从零训练的「完全自主」叙事
据俄罗斯《新闻报》9 月 21 日报道，Yandex 开发出大语言模型 Alice AI Foundation LLM。公司发言人强调，模型从零开始训练，未使用任何外国第三方组件，被定位为「完全自主模型」。在当前的地缘技术环境下，这句话的含义不难理解：基座模型的供应链自主，正在成为各国科技公司共同的显性议题。
发布方式也值得留意：Yandex 没有先办发布会，而是直接放出设置参数，让开发者能够在允许自由用于商业与研究项目的许可下自主运行模型，并对它进行再训练。
对 Yandex 自己来说，这一步并不突兀。Alice 是其经营多年的助手品牌，从语音助手到搜索里的 AI 摘要，产品侧早就在等一个属于自己的基座；过去依赖开源权重或第三方模型的组合，终究要受制于人。把基座收回到自己手里，受益的不只是模型团队，还有整条产品线的迭代节奏。
800 亿总参、30 亿激活：一条经济的 MoE 路线
参数配置上，Alice AI Foundation 总参数量 800 亿，其中活跃参数约 30 亿，训练消耗了 18 万亿词元。这是典型的稀疏 MoE 配方：用大总参换知识容量，用小激活换推理成本。对推理资源并不宽裕的部署环境来说，这条路线比堆稠密大参数更现实。
开发成本方面，Yandex 未披露具体数字；《新闻报》同时提示，由于计算方法不同，各方评估存在差异。
把这条配置放到行业坐标系里看：过去一年，「总参做大、激活做小」正在成为新开基座模型的默认选项——训练侧吃规模红利，推理侧把单次请求的成本压下来，中间用路由质量决定上限。Alice AI Foundation 约 3.75% 的激活占比，走的是这条路线里相当克制的档位；代价是路由与训练稳定性更难调，真正水平如何，要等独立评测与公开榜单交叉验证后才能给出答案。
宽松许可是这次发布里最实在的部分
相比参数表，许可证可能是对开发者更有价值的信息：自由用于商业与研究项目、允许自主运行与再训练。在开源模型许可证整体趋于收紧、附加限制条款越来越多的背景下，一份干净的商业许可本身就是竞争力。
基座之下：推理模型与 Alice AI 智能体
Yandex 把 Alice AI Foundation 定位为「规模更大、更通用的研发成果」——它将成为公司未来推理模型与 Alice AI 智能体能力的基础。换句话说，这份基座不是终点，而是把模型能力装进搜索、助手与智能体产品线之前的那个地基。
冷静看：独立基座的价值与代价
把视野放大一点，「主权 AI」叙事下自研基座的队伍正在变长：从国家级项目到区域巨头，都在争取把模型这一层握在自己手里。自研的价值在于可控与自主，代价则在于生态——评估一个基座模型，除了参数与榜单，还要看工具链兼容性、下游迁移成本与社区贡献度，这些信息目前都还缺位。
接下来值得盯三个观察点：一是独立评测机构何时给出这份权重的基准成绩；二是 Alice 系产品多久完成一次「换芯」，这反映基座的可用度；三是社区会不会出现高质量的微调与部署生态——宽松许可只是门槛，有人愿意用才是生态。Yandex 选了一条更难但更自主的路线，能不能跑通，就看这三件事的答案。