开源模型自己部署，算备案还是登记？（附判定流程）

发布时间：2026/10/31 2:01:31

很多团队在内部立项时会有一个默认假设：模型权重是公开下载的，我只是把它部署在自己的服务器上，既没有训练新模型，也没有对外提供 API，那应该不需要走任何合规流程。

这个假设在多数情况下是错的。

《生成式人工智能服务管理暂行办法》的监管对象是"向境内公众提供生成式人工智能服务"这一行为，而不是"是否自研模型"。也就是说，判断要不要备案、要不要登记，看的是你对外提供了什么服务、服务对象是谁，而不是模型权重从哪来。

权重开源只影响一件事：你不需要重复提交模型本身的安全评估材料（因为基础模型通常已由提供方完成备案），但你作为"服务提供者"的责任并不会因此消失。

一句话概括：

开源权重解决的是"模型从哪来"，备案/登记解决的是"你在向谁提供什么服务"。两者是不同维度的问题。

在讨论判定之前，先把几个容易混淆的概念拆开，否则后面的分流逻辑会越看越乱。

依据《生成式人工智能服务管理暂行办法》第十七条，提供具有舆论属性或者社会动员能力的生成式人工智能服务，应当按照国家有关规定开展安全评估，并履行算法备案手续。

这里的"备案"通常指生成式人工智能服务备案，由属地网信部门受理，核心材料包括服务信息、模型信息、安全评估报告、语料与内容安全管理制度等。

登记是备案体系下的一个"轻量通道"。当你的服务使用的是已完成备案的基础模型，且没有进行实质性二次训练、没有新增独立服务形态时，可以通过登记方式完成信息报送，而不必走完整的备案流程。

登记不是"免于监管"，而是"简化材料"。你依然要提交服务主体信息、使用的模型及其备案编号、服务场景说明、内容安全措施等。

算法备案是更上位的制度，依据《互联网信息服务算法推荐管理规定》，具有舆论属性或社会动员能力的算法推荐服务提供者需要履行算法备案。生成式 AI 服务备案在实操中往往与算法备案联动办理，但两者填报系统与材料侧重不同。

对本文主题而言，关键区分是：备案（完整流程）vs 登记（简化流程），算法备案作为并行事项在需要时一并处理。

判定"备案还是登记"，本质上只需要回答两个问题。

仅企业内部使用：模型只服务于本单位员工，不向公众开放注册、不对外提供接口、不产生对外内容分发。这种情况下通常不构成"向境内公众提供服务"，一般不需要办理生成式 AI 服务备案或登记，但仍需遵守数据安全、个人信息保护等通用义务。
面向公众提供服务：包括面向 C 端用户的产品、面向不特定 B 端客户的开放 API、面向公众的网站/小程序/App 等。只要服务对象是不特定公众，就落入监管范围。

这里有个常见误区：认为"我只卖给企业客户，所以不算公众"。实际上，如果客户是不特定的、可以自主申请开通的，仍然属于面向公众提供服务。真正的分界线是服务对象是否特定且封闭。

直接使用开源权重推理：未做继续预训练、未做指令微调、未做领域微调，仅做提示词工程、RAG 检索增强、推理参数调整。这类情况通常可以走登记通道。
进行了二次训练：包括继续预训练（CPT）、监督微调（SFT）、强化学习对齐（RLHF/DPO）、领域继续训练等，改变了模型参数。此时模型已不是原备案模型，通常需要按新模型走完整备案流程。

需要说明的是，仅做 LoRA 微调是否算"实质性二次训练"，实操中存在一定弹性，建议以属地网信部门的沟通结论为准，不要自行判断为"不算"。

把上面两个维度组合起来，可以得到一个相对清晰的判定路径。

流程中有两个容易踩坑的分支，单独说明。

有些团队名义上是"内部工具"，但生成的内容会被直接发布到公众号、官网、电商详情页等对外渠道。这种情况下，虽然使用者是内部员工，但生成内容进入了公众视野，是否构成"向公众提供服务"需要谨慎评估。

保守做法是：如果生成内容会对外发布，按面向公众服务准备材料，至少完成登记。

这是最典型的场景。模型权重来自开源社区，你封装成 API 按调用量收费。此时：

注意，即使基础模型已在境内完成备案，你作为服务提供者仍需以自己主体名义完成登记或备案，不能"借用"基础模型提供方的备案编号直接对外服务。

为便于准备，简单对比两类流程的材料侧重。