开放权重不等于开源,两者的差距正在显现
几乎所有打着开放模型旗号的发布,交到用户手里的只有可下载的权重,别的什么都没有。《注册》9月15日发文指出,这个标签正在被滥用。前一天 Mozilla 发布的报告用具体数字说明了这两类模型究竟能带来什么。

权重是训练得出的数值参数。单靠权重,你可以运行一个模型,把它部署在自己的服务器上,用内部文件做微调,绕开厂商的 API。这确实是实实在在的资产。但按照开源促进会(OSI)的说法,它也只是“实现完整问责所需信息的一小部分”。
《注册》的 Steven J. Vaughan-Nichols 在9月15日指出,行业已经悄悄把一个词换成了另一个词。他写道,某家公司把模型文件发到 Hugging Face,开发者在自己显卡上跑起来,这次发布随即被称作开源模型。他认为未必如此: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,外部的人无法弄清楚模型用了哪些来源、可能包含哪些受版权保护或私密的内容、数据是怎么过滤的、哪些语言被低估、评测数据有没有泄漏进训练、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《注册》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出来的、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。”
开源促进会试图用 2024年10月发布的《开源人工智能定义》(OSAID 1.0)把这件事定下来。该定义要求模型参数(含权重)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 首席技术官 Luca Antiga 称,对权重的这种处理是“一个巨大的窟窿,会让许可证越来越不起作用”。最初那版《开源定义》的作者 Bruce Perens 在 2024年公开批评 OSAID,后来又说 OSI 自己也卷进了“开源洗白”。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。
权重到底能给你什么
Mozilla 在9月15日发布了《开源人工智能现状》报告 1.1 版,数据截至9月1日,对争论双方都是一次有用的现实检验。在 Artificial Analysis 智能指数上,最好的开放模型比闭源领先者低三分,价格是后者的 60%;与 Claude Fable 5 相比低两分,价格是 30%。Mozilla 拟合 METR 的任务时长数据,得出开放与闭源之间的差距约为 4.4 个月,接近 Epoch AI 的四个月估计。按 Mozilla 的计算,开放模型的能力每 3.9 个月翻一番,闭源则是 5.5 个月。
Mozilla 是开放模型的倡导者,这份报告并不中立:《时代》7月14日报道,Mozilla 首席技术官 Raffi Krikorian 承认报告带有倡导成分。报告自己的数字也和标题说法相抵触。它统计了 16 次值得关注的开放发布,没有一次提供 OSI 定义所要求的数据配方。四个月的差距和 30% 的价格,都是按标价在托管接口之间做 API 对比测出来的。
还有硬件。Mozilla 的图表显示,能装进一台服务器的最好开放模型得分为 52.6,能装进一块显卡的最好模型为 40,分别掉了 10 分和 23 分。Kimi K3 的原生 MXFP4 检查点约 1.56TB,分布在 96 个分片;服务配置列出 64 个或更多加速器,vLLM 要求至少八块 GB300 显卡,生产流量还要多节点。Mozilla 自己的说法是:开放,但大多数拿到它的人跑不起来。有一个例外:Thinking Machines 的 Inkling-Small,Apache 2.0 许可,一块 B300 就能跑,下限 180GB。
Krikorian 在给 Ars Technica 的邮件中说,是否花钱用闭源模型看起来取决于具体工作负载,而不是机构类型。钱也印证了这一点。据 Linux 基金会统计,2025年5月到9月,OpenRouter 上模型层的收入有 96% 流向闭源厂商。而 Mozilla 统计,按 8 月的 token 用量,前十名模型里有八个是开放权重,其中七个由中国团队开发。
最后这个细节对许可证之争很关键。Mozilla 的数据截至9月1日,而 Artificial Analysis 此后已把指数升到 v4.3,评测集也换了,所以图上的数字和现在的实时榜单不能直接比较。Mozilla 图表自己的说明写着:“差距每个发布周期都会重置。”4.4 个月的滞后是一张快照,不是趋势线。
版权这一面,正是缺失的文档变得昂贵的地方。A. Feder Cooper、Mark A. Lemley 等人合写的一篇论文发在 arXiv 上,2026年7月20日修订,用 200 本书和 14 个开放权重大模型做了 3000 多次实验。多数模型没有把多数书整本或部分记住。但 Llama 3.1 70B(700亿参数)把某些书完整记住了,包括《哈利·波特与魔法石》,从开头几个词就能几乎逐字提取全书。作者说,这个结果在法庭上对双方都不利。
所以标签之争不是文字游戏。看不到数据,你就无法审计模型记住了什么,也无法复现造出它的那套系统。Landay 的划分是目前最干净的一种:开放权重回答的是你能不能用它,开源回答的是你能不能信任它、改进它、在它之上造下一个东西。
资料来源
3- 01Open weights are not open source: Why AI's favorite label is under disputeEN
- 02China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
- 03Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN
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。