开放权重，封闭配方：四份报告揭示可下载模型的真实状况

开放权重的论点一直基于一个承诺：拿到文件，就拥有控制权。2026 年 5 月至 9 月间发布的四份文件检验了这一承诺在实测数据面前还剩多少。它们在大多数问题上意见不一。但它们都同意，“开放”一词承担的工作量远少于头条所暗示的那样。

四个月数字及其隐藏内容

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。主要发现是：在 Artificial Analysis Intelligence Index 上，最佳开放模型比闭源领先者低 3 分，价格仅为后者的 60%；与 Claude Fable 5 相比低 2 分，价格仅为后者的 30%。Mozilla 基于 METR 任务地平线数据拟合的估算显示，开放与闭源之间的差距约为 4.4 个月，与 Epoch AI 估计的四个月相符。

METR 通过模型能够以一半概率完成的任务长度（以人类工作时间衡量）来给模型打分。根据 Mozilla 的拟合估算，闭源模型能处理人类专家需要 8 到 12 小时完成的任务。开放模型大约要在四个月后达到这一水平。按 Mozilla 的计算，开放能力每 3.9 个月翻倍，而闭源为 5.5 个月。Tom's Hardware 指出了 Mozilla 自己附带的一个注意事项：四个月这个数字和 30% 的令牌价格是在托管端点上通过 API 对 API 测量的，按列表价格计算。

硬件图表是令人不安的部分

同一份报告包含一张图表，与头条数字并排时显得颇为尴尬。能装在一台服务器上的最佳开放模型得分为 52.6；能装在一块 GPU 上的最佳模型得分为 40。与顶级模型相比，差距分别为 10 分和 23 分，这比四个月的能力进步还要大。

Kimi K3 的原生 MXFP4 检查点分布在 96 个分片中，大小约为 1.56TB。Mozilla 的部署配置列出了 64 个或更多加速器，而 vLLM 要求至少八块 GB300 GPU，生产流量需要多个节点。报告本身的措辞是：这是开放的，但持有它的大多数人无法运行它。Tom's Hardware 在七月曾指出内存需求接近 1.5TB。也有例外。Thinking Machines 的 Inkling-Small 在 Apache 2.0 许可证下发布，其 NVFP4 版本可以在 180GB 内存下限下装入一块 B300。这是一个真实的数据点，但也只是一个模型。

开放权重不等于开源，且这一区别至关重要

开源促进会（OSI）在 9 月 19 日的一篇帖子中明确指出了这一区别。AI 模型有三个主要组成部分：训练数据、权重和参数，以及用于数据准备和训练的代码。开放权重发布只公开权重。它们不公开其余部分。

开放权重允许你行使某些自由，但不是全部，且仅限于一定程度。真正的开源 AI 允许你不受限制地行使全部四项自由。

这四项自由是指：无需获得版权持有人许可即可使用、研究、修改和分享。OSI 估计开源生态系统的需求端价值为 88000亿 美元，并认为开放权重模型限制了修改并阻止了完全的研究，因为没有代码和训练数据，你无法检查模型为何产生特定输出。据 Tom's Hardware 报道，Mozilla 的报告统计了 16 个值得注意的开放发布，其中没有一个提供 OSI 定义所要求的数据配方。

记忆研究为版权诉讼增添了什么

一篇首次提交于 2025 年 5 月 18 日并修订至 2026 年 7 月 20 日的 arXiv 论文，测量了 14 个开放权重 LLM 实际保留了 200 本书中的多少内容。作者包括 A. Feder Cooper, Mark A. Lemley, Allison Casasola, Ahmed Ahmed, Aaron Gokaslan, Amy B. Cyphert, Christopher De Sa, Daniel E. Ho 和 Percy Liang。

他们的框架很有针对性：生成式 AI 版权诉讼的原告和被告对记忆化提出了全面且对立的断言，而该论文指出，这两种立场都极大地简化了记忆化与版权之间的关系。在超过 3000 次实验中，作者发现大多数 LLM 并没有记住大多数书籍，无论是整本还是部分。但例外很重要。根据论文，Llama 3.1 70B 完全记住了某些书籍，包括《哈利·波特与魔法石》。那里的记忆化程度之深，以至于几乎可以逐字提取整本书，只需使用前几个词作为提示。作者表示，这些结果对版权案件有重要影响，但并未明确偏向任何一方。

