跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

「开放权重」到底意味着什么,它为什么不等同于开源

可下载的模型文件如今常被直接称作开源。开源促进会和斯坦福的研究人员指出,这个标签只覆盖了检查、复现或重建一个模型所需信息的一小部分。

人工智能与模型解释王雅琴发布: 2026年9月27日6 分钟阅读资料来源 4
「开放权重」到底意味着什么,它为什么不等同于开源

开放权重是神经网络训练后得到的数值参数。把它们发布到 Hugging Face 上,任何有 GPU 的人都能运行模型、微调它,或者自己部署。这确实有用。但按开源促进会(OSI)和几位知名自由软件人士的说法,它并不等同于开源。

这个区别不只是标签之争。它决定你只能部署一个训练好的神经网络,还是能够检查、复现、修改并再分发产出它的那套系统。斯坦福 HAI 主任 James Landay 对 The Register 说:「开放权重回答的是『我能运行它吗?』开源回答的是『我能信任它、改进它,并在它之上做出下一个东西吗?』」

你下载到的到底是什么

一次典型的开放权重发布包含权重、模型架构和推理代码。配上 llama.cpp 这类运行时,就足够生成文本了。以 Superwhisper 的 S1-mini 为例,它是一个 6亿 参数的文本规范化模型,用于处理语音转写输出,从 Qwen/Qwen3-0.6B 微调而来,采用 Apache 2.0 许可并附加一条命名条款。它的模型卡列出 59600万 个独立参数、28 层、分组查询注意力下的 16 个查询头和 8 个键值头,以及一个 462 MiB 的量化版本文件。

模型卡上没有的是训练数据。Superwhisper 没有说明 S1-mini 用了哪些转写文本训练、这些文本如何挑选、又删掉了什么。这在开放权重发布中很常见,也正是批评者瞄准的缺口。

OSI 自己的术语表条目把界线划得很直接。「开放权重指的是训练好的神经网络的最终权重和偏置,」条目写道,并补充说单靠权重只暴露了「实现完整问责所需信息的一小部分」。没有训练数据和详细文档,外部人无法判断用了哪些来源、可能包含哪些受版权保护或私密材料、数据如何过滤、哪些语言代表性不足、基准数据是否泄漏进了训练,以及预训练之后用了什么对齐和安全方法。

「你仍然看不到这东西是怎么造的、用什么训练的、为什么这样表现。那不是开放模型,那是开放分发。」James Landay,斯坦福 HAI

OSI 试图给出定义,争论还没结束

开源促进会于 2024 年 10 月发布开源 AI 定义 OSAID 1.0。它要求模型参数(包括权重)以 OSI 认可的条款提供,但没有规定具体的法律机制。OSI 在发布时就承认,这个定义会继续演进。批评者说,核心缺陷并未解决。

Lightning AI 首席技术官、PyTorch 贡献者 Luca Antiga 认为,OSAID 对权重的处理留下「一个巨大的漏洞,会让许可证在判断经 OSI 许可的 AI 系统能否用于现实场景时更不起作用」。原版开源定义的作者 Bruce Perens 在 2024 年公开抨击 OSAID,后来又说:「这不是开源!……遗憾的是,开源促进会自己也卷进了开放洗白。」

软件自由保护协会的 Bradley Kuhn 和红帽高级商务顾问 Richard Fontana 走得更远,要求废除 OSAID。他们的论点被 The Register 引用如下:「OSI 行动太快,把一项过于冒进的政策妥协强加给社区。OSAID 无疑在自由开源软件社区里制造了裂痕;这道裂痕严重损害了 OSI 的声誉、权威和影响力。」

