169Pi Alpie Seed 9B被扒套壳Qwen3.5，还强制自称印度造？

一款 AI 模型，要是连自己打哪儿来都得靠别人预先写好提示词才能答清楚，场面就挺难看了。

印度 AI 公司 169Pi 近日推出多模态推理模型 Alpie Seed 9B，宣称能在手机和笔记本电脑上本地跑起来，还晒出一串挺漂亮的性能数字。借着印度排灯节的节点，169Pi 把这套模型当成印度 AI 研究的新成果推到了台前。

可发布没过多久，就有开发者翻配置文件，把它的老底揭了出来：底座是阿里的 Qwen3.5-9B。

这事本身不新鲜——在开源 AI 社区里，拿好用的开源模型做二次开发、微调和优化，是很普遍的路子。问题在于，169Pi 一开始的宣传没把模型来源讲充分、摆到显眼位置，只反复强调 Alpie Seed 是“Built in India（印度制造）”。

更让人意外的是，开发者还发现，169Pi 不只是给模型换了个名字，还专门在配置文件里写进一段身份提示词：回答身份类问题时，模型必须一口咬定自己出自印度公司 169Pi。

一头是中国开源模型，一头是印度本土研发的口号，再加上这段直白的身份提示词，Alpie Seed 很快成了开发者社区里讨论的焦点。

对外说印度自研，一查底座是 Qwen3.5

11月8日，印度 AI 研究公司 169Pi 正式发布 Alpie Seed 9B。

官方口径是，这是一款 90 亿参数的多模态推理模型，能接收文本、图像和视频输入，承担复杂推理、编程和视觉理解任务。它支持 262K 上下文窗口，另有不同精度的量化版本，目标是在工作站、笔记本电脑甚至智能手机上离线运行。

为了展示实力，169Pi 还公布了一组测试成绩：

这些数字分开看：GPQA Diamond 考的是模型解决高难度科学问题的本事，SWE-Bench Verified 看的是模型能不能处理真实软件项目里的 Bug 和开发任务。照这么看，Alpie Seed 这个 9B 小模型显得挺能打。

但 X 上很快有开发者上手检查模型文件，“Dongxi 东锡 NLP”等人发现了关键一点：Alpie Seed 并非从零训练的新模型，底层架构直接来自 Qwen3.5-9B。

他们公布的分析显示，Alpie Seed 和 Qwen3.5-9B 高度一致：架构相同，分词器词表基本一样，权重结构和数值也很接近。说白了，Alpie Seed 就是在 Qwen3.5-9B 上做的二次开发版本。用“Dongxi 东锡 NLP”的话说：

“它（Alpie Seed）完全是对 Qwen3.5-9B 的‘致敬’。”

不过，就像前面提到的，这并不算什么见不得光的事。拿开源模型做微调（Fine-tuning），眼下在 AI 行业里很常见——真正让事情变得有意思的，是后面扒出来的东西。

更离谱的：每次回答都被要求强调自己来自“印度”

开发者在 Alpie Seed 的聊天模板（Chat Template）里找到一个叫 identity_policy 的变量，里面是一段专门规定模型身份的英文指令：

提示词本身不复杂，意思却很硬：模型得按预设要求来回答跟自身身份有关的问题。

● 被问到叫什么名字，就答自己是 Alpie Seed 9B，由印度研究公司 169Pi 开发。

● 被问到是谁创建的，就答 169Pi AI。

● 被问到来自哪里，就答印度。

换句话说，Alpie Seed 的「身世」，169Pi 早就替它安排妥了。

顺带解释一下，聊天模板是大语言模型处理对话时套用的一组格式规则，系统提示词则用来规定模型的角色、行为和回答方式。比如让 AI 助手一直用中文回答，或者让它扮演编程专家，都属于正常做法。

可 169Pi 给 Alpie Seed 写的这段提示词，是专门冲着模型的开发者身份和来源去的。而且它不是用户每次对话时手动敲进去的，而是写死在模型配置文件里，随对话自动注入。

事情到这儿就有点荒诞了：有人问模型“你是谁”，它答得挺认真，说自己来自印度 169Pi；可再去翻模型权重，底子其实是阿里 Qwen3.5-9B。

系统提示词管不了技术出处。它能左右模型怎么答话，却没法把一套架构凭空换成另一套。有开发者就调侃，参数没怎么动，自我介绍倒是改得挺彻底。

169Pi 真的什么都没做吗？其实也进行了后训练

话也不能说死。Alpie Seed 用了 Qwen3.5-9B，不等于 169Pi 一点技术活儿没干，直接说人家没贡献并不公平。

169Pi 后来公开的技术报告里写得很清楚，团队在 Qwen3.5-9B 基础上做过一定程度的后训练，主要是监督微调和强化学习两块。

先看监督微调（SFT）。团队用了 DoRA 技术，在原有模型上训练，调整的重点是注意力层和前馈网络等部分参数。说白了，Qwen3.5-9B 的主体结构留着，不必把整个模型重训一遍，靠少量额外参数让模型更贴合特定任务。

