开放权重正在逼近前沿模型，但“开放”标签承载了过多含义

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。Tom's Hardware 在 9 月 16 日报道称，在 Artificial Analysis Intelligence Index 上，最佳开放模型以 60% 的价格落后闭源领导者 3 分，而以 30% 的价格落后 Claude Fable 5 两分。根据 Mozilla 对 METR 任务地平线数据的拟合，开放与闭源模型的差距约为 4.4 个月。这与 Epoch AI 估算的 4 个月相符。

方法论很重要，因为标题数字的传播范围往往超过其附带条件。

METR 根据模型能在一半时间内完成的任务长度（以人类工作时间衡量）进行评分。根据 Mozilla 的拟合估算，闭源模型能处理人类专家需要 8 到 12 小时的任务。开放模型大约晚四个月达到这一水平，按 Mozilla 计算，开放能力每 3.9 个月翻倍，而闭源模型为 5.5 个月。报告还绘制了 vals.ai 的 Terminal-Bench 2.1 结果，该基准让所有模型通过相同的测试框架，即向模型提供工具的软件层。

在该榜单上，Z.ai 的 GLM-5.2 得分与 Claude Opus 4.7 相差不到 1 分，落后 Opus 4.8 约 4 分，且每次测试的成本不到前者的五分之一。在 OpenRouter 这个将开发者流量路由到数百个模型的市场中，Mozilla 统计发现，截至 8 月，按 token 流量排名的前 10 个模型中有 8 个是开放权重的，其中 7 个由中国构建。

然后是收入。

根据 Linux 基金会数据，2025 年 5 月至 9 月，闭源提供商占据了 OpenRouter 模型层收入的 96%。Mozilla 首席技术官 Raffi Krikorian 在一封电子邮件中告诉 Ars Technica，如 Tom's Hardware 报道所引用：“我们认为为闭源[模型]付费的决定是针对特定工作负载的，而不是针对特定组织的。”

四个月数字遗漏了什么

报告本身包含两个注意事项。四个月的差距和 30% 的 token 价格数字是在托管端点上按 API 对 API 的标价测量的。此外，报告中的硬件图表显示，能装入一台服务器的最佳开放模型在指数上得分为 52.6，能装入单张 GPU 的最佳模型得分为 40，分别比最高分低 10 分和 23 分。这比四个月的差距更宽。

服务需求是同一问题的实际版本。Kimi K3 的原生 MXFP4 检查点跨越 96 个分片，大小约 1.56TB，Mozilla 的服务配置列出 64 个或更多加速器，而 vLLM 要求至少 8 个 GB300 GPU，生产流量需要多个节点。报告将此描述为“开放但大多数持有者无法运行”。Tom's Hardware 在 7 月将内存需求定为接近 1.5TB。报告提到的一个例外是 Thinking Machines 的 Inkling-Small，采用 Apache 2.0 许可，其 NVFP4 版本在 180GB 的最低配置下可装入单张 B300。

报告数据截至 9 月 1 日，而榜单此后已发生变化。

Artificial Analysis 将其指数调整为 v4.3，使用了不同的评估集；实时榜单上 Claude Fable 5.1 在最高努力设置下得分为 53，Kimi K3 为 44，这些数字与 Mozilla 绘制的 v4.1.1 数据不可比。vals.ai 的 Terminal-Bench 2.1 榜单在 9 月 11 日更新，现由 GPT-6 Astra 以 87.27% 领先，Fable 5.1 为 85.02%。Mozilla 图表的说明写着：“差距在每个发布周期重置。”K3 还涉及 9 月 8 日 NSA/CISA/FBI 联合通告（AA26-251A）中详述的一项指控。Mozilla 报告将其表述为“声称，但未证实”，即 Moonshot 通过蒸馏提取 Claude Fable 5 数据以训练 K3，蒸馏是一种利用一个模型的输出来训练另一个模型的做法。

基准测试之争下的命名之争

开源促进会（OSI）利用同一新闻周期争论词汇。在 9 月 19 日的文章中，OSI 写道，开放权重允许你行使四项软件自由（使用权、研究权、修改权和分享权，无需询问权利持有人）中的部分自由，但并非全部，且仅在特定程度上。

OSI 的框架：AI 模型有三个主要组成部分，训练数据、权重和参数，以及数据准备和训练代码。开放权重发布提供权重，让你可以在本地运行模型、付费让第三方托管，或用自己的数据微调它。它们不提供其他组件。OSI 认为，没有代码和训练数据，或者没有关于数据如何构建的说明，你就无法全面检查模型以回答它为何产生某个输出，或该输出是否可信。文章引用 Ai2 的 Olmo 作为例子，这是一个大型语言模型，其完整的训练数据集和检查点让研究人员可以研究模型如何记忆或遗忘注入的信息。

对于将 Mozilla 数据作为购买指南的任何人来说，这种区别并非纯学术。Mozilla 报告统计了 16 个值得注意的开放发布，但指出没有一个提供开源促进会定义所需的数据配方。Mozilla 也是开放模型的倡导者：TIME 在 7 月 14 日报道称，Krikorian 将报告描述为部分倡导性质。该报告基于 Mozilla/SlashData 对约 1,400 名开发者的调查、OpenRouter 流量数据和第三方基准指数。

这些文件均未解决的是：更便宜、稍落后的权重是否足以满足人们实际运行的工作负载。收入分布显示大多数买家仍为闭源付费。token 流量分布显示大多数流量已经是开放的。两者可以同时为真，而四个月的数字无法在两者之间做出裁决。