算法备案、大模型备案、大模型登记，到底该办哪一个？

不少企业基于云平台开发生成式 AI 产品，临近上线才陷入困惑：到底要做算法备案，还是大模型备案，或是大模型登记？ 很多人误以为调用云厂商的大模型 API，基座已经合规，自己就无需办理任何手续；也有团队把三者混为一谈，办错手续、漏办合规，导致产品延期上线，甚至面临整改风险。

本文从云上开发视角，拆解三项合规义务的定位、适用对象，结合调用第三方大模型 API、微调开源模型、内部私有化部署等典型场景，给出可直接落地的判断方法。

一、三项合规分别管什么

1. 算法备案（互联网信息服务算法备案）

核心：管对外的算法应用服务，不区分底层模型是谁提供的腾讯云。 政策依据：《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》。 监管对象：面向公众提供、具备舆论或社会动员能力的算法服务，包含五大类：生成合成类、个性化推送类、排序精选类、检索过滤类、调度决策类。

• 申报入口：网信办算法备案系统线上填报
• 审核重点：算法运行逻辑、风险处置机制、自评估报告、公平透明机制
• 关键点：不管底层是自研模型，还是调用外部 API，只要面向公众提供上述算法服务，就需要评估是否办理算法备案。

举个云上开发例子：企业在云上调用混元 API，开发 AI 对话小程序，面向普通互联网用户开放。虽然大模型底座由云厂商提供，但小程序作为对外的生成合成类算法服务，企业依然需要考虑算法备案。

2. 大模型备案（生成式人工智能服务备案）

核心：管大模型底座本身，属于模型研发改造方的责任developer....。 政策依据：《生成式人工智能服务管理暂行办法》。 适用主体：自研大模型、对开源基座做深度微调、增量训练，并且直接面向境内公众提供生成式 AI 服务。

• 申报方式：向属地省级网信办线下报送全套材料，省级初审、国家网信办终审
• 审核重点：训练数据合规性、完整模型安全评估报告、内容治理、伦理风险防控，材料复杂，周期较长。

重要区分：单纯调用云厂商已经完成备案的大模型 API，只做提示词、RAG、业务编排，不改动权重、不二次训练，不需要办理大模型备案。云厂商完成的是基座模型的备案，并不转嫁应用方的合规义务。

3. 大模型登记

核心：针对调用第三方已备案大模型 API 的应用侧登记，不等同大模型备案腾讯云。 适用场景：企业仅调用外部已备案大模型接口，只做应用层封装，没有微调、再训练、修改模型权重，面向公众对外提供生成式 AI 服务。

• 不需要提交完整的模型安全评估报告；
• 审核重点：基座模型备案资质、商用调用授权、企业自身内容风控能力、调用链路可溯源材料；
• 办理部门：属地省级网信部门。

简单总结：

• 算法备案：看你的应用对外提供了什么算法能力；
• 大模型备案：看你是不是训练、改造大模型底座；
• 大模型登记：看你是不是只是调用别人合规底座做应用对外上线。

三者不能互相替代，业务场景下可能需要同时办理。

二、三者关键差异对比表

表格

三、云上开发三大典型场景实操判断

场景 1：调用云厂商大模型 API，开发面向普通用户的 AI 产品

业务形态：小程序、H5、SaaS 网页，普通互联网用户可访问，做 AI 对话、文案生成、智能问答，仅做 RAG、提示词工程，不微调模型权重。

✅ 需要办理：算法备案 + 大模型登记 ❌ 不需要：大模型备案

注意：不能只做大模型登记，忽略算法备案。生成合成类属于算法备案五大类别，对外面向公众服务，需要同步评估；登记材料需要准备模型商用授权、基座备案编号、接口调用凭证等资料。

场景 2：开源大模型部署在云 GPU，深度微调后对外提供服务

业务形态：基于开源基座做参数微调、增量训练，封装产品面向公众开放。

✅ 需要办理：算法备案 + 大模型备案 ❌ 不需要：大模型登记

此时企业已经属于模型服务提供者，需要准备完整模型安全评估全套材料，走大模型备案完整审核流程。

场景 3：AI 能力仅限企业内部使用，不对外开放

业务形态：私有化部署，仅供公司内部员工使用，不面向互联网公众。

✅ 一般不需要算法备案、大模型备案、大模型登记。

一旦开放给外部客户、普通互联网用户，就要重新评估全部合规义务。

四、云上开发者高频踩坑点

1. 误区：云厂商基座已经备案，我调用 API 就什么都不用做 纠正：云厂商承担底座模型的合规；企业作为应用服务提供者，对外向公众提供生成合成算法服务，依然要承担算法备案、大模型登记义务，厂商合规不能免除应用方自身责任。
2. 误区：大模型登记就是简化版大模型备案 纠正：二者性质完全不同。大模型备案评估模型底座安全；登记是调用第三方模型的应用侧登记，不评估底层模型，不能互相顶替。
3. 误区：完成算法备案，就可以跳过大模型备案 / 登记 纠正：算法备案看应用算法逻辑；大模型备案 / 登记看生成式模型底座调用关系，两套监管体系并行。
4. 误区：用户体量小就不用办理 纠正：触发义务看服务属性 —— 是否面向公众、是否具备舆论属性，不以用户规模作为判断标准，小体量 AI 产品同样会被巡检。

五、给云上开发团队的落地建议

1. 上线前完成合规自查 先厘清自身定位：是模型研发改造方，还是 API 调用集成方，确认需要办理哪些手续，预留充足周期，不要临近上线才启动合规工作。
2. 区分测试环境与正式对外环境 内部测试、灰度不对外公开访问，暂不触发备案登记；一旦正式对外开放访问，就要落实合规义务。
3. 必须搭建应用层风控能力 仅依赖大模型原生风控不足以通过审核。企业需要自建输入拦截、输出校验、日志留存、用户投诉处置完整闭环，这是备案、登记审核重点考察项。
4. 备案登记不是一次性工作 业务发生重大变更，需要及时做变更备案；日常妥善保存自评估报告、接口调用日志，应对监管抽查。

写在最后

随着生成式 AI 监管不断细化，算法备案、大模型备案、大模型登记构成 AI 产品上线的三道合规关卡。很多云上开发团队容易混淆三者边界。 判断可以记住三个核心问题：模型底座是谁提供？是否对外面向公众？有没有改动训练模型权重？，理清这三点，就可以快速判定自身合规义务，保障 AI 产品平稳上线。

本文仅为合规科普，不构成法律意见，实际办理请以属地网信部门最新监管口径为准。