开放权重不等于开源：一场关于标签的争论

从 Hugging Face 下载一个模型文件只要几秒钟。想搞清楚它是怎么做出来的，却需要一张传票。这个落差就是整场争论的核心。

The Register 的 Steven J. Vaughan-Nichols 在 9 月 15 日把这个区别说得很直白：一次发布可以是开放权重，却不是开源。这个差别决定了你究竟只是能运行一个训练好的神经网络，还是能真正检查、复现、修改并再分发产出它的那个系统。权重是训练产生的数值参数。它们连同架构和推理代码一起，让大语言模型得以工作。你可以自托管一个开放权重模型，用内部文档微调它，让提示词不经过某家专有 API。但在大多数发布中，你看不到它背后的数据配方。

对写许可证的人来说，这不是技术细节。

OSI 划了一条线，随后因此受到批评

开源定义由开源促进会负责维护。该组织明确指出，"开放权重指的是训练好的神经网络的最终权重和偏置"，公开它们只能暴露"实现完整问责所需信息的一小部分"。它自己的开源 AI 定义 OSAID 1.0 本意是补上这个缺口。定义要求模型参数（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。该定义于 2024 年 10 月发布，当时就被承认是一份会持续演进的文档。

批评者说，核心缺陷始终没有修好。Lightning AI 的 CTO、知名 PyTorch 贡献者 Luca Antiga 认为，OSAID 对权重的处理留下了"一个巨大的漏洞，会让许可证在判断经 OSI 许可的 AI 系统能否在真实场景中采用时变得更无力"。原始开源定义的作者 Bruce Perens 在 2024 年公开谴责 OSAID，后来更宣称："这不是开源！……不幸的是，开源促进会自己也参与了开源洗白。"软件自由保护协会的 Bradley Kuhn 和红帽高级商业法律顾问 Richard Fontana 呼吁废除 OSAID。他们认为，OSI"行动过快，把一项过于宏大的政策妥协强加给社区"，而这道裂痕"严重损害了 OSI 的声誉、权威和影响力"。

斯坦福以人为本人工智能研究院主任 James Landay 向 The Register 说出了这个抱怨的实际版本："开放权重是进步。你可以下载模型，在自己的机器上运行，让它不进入别人的数据管道。但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，并在它之上构建下一个东西吗？'"Landay 说。

没有训练数据或详细文档，外部者无法确定用了哪些来源、可能包含哪些受版权保护或私密的内容、数据是如何筛选或删除的、哪些语言和社群被低估、基准数据是否泄漏进训练、以及预训练之后有哪些对齐和安全方法塑造了模型。

一份试图折中的许可证

填补这个真空的，是 Linux 基金会的开放模型、数据与权重许可证，由 Mike Dolan 提交给 OSI。OpenMDW 自 2025 年存在至今，贡献者名单包括亚马逊、Meta、IBM、微软和英伟达，这给了它行业分量。它的做法是为模型的架构、训练数据和权重分别定义条款，把许可方提供的一切纳入同一份协议。传统开源围绕源代码展开；大语言模型则把代码、架构和数值权重结合在一起，而这些权重来自可能专有、受版权保护或根本未披露的数据集。

这份提交在 OSI 的许可证审查邮件列表上遭到反对。在 OSAID 制定期间领导 OSI 的前执行董事 Stefano Maffulli 说："我一直觉得 OpenMDW 的审查被一种意识形态偏见污染了：因为我们不喜欢大科技公司，而现在 AI 就是大科技公司，所以我们不喜欢 AI；于是我们会不惜一切去阻止它。"

与此同时，模型还在不断发布。Mozilla 的《开源 AI 现状》报告 1.1 版于 9 月 15 日发布，数据截至 9 月 1 日，统计了 16 个值得关注的开放发布。没有一个提供 OSAID 所要求的数据配方。Mozilla 是开放模型的倡导者，其 CTO Raffi Krikorian 在 7 月 14 日对《时代》表示，这份报告部分带有倡导性质，据 Tom's Hardware 报道。

