开放权重不等于开源，差距正在显现

权重是训练得出的数值参数。有了权重，你就能运行模型、自己托管、拿内部文档做微调，也不必再走厂商的 API。这确实是实打实的东西。但按开源促进会（Open Source Initiative）的说法，它只是「实现完整问责所需信息中的一小部分」。

The Register 的 Steven J. Vaughan-Nichols 在 9 月 15 日提出，业界已经悄悄把两个词换着用了。他写道，公司把模型文件发到 Hugging Face，开发者在自己的 GPU 上跑起来，这次发布马上就被说成开源模型。他认为未必，它可能只是开放权重。

这个区分听起来像学术讨论。其实不是。

没有训练数据和详细文档，外部人就无法确定模型用了哪些来源，里面可能夹带了哪些受版权保护或私密的内容，数据是怎么过滤的，哪些语言被低度代表，基准数据有没有漏进训练，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，开放权重是一种进步，因为你可以让模型不进入别人的数据管道。但他补充说：「你仍然看不到这东西是怎么造的、用什么训练的、为什么会有这样的行为。那不是开放模型。那是开放分发。」

开源促进会曾想用 2024 年 10 月发布的 Open Source AI Definition（OSAID 1.0）把这件事定下来。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。这个缺口至今没有补上。Lightning AI 的 CTO Luca Antiga 称对权重的这种处理是「一个巨大的漏洞，会让许可证的效力下降」。原始 Open Source Definition 的作者 Bruce Perens 在 2024 年公开抨击 OSAID，后来又说 OSI 自己现在也参与了 openwashing。软件自由保护协会的 Bradley Kuhn 和红帽的 Richard Fontana 都呼吁废除这一定义。

权重实际能给你什么

Mozilla 在 9 月 15 日发布了《State of Open Source AI》报告 1.1 版，数据截至 9 月 1 日。对争论双方来说，这都是一次有用的现实检验。最好的开放模型在 Artificial Analysis 智能指数上落后闭源领先者 3 分，价格是后者的 60%；与 Claude Fable 5 相比落后 2 分，价格是 30%。Mozilla 拟合 METR 的任务时域数据，得出开放与闭源的差距约为 4.4 个月，接近 Epoch AI 的四个月估计。按 Mozilla 的计算，开放能力每 3.9 个月翻一番，闭源是 5.5 个月。

Mozilla 是开放模型的倡导者，这份报告并不中立。TIME 在 7 月 14 日报道，Mozilla 的 CTO Raffi Krikorian 称它带有部分倡导性质。报告自己的数字也和标题相抵触。它统计了 16 个值得注意的开放发布，没有一个提供了 OSI 定义所要求的数据配方。四个月的差距和 30% 的价格数字，都是在托管端点上按标价、API 对 API 测得的。

还有硬件。Mozilla 的图表把能装进一台服务器的最好开放模型标为 52.6，能装进单张 GPU 的标为 40，分别下降 10 分和 23 分。Kimi K3 的原生 MXFP4 检查点跨 96 个分片、约 1.56TB；服务配置列出 64 个或更多加速器，vLLM 在生产流量下要求至少 8 张 GB300 GPU 并使用多节点。Mozilla 自己的说法是：开放，但持有它的多数人跑不起来。一个例外是 Thinking Machines 的 Inkling-Small，采用 Apache 2.0，在 180GB 下限下可装进单张 B300。

Krikorian 通过电子邮件对 Ars Technica 说，为闭源模型付费的选择看起来取决于工作负载，而不是取决于组织。钱也同意这一点。根据 Linux 基金会的数据，2025 年 5 月到 9 月，闭源提供商拿走了 OpenRouter 上模型层收入的 96%。而 Mozilla 统计到 8 月，token 量前十的模型里有八个是开放权重，其中七个来自中国。

最后这个细节对许可证之争很重要。Mozilla 的数据止于 9 月 1 日，而 Artificial Analysis 此后已把指数升级到 v4.3，评估集不同，图上的数字不再能与实时榜单直接比较。Mozilla 自己的图表说明写着：「差距每个发布周期都会重置。」4.4 个月的落后是一个快照，不是趋势线。

版权角度才是缺失文档变得昂贵的地方。A. Feder Cooper、Mark A. Lemley 等人的一篇论文发布在 arXiv 上，并于 2026 年 7 月 20 日修订，在 200 本书和 14 个开放权重 LLM 上做了 3000 多次实验。多数模型没有完整或部分记住多数书。但 Llama 3.1 70B 完整记住了其中一些，包括《哈利·波特与魔法石》，从开头几个词几乎可以逐字提取整本书。作者说，这一结果在法庭上对双方都不利。

所以标签之争不是语义问题。如果你看不到数据，就无法审计模型记住了什么，也无法复现产出它的系统。Landay 的说法是现有表述中最干净的一个。开放权重回答的是你能不能运行它。开源回答的是你能不能信任它、改进它，并在它之上造出下一个东西。