开放权重是什么：正在分裂 OpenAI、谷歌与中国 AI 实验室的格式之争

这听起来像是内部整理。并不是。Skill 是你保存下来、可以反复使用的文本文件。Gem 则是谷歌服务器里的一份配置。两者都不是模型。公司一旦失去兴趣、调整价格或关闭账号，你没法把它们拷到自己的笔记本上继续跑。据 The Decoder 报道，Gems 将于 11 月对个人账号关闭，2027 年 3 月对企业及非营利 Workspace 客户关闭，2027 年 6 月对教育客户关闭，已有的 Gems 会自动转换。同样在 11 月，谷歌 2025 年夏天推出的 AI 小程序实验 Opal 也将结束。

这个区别比一年前更要紧，因为开放权重已经不再是小众玩法。

9 月，英伟达宣布以 129 亿美元收购 Hugging Face。这家平台位于纽约，托管开放模型与数据集。Rest of World 在 9 月 30 日报道了这笔交易，同时梳理了该平台的中国替代品，并提到北京在 2023 年封禁了 Hugging Face。阿里巴巴 2022 年推出的 ModelScope 目前托管着超过 17 万个模型。OSChina 于 2023 年推出的 MoArk 收录了大约 2 万个。OSChina 首席执行官徐勇对 Rest of World 说，「不是每个人都能一直用 VPN」，中国需要一个面向中文使用者的自主 AI 生态。

同一周里还出现了一批发布，放在过去，这些事需要企业实验室和数据中心才能完成。Fermion Research 于 9 月 30 日发布 Phonon-2，这是一个英文语音识别模型，下载包只有 164 MB。按公司自己发布的说明，它在 Open ASR Leaderboard 的七个英文测试集上平均词错误率为 5.21 %。其权重以 CC-BY-4.0 许可发布，与它派生自的英伟达 Parakeet TDT 0.6B v3 相同。Fermion 表示，在该榜单上得分更高的开放模型，体积至少是它的 5.8 倍；在 MacBook Air 上，一小时音频约 20 秒转成文字。

英伟达在自己的地盘上也不甘落后，在 Hugging Face 上发布了 Kumo Tabular。这是一个用于表格预测的开放基础模型，有 28M 到 215M 参数三种规模，以 OpenMDW-1.1 许可发布、允许商用，且只用人工数据预训练。公司称它在四个基准上排名第一：TabArena、BeyondArena、TALENT 和 ScoringBench。它的卖点是：预训练模型可以把一张带标签的表格当作上下文来读，一次前向传播就预测出新行，不需要训练，也不需要特征工程。

这批新发布到底声称了什么

本周最有趣的开放工作里，有些根本不是模型发布。英国 AI 安全研究所和 Meridian Labs 发布了 Inspect，一个用于前沿模型评测的开源框架。它包含可组合的数据集、智能体、工具和打分器，200 多个预置评测，以及一套沙箱系统，可以在 Docker、Kubernetes、Modal、Proxmox 或 Vagrant 里运行不受信任的模型代码。它支持接入外部智能体，包括 Claude Code、Codex CLI 和 Gemini CLI。如果你想验证某家厂商的安全声明能不能扛住你自己写的测试框架，这类工具就是让你去试的。

Bespoke Labs 于 9 月 30 日发布 Nimble，一个 9B 模型以及训练它的完整配方，基于 Qwen3.5-9B。它一步做出带类型的决策，不先写出推理过程，因此速度很快。代码库明确说明，团队没有从 TypeSafe 的 Jev 蒸馏。README 说，重点是展示如何整理数据、训练并部署这样一个模型。它的更新日志从 9 月 18 日加入公开基准套件开始，到 9 月 22 日拟合出一个温度参数，让模型的概率更接近答案正确的实际频率。

另一个叫 Coop 的项目把思路推得更远。它托管在 github.com/commonsense-ai/coop，用捐赠的消费级硬件以及 Hugging Face 和 GitHub Actions 的免费额度预训练一个小语言模型，没有服务器，没有资金，也没有常驻进程。伪梯度以 Hugging Face 拉取请求的形式送达，一个无状态的 GitHub Actions 定时任务把它们汇总起来。第二阶段已经跑起来：约 145M 参数，在 FineWeb-Edu 上从零预训练。第一阶段是在 TinyStories 上训练的 15M 模型，已经超过其 Chinchilla 最优预算。项目称，多台不同机器上的志愿者，包括 Apple Silicon 和普通 CPU，各自训练同一个外层步骤，再被平均成一次更新。

还有 PSSA，一个从零用 Rust 写成的非 transformer 语言模型，底层没有 PyTorch、TensorFlow 或任何机器学习框架。它声称在参数相同、语料相同的情况下，学习速度比 transformer 更快，在同一颗 CPU 上生成文本约快十二倍。作者对原因说得很直接：逐 token 更新权重、在前向传播中写入的记忆库，以及一条标量参考路径，让自动微分框架带来的麻烦多过价值。

并非每次开放发布都是基准上的胜利。CHOMPI Club 于 9 月 30 日以停产发布的形式开源了其便携采样器的硬件和软件，包括原理图、物料清单、EAGLE PCB 文件和固件，还有一个叫 WAVE 的 beta 版 8 声部波表合成器。这提醒人们，开放权重、开放硬件和开源是三件不同的事，一家公司可以只做其中一件而不做另外两件。

安全论证是双刃的

不过本周最大的开放权重新闻，讲的却是一个根本没有发布的模型。The Register 在 9 月 30 日报道，OpenAI 指控与中国月之暗面有关联的个人从 7 月 1 日起发动蒸馏攻击，用批量查询复现受保护的推理过程。OpenAI 的博客称，它在 7 月 24 日和 25 日看到峰值，由 4000 多名用户发出 16000 次使用相关提取模式的请求。公司还识别出涉及 15000 多名用户的相关活动，于 7 月 28 日完全打断这次行动。公司称对抗性蒸馏是安全与国家安全风险，因为被提取的推理可以在没有原有防护的情况下训练另一个模型。

The Register 自己的措辞没那么同情。它指出，OpenAI 在版权纠纷中大量使用互联网内容训练，却在产出被同样方式使用时提出反对。该媒体还提到，一周前发布的 Anthropic Claude Opus 5.5 带有一种叫 preserved thinking 的防蒸馏机制。

一个段落就能说清这里的张力。开放权重让任何人都能检查模型、在本地运行、不经许可在其上继续搭建。它也让任何人都能拆掉防护栏、把能力重新打包。两件事同时成立，而业界还没决定更在意哪一件。

谷歌推出 Skills 是同一场争论里更安静的那一半。Skills 是一个源自 Anthropic 的开放格式。Gemini 可以从之前的对话生成 Skills，把几个串联起来，并在检测到匹配的提示词时自动运行。用户得到的是指令的可移植性，得不到的是模型的可移植性。据 The Decoder 报道，OpenAI 正在停用其对等产品 Custom GPTs。

对任何想决定该跑什么的人来说，实际问题不是开放还是封闭，而是当公司改变主意之后，你还能拿这个东西做什么。