"算法备案、大模型备案、登记备案到底要交哪些材料？网上说法五花八门，到底听谁的？"
我翻了十几份法规、国标和实践指南，把需要准备的材料从头到尾理了一遍。结论是：备案要交的东西，远比你想象的多，但也比你以为的有章可循。
一、先搞清楚要做的是哪种"备案"
很多人把三件事混在一起：算法备案、大模型备案、登记备案。它们不是一个东西。
简单说：
算法备案：只要你的产品用了算法推荐（个性化推送、排序精选、检索过滤等），就需要在互联网信息服务算法备案系统上填报。依据是《互联网信息服务算法推荐管理规定》（2022年3月施行）。
大模型备案：如果你自研或微调了大模型，并且对外提供服务，就需要走完整的大模型备案流程。材料更多、周期更长（通常3-6个月）。
登记备案：如果你只是调用已备案大模型的API，走登记管理就行，材料简单得多。
本文重点讲"大模型备案"要交的材料。这是要求最全、也是最让人头疼的。
二、大模型备案的完整流程
在说材料之前，先过一遍流程，会更理解为什么要准备这些材料。
企业主动向属地网信办（省级）发起申请
网信办核准后反馈需要提交的材料，并选派指导老师
企业完成自评估，并准备备案所需材料（核心环节）
提交材料给属地网信办评估（可能涉及驳回修改）
属地网信办进行安全性评测（大模型接口安全评测）
提交材料给中央网信办复核（材料复核+接口安全评测）
通过后在互联网信息服务算法备案系统网站公示，备案完成
关键环节是第3步——自评估和材料准备。材料质量直接决定你被驳回几次、整个周期多长。
三、核心材料清单：一张图看全貌
根据《生成式人工智能服务管理暂行办法》、GB/T 45654-2025《网络安全技术 生成式人工智能服务安全基本要求》以及实际备案经验，你需要准备的材料可以分为五大类：
算法机制说明——模型架构、算法原理、技术路线
训练数据安全报告——语料来源、标注规范、个人信息保护
模型安全评估报告——内容安全、拒答能力、公平性
安全措施说明——风险防范、内容标识、投诉举报
企业资质与制度——安全管理组织、应急预案、合规制度
下面逐项拆解。
四、逐项拆解：每类材料具体要什么
4.1 算法机制说明
这份材料要回答的核心问题是：你的模型是什么、怎么工作的。
需要涵盖的内容：
项目 | 具体要求 |
|---|---|
模型架构 | Transformer/其他架构，参数规模，层数、注意力头数等 |
算法类型 | 生成合成类/个性化推送类/排序精选类等 |
训练方法 | 预训练、微调、RLHF/DPO等安全对齐方法 |
技术路线 | 基座模型来源（自研/开源二开），推理框架 |
服务形式 | 网页/API/嵌入APP，面向C端还是B端 |
小贴士：这部分建议由算法团队牵头撰写。如果基于开源模型二次开发，要写清楚基座模型名称、版本和改动内容。
4.2 训练数据安全报告
这是材料中工作量最大的部分，也是被驳回最多的地方。
依据标准：《生成式人工智能预训练和优化训练数据安全规范》和《生成式人工智能数据标注安全规范》。
核心量化指标（必须达标）：
训练数据整体合格率：≥96%
违法内容占比（红线）：≤5%
安全标注数据量：A.1类（17项违法内容）每项≥200条，A.2类每项≥100条
个人信息知情同意：100%合规
需要准备的具体材料：
数据来源合法性证明——每个数据源的授权文件、采集合规说明
语料内容安全评估报告——抽样检测方法和结果，附抽检记录
个人信息保护说明——去标识化方案、同意机制、处理记录
知识产权合规说明——版权授权文件、权利人投诉处理机制
数据标注规范及执行记录——标注规则文档、人员培训记录、质量抽检记录
4.3 模型安全评估报告
这份材料回答的是：你的模型"说出来的话"安不安全。
依据标准：GB/T 45654-2025《网络安全技术 生成式人工智能服务安全基本要求》。
核心量化指标：
指标 | 合规阈值 | 评估方法 |
|---|---|---|
生成内容安全合格率 | ≥90% | 自动化测试（≥500条/风险类别） |