能力差距在缩小，成本差距没有

Mozilla 的数字是目前对开放权重处境最具体的衡量。最好的开放模型在 Artificial Analysis 智能指数上落后闭源领先者三分，价格是后者的 60%，并以 30% 的价格落后 Claude Fable 5 两分。Mozilla 对 METR 任务时间跨度数据做了拟合，把开放与闭源的差距定在约 4.4 个月，与 Epoch AI 的四个月估计一致。METR 的评分方式，是按模型能在一半情况下完成的任务相当于人类多少工作时间。按 Mozilla 的计算，开放能力每 3.9 个月翻一番，闭源模型则是 5.5 个月。

在 vals.ai 的 Terminal-Bench 2.1 榜单上，所有模型跑同一套测试框架。Z.ai 的 GLM-5.2 得分与 Claude Opus 4.7 相差不到一分，落后 Opus 4.8 约四分，而每次测试的成本不到后者的五分之一。在 OpenRouter 上，Mozilla 统计，按 8 月的 token 用量，前十名模型中有八个是开放权重，其中七个由中国团队打造。据 Linux 基金会，2025 年 5 月到 9 月，闭源提供商仍在 OpenRouter 上拿走了模型层收入的 96%。Krikorian 在邮件中对 Ars Technica 说："我们认为为闭源模型付费是工作负载层面的决定，而不是组织层面的决定。"

这些数字附带着报告自己说明的限定条件。四个月的差距和 30% 的 token 价格，都是在托管端点上按 API 对 API、按标价测得的。Mozilla 自己的硬件图表显示，能装进一台服务器的最好开放模型得分为 52.6，能装进一张 GPU 的为 40，比榜首分别低 10 分和 23 分，差距大于四个月。Kimi K3 的原生 MXFP4 检查点跨 96 个分片约 1.56TB；Mozilla 的部署配置列出 64 个或更多加速器，而 vLLM 要求至少八块 GB300 GPU，生产流量还需要多节点。报告把这描述为开放，但大多数持有者并不能运行。Thinking Machines 的 Inkling-Small 采用 Apache 2.0，是一个例外：它的 NVFP4 版本能装进单块 B300，下限为 180GB。

数据截至 9 月 1 日，此后榜单已经变化。Artificial Analysis 现在运行的是采用不同评测集的 index v4.3；其实时榜单上 Claude Fable 5.1 在最高努力设置下得 53，Kimi K3 得 44，这些数字与 Mozilla 所绘制的 v4.1.1 数据不可比。Mozilla 自己图表的说明写着："差距在每个发布周期都会重置。"

围绕 K3 还有一项未解决的指控。美国国家安全局、网络安全和基础设施安全局与联邦调查局 9 月 8 日的联合公告（AA26-251A）称，Moonshot 通过蒸馏提取 Claude Fable 5 的数据来训练 K3。蒸馏指的是用一个模型的输出训练另一个模型。Mozilla 的报告把这一说法表述为"有断言，无展示"。7 月 17 日，Artificial Analysis 给 K3 打 57 分，Fable 5 为 60 分；到 9 月 1 日，Mozilla 测得的差距是两分。

这个标签到底是为了什么

这一切都没有解决版权之争。A. Feder Cooper、Mark A. Lemley 及合著者的一篇论文，2025 年 5 月首次提交到 arXiv，修订持续到 2026 年 7 月，用 14 个开放权重模型对 200 本书做了 3000 多次实验。作者发现，大多数大语言模型不会完整或部分记住大多数书。但 Llama 3.1 70B 完整记住了某些书名，包括《哈利·波特与魔法石》，从开头几个词就能几乎逐字提取整本书。论文的结论是，记忆因模型和书而异，这些结果对版权案件有重大影响，"尽管并非明确偏向任何一方"。

这就是这个标签所处的尴尬中间地带。开放权重告诉你一个模型可以运行、可以微调。它们不告诉你它吃了什么。Landay 被 The Register 引用的说法是最简洁的版本：开放权重回答你能不能运行这东西，开源回答你能不能信任它、改进它并在它之上构建。眼下，对 Hub 上几乎每一个发布来说，第一个答案是能，第二个仍是问号。