参数模型 Alpie 挑战 GPT-4o，韩国发布 6880 亿参数大模型 A.X K2

印度本土企业169PI近日推出320亿参数轻量化模型Alpie，被当地媒体称为“印度版DeepSeek”。该模型在数学推理、代码评测等测试中表现优异，宣称整体性能对标GPT-4o。

印度 Alpie 模型横空出世，轻量化优势显著

Alpie主打4bit量化部署方案，部署成本仅为GPT-4o的十分之一，16GB至24GB显存的消费级游戏显卡即可本地运行，轻量化优势十分突出。

跑分数据显示，Alpie在GSM8K数学基准测试中成绩超过DeepSeek V3，SWE代码评测、BBH逻辑测试中也拿到顶尖位次。不过开源社区开发者分析发现，Alpie底层架构脱胎于DeepSeek-R1-Distill-Qwen-32B开源模型，本质是在中国开源基础上完成二次蒸馏、微调与量化优化。

“Alpie整体水准对标GPT-4o，是对话式AI迈向大众的重要一步。” —— 印度当地媒体报道

印度 Sarvam AI 发布百亿级模型

除Alpie外，印度Sarvam AI也推出105B参数自研模型Sarvam-105B。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。

当地声称该模型在多项推理基准超越6000亿参数的DeepSeek-R1，但在印度本土十多种方言理解场景表现突出。业内指出，超越结论仅限于小范围专项测试集，全域通用评测并未拉开优势。

1. Sarvam-105B单次推理激活参数：90亿
2. 超长上下文窗口：128K
3. 目标：半年内落地万亿参数T级大模型

韩国推出多款国家级自主模型

韩国紧随印度步伐，开启主权AI布局。SK电讯发布6880亿参数超大模型A.X K2，LG上线7500亿参数K-EXAONE 2.0，均纳入韩国国家级自主AI基建计划。

SK电讯 A.X K2

A.X K2在数学推理、韩语专项基准测试里表现优于DeepSeek V4-Flash、通义千问3.5等中外开源模型。AIME数学测评得分97.1，韩语KMMLU-Pro测试80.5分。

该模型依托自研稀疏门控注意力架构，使长文本推理性能较前代提升83.9%。

LG K-EXAONE 2.0

LG选择以Apache2.0协议完全开源K-EXAONE 2.0，开放商用权限。24项全球通用基准平均得分70.1，相较初代版本提升超过10%。这是韩国有史以来参数规模最大的自研基础大模型。

对于行业影响，业内人士认为这两款产品凸显了韩国在全球AI竞争中的自主化步伐。

印韩两款大模型对标DeepSeek 实测数据揭示差异化策略

近期，印度Alpie与韩国部分大模型集中发布，公开对标开源模型DeepSeek。实测数据显示，两款产品仅在特定领域具备差异化优势，整体技术水平与DeepSeek等成熟模型尚处同一梯队，并未实现全方位超越。

韩国模型本土场景优势明显 兼容性存不足

根据行业分析师梳理，韩国现阶段发布的大模型主要依托本土电信行业专属数据训练，在韩语理解和特定行业问答场景具备优势。这类模型通常是指参数量超过百亿级别的预训练语言模型，通过海量文本数据进行训练，可针对特定领域输出专业回答。

하지만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，韩国大模型在跨语种通用推理、多模态能力等方面表现平平，与DeepSeek、Qwen等开源模型性能相当。

“两款韩国大模型优先服务于三星、LG等财阀内部业务，用于优化家电、通信、电商体系，极少独立做成面向全球用户的通用AI产品。”

印度模型轻量化改造 看重多语种本地化

印度发布的大模型Alpie则采取了不同路径，该产品主要基于开源模型二次改造，硬件依赖由印度本土数据中心提供。实测显示，Alpie在多语种本地化场景表现突出，但受底座来源局限，无法彻底实现技术自主。

• 印度策略：依托开源模型快速补齐产品空白，深耕多语种本地化场景。
• 韩国策略：堆砌超大参数模型，死守本土语种赛道，硬件算力成本高昂。

中国开源技术形成溢出效应

业内分析指出，印度轻量化模型直接复用DeepSeek基座的行为，侧面印证中国开源AI体系正在向外形成技术溢出效应。两款产品想要真正比肩DeepSeek完整生态，仍需要补齐底层架构创新、全球数据集积累两大核心环节。

截至目前，DeepSeek官方并未针对印韩厂商的对标宣传做出回应。