🧭 基座选型与开源生态(2025-2026)

给机器人团队的开源底座地图:许可口径、能力生态、选型决策树——「开放权重 ≠ 开源」必须分清

MIT / Apache-2.0开放权重VLM 底座决策树

🎯 本页学习目标

1. 看懂主流底座的许可口径与「可商用」边界
2. 用决策树按任务×资源×许可×生态选底座
3. 知道具身 VLA 底座的实证谱系
建议用时:25 分钟

1 2025-2026 开源底座版图大表

系列	代表模型	许可(以官方仓库为准)	备注
DeepSeek	V3 / R1 / V3.1 / V3.2	MIT(代码与权重)	MoE+MLA,推理强、成本低;详见 07-02
Qwen(阿里)	Qwen3 系(含 235B MoE、30B-A3B)、Qwen3.5	Apache-2.0 为主	尺寸谱最全,小模型生态强
Llama(Meta)	Llama 4(Scout/Maverick/Behemoth)	Llama 社区许可(非 OSI 开源)	月活 >7 亿的厂商有附加条款;Behemoth 发布前以官方为准
Gemma(Google)	Gemma 3 系	Gemma 使用许可	小模型质量好,条款自定义
Mistral	小模型系列	Apache-2.0(大模型 MRL 另有条款)	欧洲代表,小而美
Kimi(月之暗面)	K2(1T MoE)→ K2 Thinking	早期 Modified MIT(有额外限制)→ K2 Thinking 转 MIT	许可演化典型案例:同厂不同版可不同
智谱 GLM	GLM-4.5 / GLM-4.6	MIT	Agent/代码能力强,国产许可友好

图 1:开源许可光谱——从闭源 API 到宽松开源(MIT/Apache)的约束梯度

2 选型决策树

图 2:基座选型决策树——按部署资源、许可约束与任务需求分流

3 具身 VLM 底座的实证谱系

呼应 05-04/04-08:主流 VLA 都站在 LLM/VLM 底座上——OpenVLA 基于 Llama-2 7B + 视觉编码器(开源可复现的标杆)、π0 基于 PaLI-X/Gemma 系(流匹配动作头)、GR00T N1 用 NVIDIA 自研底座、Helix 用 Homebrew 双系统(VLM 慢思考 + S1 快策略)。规律:底座负责「看懂+理解指令」,动作头负责「出连续控制量」——底座的推理与多模态能力直接决定 VLA 天花板。

4 常见误区

🚫 误区 1 · 「能下载权重=开源软件」:开放权重只是把「成品」给你看,训练数据、代码、训练细节未必开放,还常附加自定义条款——按 OSI 开源定义(自由使用/修改/分发)Llama、Gemma 都不算开源。只有 MIT/Apache-2.0 这类宽松许可才是真开源。答辩/采购文档里写「我们使用开源模型 Llama」在法务眼里是错的。

🚫 误区 2 · 「都是可商用,条款都差不多」:商用条款逐家不同:Llama 有「月活超 7 亿需向 Meta 申请额外许可」的大厂天花板条款;Kimi K2 用 Modified MIT(带附加限制)、K2 Thinking 才转标准 MIT;Gemma/Mistral 大模型各有自定义条款。投产前逐家读官方仓库 LICENSE,并锁定版本——同厂不同版本许可都会变。

🚫 误区 3 · 「选基座只看榜单排名」:榜单是实验室口径,落地要过另外两关:①许可红线(商用条款/月活限制/版本变更);②推理成本(MoE 看激活参数、KV Cache 看 MLA、显存看量化空间)——榜单第一但许可收紧或单 token 成本超预算,再强也进不了产品。正确顺序:先筛许可与成本边界,再在候选里比能力。

5 本节自测

1. 「开放权重」与「开源」的关系?

