开放权重,封闭配方:四份报告说明你真正能下载到的模型
Mozilla 9 月 15 日发布的一份报告显示,在某一项能力指标上,开放权重语言模型目前落后最好的闭源模型约四个月。但同一项研究也显示,一旦你尝试在自有硬件上运行它们,差距会明显拉大。

开放权重的论据一直建立在一个承诺上:你拿到了文件,你就拿到了控制权。2026 年 5 月至 9 月间发布的四份文件检验了这个承诺在测量面前还剩多少。它们彼此共识不多,但都同意一件事:“开放”二字所承担的分量,比标题所设想的要少。
四个月这个数字,以及它掩盖的东西
据 Tom's Hardware 报道,Mozilla 于 9 月 15 日发布了《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 智能指数上,最好的开放模型以 60% 的价格落后闭源领先者三分,以 30% 的价格落后 Claude Fable 5 两分。Mozilla 对 METR 任务时域数据的拟合显示,开放与闭源的差距约为 4.4 个月,与 Epoch AI 的四个月估计一致。
METR 按任务长度给模型打分,长度以人类工作时间计,取模型有一半概率完成的任务。按 Mozilla 的拟合估计,闭源模型能处理需要人类专家 8 到 12 小时的任务。开放模型大约在四个月后达到这一水平。按 Mozilla 的计算,开放能力每 3.9 个月翻一番,闭源为 5.5 个月。Tom's Hardware 指出 Mozilla 自己也承认一个前提:四个月这个数字和 30% 的 token 价格,都是在托管端点上按 API 对 API、按标价测得的。
那张硬件图表才是让人不舒服的地方
同一份报告里有一张图表,与主要发现放在一起显得别扭。能装进一台服务器的最好开放模型得分为 52.6;能装进一块 GPU 的最好模型得分为 40。相对榜首的跌幅分别是 10 分和 23 分,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 个分片上,合计约 1.56TB。Mozilla 的部署配置列出 64 个或更多加速器,而 vLLM 要求至少八块 GB300 GPU,生产流量还需要多个节点。报告自己的说法是:这是开放的,但大多数拿到它的人跑不起来。Tom's Hardware 在 7 月给出的内存需求接近 1.5TB。也有例外。Thinking Machines 的 Inkling-Small 采用 Apache 2.0 许可,其 NVFP4 版本能装进一块 B300,内存下限为 180GB。这是一个真实的数据点,而且只有一个模型。
开放权重不是开源,这个区别很关键
开源促进会(Open Source Initiative)在 9 月 19 日的一篇文章中把这个区别讲明白了。AI 模型有三个主要组成部分:训练数据;权重与参数;用于数据准备和训练的代码。开放权重发布只公布权重,其余部分不公布。
开放权重让你行使一部分自由,但不是全部,而且只到一定程度。真正的开源 AI 让你不受限制地行使全部四项自由。
这四项自由是使用、研究、修改和分享,无需向权利人申请许可。开源促进会估计开源生态的需求侧价值为 88000亿美元,并认为开放权重模型限制了修改、妨碍了完整研究,因为缺少代码和训练数据,你无法查清模型为什么给出某个输出。据 Tom's Hardware 报道,Mozilla 的报告统计了 16 个值得注意的开放发布,其中没有一个提供开源促进会定义所要求的数据配方。
记忆化研究为版权之争添了什么
一篇 arXiv 论文最初于 2025 年 5 月 18 日提交,修订至 2026 年 7 月 20 日,测量了 14 个开放权重大模型对 200 本书的实际保留程度。作者是 A. Feder Cooper、Mark A. Lemley、Allison Casasola、Ahmed Ahmed、Aaron Gokaslan、Amy B. Cyphert、Christopher De Sa、Daniel E. Ho 和 Percy Liang。
他们的论述很直接:生成式 AI 版权诉讼中的原告和被告都就记忆化提出笼统而对立的主张,论文认为这两种立场都极大地简化了记忆化与版权之间的关系。在 3000 多次实验中,作者发现大多数大模型不会记住大多数书,无论整体还是部分。但例外很重要。论文称,Llama 3.1 70B 完整记住了某些书,包括《哈利·波特与魔法石》。那里的记忆化足够广泛,只要用书开头的几个词作提示,几乎可以逐字确定性地提取整本书。作者表示,这些结果对版权案件有重大意义,但并不明确偏向任何一方。
