模型开源是否构成技术出口

模型开源是否构成技术出口，这个问题在很长时间里并不成立。开源意味着代码与权重公开可获取，任何人都能下载、修改、再分发，传统出口管制的逻辑——控制特定物项从一国转移到另一国——在开源场景下几乎失效。但2026年10月16日公布的一份目录修订草案，让这个旧问题有了新的答案方向：技术出口的认定，正在从“是否交付”转向“是否转移控制”。

草案在人工智能领域新增23项技术条目，涵盖大模型、AI智能体、算力集群和信息处理等方向，并同步提出出口前临时登记管理。其中一条被明确点出：向境外开源社区发布权重或技术文档，在性质上同样属于技术出口行为。这句话的分量在于，它不再区分发布形式，而是看行为实质。

开源不等于豁免

把模型权重上传到公开仓库，与通过邮件把权重发给境外合作方，在技术结果上是一致的：受管技术流向了境外主体。出口管制的落脚点是技术能力的跨境转移，而非交易是否收费、渠道是否公开。因此判断一个开源行为是否需要评估，关键不在“开源”这个动作本身，而在三个变量：模型是否触及参数规模或训练算力的量化门槛、训练数据是否涉及国家重点敏感数据、以及发布对象是否包含境外主体。

草案对模型权重设定了三项量化维度——参数规模、训练算力投入、训练数据类型。参数规模较大的基础模型比垂直小模型更容易被纳入；算力投入越高，被认定为受管技术的可能性越大；使用国家重点敏感数据训练的模型，可能直接落入禁止类而非限制类。这意味着同样是开源，一个用公开语料训练的中等规模模型，与一个用敏感数据训练的超大规模模型，面临的判断结论可能完全不同。

API与SaaS的边界，反衬了开源的位置

草案同时给出了另一条关键边界：API提供和SaaS服务不在大模型技术管理范围之内。管理对象指向技术本身的出口行为，例如权重转让、技术授权、源代码或训练方法的转移，而不是通过接口调用模型能力的商业服务。

这条边界恰好反衬出开源的处境。通过API向境外客户提供服务，卖的是“服务”，调用方拿不到权重，也拿不到训练方法；而开源发布的是权重本身，是把技术资产交到对方手里。前者在草案口径下暂不受限，后者则需要纳入评估。两者的区别不在商业模式，而在技术控制权是否发生了转移。

现阶段该做什么

草案目前只是征求意见稿，并非最终生效版本。禁止类与限制类的管理强度也有差别：禁止类原则上不得出口，限制类实行许可管理，满足条件仍可申请。完整门槛数值尚未公布，企业不宜依据二手报道中的转述数字提前下结论。

更务实的做法是先梳理自身业务中是否存在技术出口行为：对外授权是否涉及权重或训练方法，联合训练中数据与成果如何跨境安排，向境外开源社区发布权重或技术文档是否已在计划之内。这些梳理不依赖最终数值，却能在正式稿落地时快速完成合规判断。开源从来不是出口管制的天然豁免，它只是把“是否构成出口”这个问题，从交付动作推回到了技术控制权本身。