违法内容输出率 | 0%（红线） | 自动化测试 + 人工审核 |
正确拒答率 | ≥95% | 对抗性输入测试 |
误拒率 | ≤5% | 正常输入测试 |
拒答覆盖面 | 覆盖全部31类风险 | 附录A全覆盖 |
这份报告需要覆盖的内容：
语料安全评估——语料规模、来源、标注规则、训练服务器信息（算法部门牵头）
模型生成内容安全评估——31类违法不良信息的拒答与输出测试结果（算法+安全部门协同）
公平性与透明性评估——歧视性内容检测、模型可解释性说明
内容标识能力评估——AIGC显式/隐式标识是否完整、准确、持久
4.4 安全措施说明
这部分回答的是：你做了哪些防护，出了问题怎么处理。
需要涵盖：
类别 | 具体要求 |
|---|---|
输入内容监测 | 用户输入的违法内容识别、安全提示、上报机制 |
输出内容管控 | 生成内容审核、关键词拦截、实时过滤 |
内容标识 | AIGC显式标识（水印/标签）、隐式标识（元数据） |
个人信息保护 | 最小必要原则、用户查询/删除/更正权利保障 |
投诉举报机制 | 便捷入口、处理流程、反馈时限、记录留存 |
应急响应 | 安全事件应急预案、熔断机制、异常行为检测 |
未成年人保护 | 防沉迷、内容过滤、适龄提示 |
注意：这部分建议安全和法务部门联合撰写。标识部分参考《人工智能生成合成内容标识方法》（强制性国标）。
4.5 企业资质与安全管理制度
最后一类是"软性"材料，但同样重要：
安全管理组织架构图（负责人、安全团队配置）
安全管理制度体系文件
专职安全管理人员证明
安全培训记录
安全事件应急预案
定期安全评估记录（如有）
五、高频疑问速答
Q1：用开源模型需要备案吗？
要不要备案不取决于开源还是闭源，而是看你是否满足备案条件（面向公众提供服务、具有舆论属性或社会动员能力）。建议应备尽备，避免监管风险。
Q2：只给企业内部用呢？
如果企业体量较大，或者计划对外发布大模型服务，建议还是备案。
Q3：调用已备案大模型API需要什么？
不需要做大模型备案，但需要做算法备案和登记备案。走登记管理流程，材料简单得多。
Q4：原有APP接入大模型API的智能问答功能，要改隐私政策和用户协议吗？
不需要单独改。只有原生AI应用（如文心一言、豆包等）需要单独准备。
Q5：备案周期多长？
一般3-6个月，取决于材料质量和配合效率。
六、参考标准速查表
做备案时手边常备这几份标准：
标准名称 | 发布时间 | 性质 | 解决什么问题 |
|---|---|---|---|
《生成式人工智能服务管理暂行办法》 | 2023.7 | 部门规章 | 基本法规依据，算法备案和安全评估的顶层要求 |
《互联网信息服务算法推荐管理规定》 | 2022.3 | 部门规章 | 算法备案的流程、时限和材料框架 |
GB/T 45654-2025 生成式AI服务安全基本要求 | 2025.4 | 国标 | 模型备案上线的安全底线，量化指标来源 |
生成式AI预训练和优化训练数据安全规范 | 2025.4 | 国标 | 训练数据全流程安全要求 |
生成式AI数据标注安全规范 | 2025.4 | 国标 | 数据标注安全基线 |
人工智能生成合成内容标识方法 | 2025.2 | 强制性国标 | AIGC内容标识要求 |
写在最后
大模型备案看起来材料很多，但拆开来看就是五件事：
说清楚你的模型是什么（算法机制说明）
证明你"喂"的数据是干净的（训练数据安全报告）
证明你的模型"说话"是安全的（模型安全评估报告）
证明你有防护和兜底措施（安全措施说明）
证明你的企业有安全管理体系（企业资质与制度）
每一步都有对应的标准可以参照，关键是要组织好团队、提前准备、按标准对齐。
备案不是目的，安全才是。但这些材料本身就是一个倒逼过程——在准备的过程中，你会发现很多之前没注意到的安全盲点。
参考文献：
1、https://mp.weixin.qq.com/s/4b_w6Tmezgmi5pPjnVZPgQ
