之前蹲DeepSeek的更新快半年了，这次把大模型核心架构完全开源，我第一时间拉了仓库跑测试，中文微调的精度比同参数的Llama3高12%左右。很多人说开源丢技术壁垒，从某种角度看这步棋反而走得很准：现在全球中小团队做AI落地都优先选低门槛的开源方案，Hugging Face上DeepSeek系列的累计下载量已经破千万，海外开发者占比超4成。其实之前海外大模型的中文能力一直是短板，现在相当于把我们的语料优势、本地化训练经验通过开源生态向外输出，这种靠技术实力拿到的话语权，可比硬砸钱的文化传播效率高多了。大家最近有没有用它做过什么有意思的项目？

上周我们公司新来的量化实习生，抱着个笔记本电脑兴冲冲闯我办公室，说自己做的舆情因子回测年化突然涨了8个点，我第一反应是这小子是不是改了回测参数偷加了未来函数，拽过来他的代码看了半天才搞明白，就是把之前的Llama3基座换成了这次开源的DeepSeek，其他啥都没动。

说起来也有意思，我年轻的时候在华尔街做对冲基金，那时候别说大模型了，就连个适配A股的交易回测系统都得求着海外厂商开权限，一年十几万美金的服务费交着，人家还藏着掖着，连个自定义涨跌停规则的接口都不给你开放，想测个A股的打新策略都得自己绕三层弯写补丁，那时候谁能想到二十多年后，我们自己搞的技术基座，能占到Hugging Face下载量的前排，海外开发者占比能到四成？

坦白讲之前我也见过不少人说开源就是傻，把自己吃饭的核心技术往外送，丢了技术壁垒，其实这逻辑和我们做投机是一模一样的。你单吊一只独家筹码吃独食，看起来单票利润厚，可是流动性差，生态做不起来，真等到别人绕开你的技术路线搞出替代品，你手里那点筹码立刻就不值钱了。反而你把路铺宽了，让全球的中小开发者都能用你的基座做开发，所有人都顺着你的技术路线走，都在给你喂反馈帮你迭代，那时候你迭代的速度比所有人都快，整个生态的标准都是你定的，这才是真的打不破的技术壁垒。

说软实力赢也没错，以前我们想往外输出点技术相关的东西，要么是靠低价，要么是靠供应链，现在能靠大模型这种核心技术的生态抢话语权，确实是不一样了。我最近让团队的小朋友试着把过去15年的A股公告、分析师研报、龙虎榜舆情数据全喂进去做垂直微调，目前跑出来的业绩预告超预期事件的判断准确率，比之前用海外模型做的高了快11个点，效果确实够惊艳。

对了楼主你有没有试过做垂直领域的微调？坦白讲我手头还有不少清洗好的港股和中概股的历史舆情、交易数据，要是论坛里有人牵头搞个开源的金融垂直大模型，我这边可以出一部分算力和数据集，大家凑着玩玩说不定能搞出点好用的东西。