新闻详情

新闻详情

首页 / 资讯中心 / 详情

深圳商标设计注册被驳回复审要多长时间?

发布时间:2026/11/4 18:31:53来源:尧图网络
深圳商标设计注册被驳回复审要多长时间?
深圳有个做食品的创业者老赵去年商标被驳回了代理说“建议走复审周期大概九个月”。老赵等了九个月没消息。又等了三个月还是没消息。他去问代理代理说“再等等快的话一年半”。老赵后来才知道法律写的“九个月”和实际等到的“一年半”中间差着一堆他从来没听说过的东西——中止、补充证据、等待应诉、评审积压。驳回后复审要等多长时间答案不在法条里在“不计入审理期限”那几行小字里。法定审限九个月可延长三个月《商标法》第三十四条写得很清楚商标评审委员会应当自收到申请之日起九个月内做出决定并书面通知申请人。有特殊情况需要延长的经批准可以延长三个月-1-5。也就是说法定最长是十二个月。这是白纸黑字写进法律的上限。但“九个月”经常变成“一年半”国家知识产权局的官方咨询记录里有代理机构在2023年12月咨询一个案件进度时写道“本案从递交至今已有11个月了考虑到驳回复审案件通常6-9个月就可以收到审查结果我们及本案的申请人都希望贵局能够尽早审结。”-2商标局的回复只有一句“该商标驳回复审案件正在审理中审查员会依具体案情依法尽快裁定。”-2还有一个案例更极端。有申请人咨询一个驳回复审案件递交已经18个月因为“暂缓审理”仍未出结果-6。商标局的回复是“商标局严格按照商标法和商标审查审理指南相关规定审查。”-6时间去哪了那些“不计入审限”的环节根据《中华商标杂志》的专业解读驳回复审的审限存在多个“不计入审理期限”的暂停期-12中止审理期间如果引证商标的权利状态需要等待另一个案件的结果比如引证商标正在被撤三、被无效宣告复审可以中止。中止期间不计入审限中止多久取决于那个关联案件什么时候出结果-12。补充证据材料期间从首次提交材料之日起算固定延长三个月-12。补正文件期间、公告送达期间、当事人更换需重新答辩期间这些都具有特殊性不是所有案件都会发生但一旦发生审限就暂停-12。还有等待评审应诉环节。复审裁定做出后商标评审委员会自发出决定之日起四个月内未收到法院应诉通知或当事人起诉的裁定才移送商标局执行-3-13。这四个月虽然不属于“审理期限”但申请人感受到的“等结果”时间会被拉长。老赵后来怎么算这笔时间的老赵的代理后来给他解释了为什么等了那么久他的引证商标正好在打撤三官司复审被中止了。等撤三结果出来、再恢复审理前后多花了将近半年。老赵跟我说了一句话“代理一开始要是跟我说‘九个月但可能中止可能补证据可能等应诉加起来一年半’我就不问了。他说九个月我就按九个月等。等到第十个月没消息我就开始慌。”在深圳做商标驳回复审“九个月”是法定审限不是“你拿到结果的时间”。 问代理的时候别只问“法律写多久”问一句“我的案子有没有可能中止有没有可能补证据加上这些实际大概多久”把“不计入审限”的那些环节算进去你才能知道自己到底要等多久
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/3 12:09:35

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/4 1:25:31

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/4 3:51:11

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