第二阶段是 GRPO 强化学习，用奖励机制引导模型把回答往好里做，涉及答案正确性、幻觉惩罚、自我一致性、解释质量、结构保持、重复惩罚和回答长度七个维度。官方报告显示，这一阶段用了 8 张 NVIDIA H100 GPU，累计训练 3034 步，消耗约 3472 GPU 小时。

所以 Alpie Seed 不是把 Qwen 下载下来改个名就收工，169Pi 确实投了训练资源，也做了针对性优化。不过，独立开发者 Satyajit 在 11 月 9 日发了一篇技术分析文章，把 Alpie Seed 和 Qwen3.5-9B 的模型权重摆在一起比对。

他查了两个模型的 Safetensors 文件，对全部 760 个张量抽样比较，还对部分张量做了完整哈希校验和逐值解码。结果发现，Alpie Seed 保留了 Qwen3.5-9B 的原始架构，视觉编码器、词嵌入层等部分参数也没变，实际改动集中在部分注意力层和前馈网络。

换句话说，两轮训练下来，Alpie Seed 仍留着 Qwen3.5-9B 的绝大部分原始参数，真正变动的比例并不高。把它准确定位，应该是一款基于 Qwen3.5-9B 后训练的衍生模型，而不是从零研发的印度本土基础模型。

遭到质疑后，169Pi 终于承认：底座就是 Qwen

开发者越质疑越凶，169Pi 很快也出来回应了。

11 月 9 日，169Pi 在社交平台发了一份说明，明确承认 Alpie Seed 确实基于 Qwen3.5-9B 开发，不是团队从零预训练出来的基础模型。

169Pi 说，团队认可 Qwen 开发团队和整个开源社区的贡献，也承认此前宣传时没有足够突出基础模型的来源，这是他们的疏忽。

至于实际研发工作，169Pi 有自己的解释：团队的主要精力不在重建基础模型，而是放在后训练和工程优化上，包括监督微调、DoRA 训练、GRPO 强化学习，以及推理能力、编程能力和不同硬件环境下的部署优化。

169Pi 还特别提到，让一个多模态 9B 模型跑在工作站、笔记本电脑、智能手机甚至纯 CPU 环境里，本身就是需要大量工程投入的活儿。往后，169Pi 表示会在所有相关介绍中更清楚地标注模型的技术来源，同时也在摸索自主研发基础模型的可能。

现在，169Pi 官方研究页面已经写明 Alpie Seed 的基础模型是 Qwen3.5-9B，也披露了具体的后训练方案。模型以 Apache 2.0 协议开放，开发者可以下载、使用和二次开发。

网友争论：开源微调没问题，但这也能叫印度自研？

这件事在开发者社区里吵起来的点，其实挺有意思。

一部分网友对 169Pi 的做法很不满。用开源模型没问题，但起码得尊重原作者的工作。Qwen3.5-9B 是阿里团队投入大量资源研发并开放的模型，169Pi 可以在它基础上继续训练、优化，甚至做出更适合特定场景的版本，但宣传时不能让外界误以为整个基础模型都是自己从零研发的。

尤其是那段强制模型自称来自印度的提示词，更让一些人觉得刻意：“与其花心思修改模型的自我介绍，不如多花点时间在真正的技术改进上。”有印度网友也表达了失望，认为这种做法没给印度 AI 行业争光，反倒损害了外界对本土 AI 研究团队的信任。

但也有不少人觉得，舆论对 169Pi 有点太苛刻了。

在他们看来，如今的 AI 行业本来就不是所有公司都从零训练基础模型。大量创业公司和研究团队都基于 Llama、Qwen 等开源模型做微调，再靠数据、算法和工程优化推出自己的产品。一款模型经过后训练后，确实在某些任务上有提升，还能在普通设备上跑起来，这项工作就有自己的价值，不能因为用了开源模型就把成果全归零。

还有一种看法是，真正该讨论的不是“用了谁家的模型”，而是有没有清楚标注模型来源、有没有说明自己究竟做了哪些改进。

拿Qwen做一轮微调，再叠上自家的工程优化，这样的衍生模型完全可以光明正大地发出来。问题在于，非要把他说成是从零开始做的本土基础模型，这一步就多余了。

换个角度想，一支团队要是真能靠后训练把开源模型在部分领域拉出明显提升，这本身不也是一种研发本事吗？

那这事到底该怎么看？在Qwen、Llama这些开源模型上做微调，做到哪一步才算“自研”？模型确实变强了，底座却基本没动，功劳又该记在谁头上？