更小、更奇怪的部署

并非每个开放权重发布都在追求前沿。Superwhisper 发布了 S1-mini，这是一个 0.6B 参数的文本规范化器，基于 Qwen/Qwen3-0.6B 微调，采用 Apache 2.0 许可证加命名条款。它只做一件事：将原始语音转文本输出重写为干净的书面文本。在包含 7519 个英文案例的保留集上，它达到了 94.8% 的令牌准确率，量化构建是一个 462 MiB 的文件，可在笔记本 CPU 上运行。模型卡片直言不讳地表示，它不是聊天模型，不会遵循通用指令。

模型卡片还记录了一个 Hub 会计怪癖：侧边栏报告 0.8B 参数，因为 155.6M 参数的嵌入被计算了两次，导致 751.6M 张量元素对 596.0M 唯一参数。这种布局继承自 Qwen3-0.6B，后者在 Hub 上因同样原因报告 0.8B。

一位买家的推理及其局限

James Cruce 于 9 月 22 日发布的部署描述中，讲述了为何选择 Laya 而非 TypeSafe 的托管 Jev 服务。Laya 是一个 421M 参数的开放权重决策模型，采用 ModernBERT-large 编码器和 1024 令牌限制。Laya 的发布者使用四个合成工作流对其进行了训练：代理可观察性、客户服务、发票处理和安全事件。

Cruce 明确指出了这一比较证明了什么。TypeSafe 将 Jev 定价为每百万输入令牌 0.042 美元，不收取输出令牌费用，并提供多达 255 个选项。Laya 在他配备 M3 Ultra 和 256 GB 统一内存的 Mac Studio 上通过仅回环的 API 运行，因此常规决策永远不会离开机器。他直言不讳地表示，隐私和控制是决定性原因，成本只是副作用，没有具体的节省数字可提供。他并未测试 Laya 是否在总体上优于 Jev。

他还指出，模型卡片警告 Laya 过于自信，需要特定领域的校准，并且一个输入的答案可能在结构上完美但在事实上错误。他的结论很狭隘：将其视为程序内的推荐器，绝不要将其视为许可或真理的来源。

哪些观点站得住脚

这四份文件指向相同的方向，但没有说同样的话。Mozilla 的数据显示，开放权重在能力上很接近，在托管列表价格上便宜得多，但其自己的硬件图表表明，顶级的模型并不是大多数人能运行的东西。OSI 表示，这个标签被拉伸到了其含义之外。记忆化论文表示，法庭上双方的论点对于实验所展示的内容来说过于宽泛。Cruce 的叙述表示，选择开放权重的决定性原因可能是对数据去向的控制，而不是基准测试位置。

Mozilla 自己的图表标题写道：“差距在每个发布周期都会重置。”其数据截至 9 月 1 日，实时排行榜此后已发生变化。Artificial Analysis 已转向使用不同评估集的第 4.3 版指数；实时排行榜显示 Claude Fable 5.1 在最高努力设置下得分为 53，Kimi K3 为 44。vals.ai 的 Terminal-Bench 2.1 排行榜，更新于 9 月 11 日，由 GPT-6 Astra 以 87.27% 领先，Fable 5.1 为 85.02%。

记录中还有一个未解决的项目。K3 涉及一项在 9 月 8 日 NSA/CISA/FBI 联合咨询 AA26-251A 中详述的指控，Mozilla 的报告将其表述为“被声称，但未证明”：即 Moonshot 通过蒸馏提取 Claude Fable 5 数据来训练 K3。7 月 17 日，Artificial Analysis 将 K3 排在 57 分，而 Fable 5 为 60 分。9 月 1 日，Mozilla 显示其落后 2 分。这种缩小是来自独立训练还是来自被指控的提取，这四份文件中的任何一份都没有确立这一点。