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
›

开源权重究竟能给你什么,又给不了什么

开源权重模型的发布让下载一个语言模型并在自己的硬件上运行变得很容易,但这个标签对训练数据、代码和许可证只字不提。这个缺口如今成了开源定义制定者们公开争论的中心。

人工智能与模型分析王雅琴发布: 2026年9月27日5 分钟阅读资料来源 3
开源权重究竟能给你什么,又给不了什么

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。最醒目的数字是最佳开源权重模型与闭源前沿产品之间相差四个月。报告统计了 16 个值得关注的开源发布,并指出其中没有一个附带开源促进会(Open Source Initiative)所要求的数据配方。

最后这句话比那四个月更重要。

The Register 的 Steven J. Vaughan-Nichols 在 9 月 15 日把这个区别说得很直白:把模型文件发到 Hugging Face、让开发者在自己显卡上运行,这叫开放分发,不叫开源。开源促进会拥有开源定义,它把开放权重定义为“训练好的神经网络的最终权重和偏置”。这些数值决定模型如何读取提示词、如何生成回答,却不告诉你模型是用什么训练出来的。

下载下来的文件里有什么

权重文件是训练的产物,不是训练本身。没有数据集或详细文档,外部的人无法确定用了哪些来源、混入了哪些受版权保护或私密的内容、数据如何过滤、哪些语言和社群被边缘化、评测数据是否泄漏进了训练、预训练之后又做了哪些对齐工作。斯坦福以人为本人工智能研究院院长 James Landay 对 The Register 说:“开放权重是进步。你可以下载模型,在自己的机器上跑,不让它进入别人的数据管道。但你依然看不到这东西是怎么造出来的、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。”

实际的好处是真实的,值得平实地讲出来。自托管让你掌控数据、隐私、成本、API 变更和供应商锁定,也催生了一个庞大的运行时、推理服务和微调工具生态。Superwhisper 的 s1-mini 是这个小生态里不错的例子:一个 6亿 参数的文本规范化模型,以 Apache 2.0 许可发布并带一条命名条款,59600万 个独立参数,462 MiB 的量化版本,基于 Qwen/Qwen3-0.6B 微调,能在笔记本 CPU 上运行。你可以用修订标签锁定某个版本,但仍然看不到语料库。

定义之争

开源促进会于 2024 年 10 月发布《开源 AI 定义》OSAID 1.0,当时就承认它会继续演进。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。Lightning AI 首席技术官、PyTorch 贡献者 Luca Antiga 认为,对权重的处理留下了一个他称之为“大洞”的缺口,会使许可证在判断 OSI 许可的系统能否实际采用时效果变差。

原始开源定义的作者 Bruce Perens 在 2024 年公开抨击 OSAID,后来又说:“这不是开源!……遗憾的是,开源促进会自己现在也卷进了开放洗白。”软件自由保护协会的 Bradley Kuhn 和红帽的 Richard Fontana 呼吁废除 OSAID,他们写道 OSI 行动太快,这场裂痕损害了它的声誉和影响力。

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》,简称 OpenMDW。它从 2025 年起存在,贡献者名单里有亚马逊、Meta、IBM、微软和英伟达。它的做法是为架构、训练数据和权重分别定义条款,把许可方提供的一切纳入一份协议。这份提交在 OSI 的许可证审查邮件列表上引来了反对。OSI 前执行董事 Stefano Maffulli 说,他总觉得这次审查被针对大科技公司的意识形态偏见污染了。

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,并在它之上造出下一个东西吗?”

这句话出自 Landay,同样来自 The Register,是对这场争论最干净的总结。它也说明了为什么 Mozilla 报告的基准测试部分要谨慎看待。四个月这个数字来自 METR 的任务时间跨度数据,它按模型能在一半情况下完成多长(以人类工作时间计)的任务来打分。Mozilla 的拟合显示,闭源模型能完成专家需要 8 到 12 小时的任务,开源模型大约晚四个月达到同一水平。Mozilla 算出的开源能力每 3.9 个月翻一倍,闭源是 5.5 个月。

价格是开放权重明显占优的地方。Mozilla 发现,最佳开源模型在 Artificial Analysis 智能指数上落后闭源领跑者三分,价格是它的 60%;落后 Claude Fable 5 两分,价格是 30%。在 vals.ai 的 Terminal-Bench 2.1 上,Z.ai 的 GLM-5.2 与 Claude Opus 4.7 相差不到一分,比 Opus 4.8 低约四分,每次测试成本不到五分之一。在 OpenRouter 上,Mozilla 统计 8 月按 token 量排名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。但据 Linux 基金会,2025 年 5 月到 9 月,闭源供应商仍拿走了 OpenRouter 上模型层收入的 96%。

硬件是那个保留条件。Mozilla 自己的图表把能装进一台服务器的最佳开源模型标为 52.6,能装进一张显卡的最佳模型标为 40,比榜首分别低 10 分和 23 分,差距比四个月所暗示的更大。Kimi K3 的原生 MXFP4 检查点分布在 96 个分片上,共约 1.56TB,Mozilla 的服务配置列出 64 个或更多加速器。Thinking Machines 的 Inkling-Small 以 Apache 2.0 发布,最低 180GB 显存就能装进一张 B300。

数据止于 9 月 1 日。Artificial Analysis 此后已改用 v4.3 指数和另一套评测集,而 Mozilla 自己图表的说明写着:“差距每个发布周期都会重置。”标签会一直跑在定义前面。

评论 0

资料来源

3
  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

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。