与此同时,Linux 基金会的 Mike Dolan 向 OSI 提交了开放模型、数据与权重许可 OpenMDW。它自 2025 年起存在,贡献者名单包括亚马逊、Meta、IBM、微软和英伟达。它的做法是在同一份协议下,为模型架构、训练数据和权重分别定义条款。这份提交在 OSI 的许可证审查邮件列表上引来反对。OSI 前执行董事 Stefano Maffulli 说,他总觉得审查「被一种意识形态偏见污染了:因为我们不喜欢大科技,而现在 AI 就是大科技,所以我们不喜欢 AI;于是我们不惜一切去拦它。」

能力上的进步是真的,限制也是真的

这些都没有让发布节奏慢下来。据 Tom's Hardware 报道,Mozilla 于 9 月 15 日发布《开源 AI 现状》报告 1.1 版,数据截至 9 月 1 日。报告称,最好的开放模型在 Artificial Analysis 智能指数上落后闭源领头羊三个百分点,价格为后者的 60%;落后 Claude Fable 5 两个百分点,价格为 30%。Mozilla 对 METR 任务时长数据的拟合显示,开放与闭源之间的差距约为 4.4 个月,与 Epoch AI 的四个月估计接近。

Mozilla 的数字来自一项 Mozilla/SlashData 对约 1400 名开发者的调查、OpenRouter 流量数据和第三方基准指数。Mozilla 本身在倡导开放模型;TIME 在 7 月 14 日报道说,Mozilla 首席技术官 Raffi Krikorian 承认这份报告带有倡导成分。报告统计了 16 个值得注意的开放发布,并指出其中没有一个给出 OSI 定义所要求的数据配方。

  • 在 vals.ai 的 Terminal-Bench 2.1 上,Z.ai 的 GLM-5.2 得分与 Claude Opus 4.7 相差不到一分,落后 Opus 4.8 约四分,而每次测试的成本不到后者的五分之一。
  • 在 OpenRouter 上,Mozilla 统计 8 月 token 量前十的模型中有八个是开放权重,其中七个由中国团队打造。
  • 据 Linux 基金会数据,2025 年 5 月到 9 月,闭源提供商仍拿走 OpenRouter 上模型层收入的 96%。
  • 在 Mozilla 的硬件图表上,能装进一台服务器的最好开放模型得 52.6 分,能装进一块 GPU 的最好模型得 40 分。与榜首的差距分别是 10 分和 23 分。

最后一点才是实际的坎。Kimi K3 的原生 MXFP4 检查点分布在 96 个分片上,约 1.56TB,Mozilla 的部署配置列出 64 个或更多加速器,而 vLLM 面向生产流量要求至少八块 GB300 GPU 并跨多个节点。Mozilla 把这称为开放,但大多数拿到它的人跑不起来。报告点出的一个例外是 Thinking Machines 的 Inkling-Small,采用 Apache 2.0,其 NVFP4 版本能装进一块 B300,下限为 180GB。

Krikorian 在给 Ars Technica 的邮件中说:「我们认为为闭源模型付费的决定取决于具体工作负载,而不取决于具体组织。」

版权官司撞上同一堵墙

定义之争在法庭上有对应的一幕。A. Feder Cooper、Mark A. Lemley 和七位合著者的论文发布在 arXiv 上,2026 年 7 月修订,通过 3000 多次实验测量了 14 个开放权重大模型对 200 本书的记忆程度。他们的结论是,生成式 AI 版权诉讼中的原告和被告都把问题想得太简单。

按作者们的提取方法,大多数大模型对大多数书不会整本或部分记住。但有例外:Llama 3.1 70B 完整记住了某些书,包括《哈利·波特与魔法石》,从开头几个词就能几乎逐字提取出整本书。作者们写道,他们的结果对版权案件有重要意义,但并不明确偏向任何一方。

开放权重之争大致就停在这里。文件是公开的,配方不是。而双方连该怎么称呼这个产物都谈不拢。

评论 0

资料来源

4
  1. 01Open weights are not open source: Why AI's favorite label is under disputeEN
  2. 02China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
  3. 03S1-mini, Superwhisper's first open-weights language modelEN
  4. 04Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。