💡 解析: B 正确——判断标准就看 LICENSE:开放权重只公开了成品权重,训练数据/代码未必开放且常附加条款,按 OSI 定义(Llama/Gemma 即此类)不算开源;MIT/Apache-2.0 才是宽松真开源。A 错在「完全等价」无视了两点:数据/代码未开放+附加条款的存在;C 错在「开放权重更开源」逻辑荒谬——连开源定义都不满足,谈不上「更开源」;D 错在「与许可无关」错得根本:是否开源的唯一判定依据就是许可条款本身,抛开 LICENSE 谈开源没有意义。

2. Llama 社区许可的特别条款是?

💡 解析: C 正确——Llama 社区许可的特别条款是「月活超 7 亿的厂商需向 Meta 申请额外许可」的巨头天花板条款:对普通团队和大多数创业公司无感,对超大平台是红线,选型时先量自己的规模上限。A 错在「禁止一切商用」与事实相反——Llama 明确允许绝大多数商用场景;B 错在「必须开源衍生模型」没有此要求,这正是它与 AGPL 类强Copyleft许可的本质区别;D 错在「只能用于科研」同样与事实相反,商用是被允许的,只是有大厂附加条件。

3. Kimi K2 → K2 Thinking 的许可变化说明什么?

💡 解析: A 正确——K2 用 Modified MIT(带附加限制),K2 Thinking 转标准 MIT:同系列不同版本许可可以不同,投产必须锁定版本并定期复查条款,这是「以官方仓库为准」的活教材。B 错在「MIT 与 Modified MIT 等价」——后者带附加限制条款,法务效力完全不同,等价就是白送官司;C 错在「许可永远不会变」被本例直接证伪,许可演化(且往往越收越紧)是常态;D 错在「国产模型不可用」以偏概全,本例说明的是「要盯版本」,恰恰是国产模型许可体系逐渐规范的体现。

4. 推理/数学/代码强需求的首选开源底座?

💡 解析: A 正确——推理/数学/代码是「被后训练强度」喂出来的能力,R1/V3.1 思考模式是推理 RL 充分训练的代表作,且 MIT 许可可放心商用,底座的推理上限决定你微调后的天花板。B 错在「视觉编码器」是多模态组件,解决的是「看懂图」,不提供数学与代码推理能力;C 错在「1.5B 蒸馏版」是为端侧部署准备的压缩品,推理上限被蒸馏过程截断,拿它追推理能力是方向性错误;D 错在「任意模型微调即可」——后训练只能唤醒底座已有的能力(上一页的「预训练定上限」),底座没被推理 RL 充分训练,微调也调不出推理。

5. VLA 动作头的底座主要提供什么?

💡 解析: B 正确——VLA 的分工是「底座看懂世界,动作头出手」:底座提供视觉理解+指令语义+世界知识,动作头在其表示之上输出连续控制量,底座的推理与多模态能力直接决定 VLA 天花板(OpenVLA/π0/GR00T 均如此)。A 错在「电机驱动」是执行器/硬件层的事,与大模型底座隔着动作头与控制器好几层;C 错在「电池管理」属电源系统,与认知能力毫无关系;D 错在「直接替代减速器」更是荒谬——底座是软件认知层,减速器是机械传动件,连物理形态都不同。

6. 中小团队单卡 24G 想私有部署,较合理的选择?

💡 解析: A 正确——先定显存边界(24G 单卡),再在宽松许可小模型里挑任务匹配的:Qwen3 小系(Apache-2.0)/GLM 小杯(MIT)配 INT4 量化,或 R1 蒸馏版,方案见 07-05 的显存速查表。B 错在「直接部署 671B 全量」——FP16 要约 1.3TB 显存,与 24G 差三个数量级,离谱到不用算;C 错在「只能用闭源 API」与开源生态事实相反,量化小模型+蒸馏版正是私有部署的常规路线;D 错在「必须自研预训练」更离谱——预训练是千亿 token 级投入,选型页存在的意义就是「用现成底座+后训练」。

7. Apache-2.0 与 MIT 的共同点?

💡 解析: D 正确——两者都允许商用/修改/分发,条件是保留版权与许可声明;区别在 Apache-2.0 额外含专利授权与变更声明要求,MIT 更简短宽松。A 错在「都禁止商用」与事实完全相反——「允许商用」恰是宽松许可的核心特征;B 错在「都要求开源训练数据」无此条款,两者都不要求公开训练数据,这也是大模型「开源」常被质疑不彻底的原因;C 错在「都是自定义条款」——MIT/Apache-2.0 都是 OSI 认可的标准许可,「自定义条款」指的是 Llama/Gemma 那类,别混为一谈。

📌 本节小结:选型=能力×资源×许可×生态四维合议;「开放权重≠开源」与「版本许可会变」是两条法律红线;具身侧底座决定 VLA 天花板。