更小、更奇怪的部署
并非每个开放权重发布都在追赶前沿。Superwhisper 发布了 S1-mini,一个从 Qwen/Qwen3-0.6B 微调而来的 6亿参数文本规范化模型,采用 Apache 2.0 加一条命名条款。它只做一件事:把原始语音转文字输出改写成干净的书面文本。在一个包含 7519 个英语案例的留出集上,它的 token 准确率达到 94.8%,量化版本是一个 462 MiB 的文件,可在笔记本 CPU 上运行。模型卡直言它不是聊天模型,不会遵循通用指令。
模型卡还记录了一个 Hub 统计上的怪现象:侧边栏显示 8亿参数,是因为 15560万参数的嵌入被计算了两次,得到 75160万个张量元素,而唯一参数为 59600万个。这一布局继承自 Qwen3-0.6B,后者在 Hub 上出于同样原因显示为 8亿。
一个买家的理由,以及它的局限
James Cruce 在 9 月 22 日发表的一篇部署文章,讲述了他为什么选择 Laya,而没有选 TypeSafe 的托管服务 Jev。Laya 是一个 42100万参数的开放权重决策模型,使用 ModernBERT-large 编码器,上下文上限为 1024 个 token。Laya 的发布方用四个合成工作流训练了它:智能体可观测性、客户服务、发票处理和安全事件。
Cruce 明确说明了这个比较能证明什么。TypeSafe 把 Jev 定价为每百万输入 token 0.042 美元,不收取输出 token 费用,选项最多 255 个。Laya 在他那台配 M3 Ultra 和 256 GB 统一内存的 Mac Studio 上,通过仅限回环的 API 运行,日常决策从不离开这台机器。他直说隐私和控制是决定性理由,成本只是副作用,给不出省了多少钱的数字。他没有测试 Laya 在总体上是否胜过 Jev。
他还提到,模型卡警告 Laya 过度自信,需要针对具体领域做校准,而且一个结构上完美的类型化答案可能在事实上是错的。他的结论很窄:把它当作程序内部的推荐器,永远不要当作许可或真相的来源。
哪些站得住
四份文件指向同一个方向,但说的不是同一件事。Mozilla 的数据说明开放权重在能力上接近,在托管标价上便宜得多;而它自己的硬件图表说明,顶端的模型不是大多数人跑得起来的。开源促进会说明这个标签正被拉伸到超出其本意。记忆化论文说明双方在法庭上的论据都太宽泛,超出了实验所能显示的范围。Cruce 的叙述说明,选择开放权重的决定性理由可能是对数据去向的控制,而不是基准排名。
Mozilla 自己给图表的说明写的是:“差距每个发布周期都会重置。”它的数据止于 9 月 1 日,实时榜单此后已经变化。Artificial Analysis 已切换到使用不同评测集的指数 v4.3;实时榜单上,Claude Fable 5.1 在其最高努力设置下为 53,Kimi K3 为 44。vals.ai 的 Terminal-Bench 2.1 榜单于 9 月 11 日更新,GPT-6 Astra 以 87.27% 领先,Fable 5.1 为 85.02%。
记录里还有一件事没有结论。K3 涉及 9 月 8 日 NSA/CISA/FBI 联合公告 AA26-251A 中详细说明的一项指控,Mozilla 的报告将其表述为“已断言,但未展示”:Moonshot 通过蒸馏提取了 Claude Fable 5 的数据来训练 K3。7 月 17 日,Artificial Analysis 给 K3 的分数是 57,Fable 5 是 60。9 月 1 日,Mozilla 的数据显示它落后两分。这种缩小来自独立训练还是来自被指控的提取,这四份文件都没有给出结论。
资料来源
5- 01China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
- 02Open Weights Are Good. Open Source Is Better.EN
- 03Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN
- 04S1-mini, Superwhisper's first open-weights language modelEN
- 05Does an open-weight decision model beat a hosted one? Jev vs. LayaEN
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。
评论
0- 还没有评论——来说两句吧。