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
›

开放权重,悬而未决的问题:过去一个月的发布到底说明了什么

Mozilla 于9月15日发布《开源人工智能现状》报告,数据截至9月1日。报告认为,中国最好的开放权重模型落后美国前沿模型约4.4个月。这个数字有用,但附加条件很多,围绕开放权重的争论恰好就是这样。

人工智能与模型分析林晓雯发布: 2026年9月28日8 分钟阅读资料来源 6
开放权重,悬而未决的问题:过去一个月的发布到底说明了什么

据 Tom's Hardware 报道,Mozilla 于9月15日发布《开源人工智能现状》报告1.1版,数据截至9月1日。最核心的发现是:在 Artificial Analysis 智能指数上,最好的开放模型以60%的价格落后闭源领先者3分。它以30%的价格落后 Claude Fable 5 两分。Mozilla 用 METR 的任务时长数据做拟合,得出开放与闭源的差距约为4.4个月,与 Epoch AI 的四个月估计一致。

这是一个被压缩的差距。它也是用一种非常特定的方式测出来的。

四个月这个数字到底测的是什么

这个数字来自 METR,一家研究类非营利机构。METR 按任务时长给模型打分,时长以人类工作时长计,看模型能否有一半概率完成。按 Mozilla 的拟合估计,闭源模型能处理人类专家需要8到12小时的任务。开放模型大约在四个月后达到这一水平。Mozilla 算出开放模型的能力每3.9个月翻一番,闭源模型为5.5个月。据 Tom's Hardware 报道,这份报告基于 Mozilla 与 SlashData 对约1400名开发者的调查,外加 OpenRouter 流量数据和第三方基准指数。Mozilla 是 Firefox 背后的非营利组织,也是开放模型的倡导者。TIME 在7月14日报道,Mozilla 首席技术官 Raffi Krikorian 称这份报告部分带有倡导性质。

方法论上还有第二个保留。四个月的差距和30%的 token 价格,都是在托管端点上按 API 对 API、按标价测出来的。这比较的是两类模型怎么卖,而不只是它们能做什么。

报告自己的硬件图表把问题说得更清楚。能装进一台服务器的最好开放模型得分52.6;能装进一块 GPU 的最好开放模型得分40。与榜首相比分别低10分和23分,差距比报告所说的四个月更大。Kimi K3 的原生 MXFP4 检查点跨96个分片,约1.56TB。Mozilla 给出的部署配置列出64块或更多加速器,而 vLLM 要求至少八块 GB300 GPU,生产流量还需要多个节点。报告把这种情况称为开放,但大多数拿到它的人跑不起来。Tom's Hardware 在7月估计其内存需求接近1.5TB。报告中有一个反例:Thinking Machines 的 Inkling-Small,采用 Apache 2.0 许可,其 NVFP4 版本能以180GB 的下限装进一块 B300。

所以:可以下载,是的。对小团队是否实用,有时不是。

便宜又接近的基准测试

Mozilla 还绘制了 vals.ai 的 Terminal-Bench 2.1 结果。这套测试让每个模型跑同一套脚手架,也就是为模型提供工具的那层软件。在这个榜上,Z.ai 的 GLM-5.2 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五分之一。OpenRouter 是一个把开发者流量分发给数百个模型的市场。Mozilla 在那里统计到,按8月 token 用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。然而据 Linux Foundation 的数据,2025年5月到9月,闭源厂商仍拿走了 OpenRouter 上模型层收入的96%。

Krikorian 在给 Ars Technica 的邮件中说,Mozilla 认为是否为闭源模型付费取决于具体工作负载,而不是取决于机构本身。

数据停在9月1日,榜单此后已经变了。Artificial Analysis 把指数换到 v4.3,评估集也不同了。实时榜单上,Claude Fable 5.1 在最高努力档位得53分,Kimi K3 为44分,这些数字与 Mozilla 所绘的 v4.1.1 数据不可比。vals.ai 的 Terminal-Bench 2.1 榜单更新于9月11日,由 GPT-6 Astra 以87.27%领先,Fable 5.1 为85.02%。Mozilla 自己图表的说明写着:“差距每个发布周期都会重置。”

K3 还牵涉9月8日 NSA/CISA/FBI 联合公告 AA26-251A 中详述的一项指控。Mozilla 的报告把这一说法写成“已被主张,但未被展示”。指控称 Moonshot 通过蒸馏,也就是用一个模型的输出去训练另一个模型的做法,抽取 Claude Fable 5 的数据来训练 K3。7月17日,Artificial Analysis 给 K3 打57分,Fable 5 为60分;到9月1日,Mozilla 的记录是落后两分。

开放权重不是开源,这个区分在起作用

开源促进会借这个时机划了一条线。在9月19日的文章中,OSI 主张开放权重模型只让你行使四项软件自由中的一部分,即无需向权利人请求许可即可使用、研究、修改和分享的自由,而且只在一定程度上。一个模型由三部分组成:训练数据,权重与参数,以及数据准备和训练的代码。开放权重只放出中间那一部分。

有了开放权重,你可以选择在本地运行模型,只付电费和硬件钱,也可以找第三方服务商托管。你还可以用自己的数据微调模型。

OSI 举出的另一种做法是 Ai2 的 Olmo,以开源人工智能的形式发布。Olmo 让研究者往训练数据里注入新信息,观察模型如何记住或忘掉它。Mozilla 的报告统计了16个值得注意的开放发布,但 Tom's Hardware 指出,没有一个提供了开源促进会定义所要求的数据配方。OSI 把开源生态系统的需求侧价值估为88000亿美元。

这套说法对政策有意义,但它没有回答开放权重是否有用。在狭窄的活儿上,它们显然有用。

小模型,专门的活

Superwhisper 发布了 S1-mini,一个6亿参数的文本规范化模型,用于处理语音转文字的输出。它从 Qwen/Qwen3-0.6B 微调而来,采用 Apache 2.0 许可并附带命名条款。它接收原始的 ASR 转写,改写成干净的书面文字:去掉口头填充词,处理断句重来,加上标点,把口述的数字和日期写成书面形式。在一个留出的7519条英文用例集上,它的 token 准确率达到94.8%。量化版本是一个462 MiB 的文件,能在笔记本 CPU 上跑。模型卡对适用范围说得异常直白:它不是聊天模型,不会遵循通用指令,只覆盖英文,并且要求输入顶部有一行控制指令。它的参数量也是读模型卡的一课。Hub 侧栏显示8亿,但模型卡解释说 lm_head.weight 是作为输入嵌入的实体副本存储的。于是15560万参数的嵌入被算了两次,张量元素为75160万,而唯一参数为59600万。

第二个例子来自一位实践者的文章,而不是厂商。James Cruce 在9月22日描述了自己如何把智能体系统里的确定性路由器换成 Laya。Laya 是 convaiinnovations 推出的开放权重类型化决策模型,约42100万参数,采用 ModernBERT-large 编码器,上限1024个 token。它返回类型化的答案,可以是在若干命名选项中的一个选择,可以是有序尺度上的分数,也可以是对一个是非陈述的概率,而不是需要解析的散文。他选它而不是 TypeSafe 托管的 Jev,后者标价每百万输入 token 0.042美元,输出 token 不收费,能处理最多255个选项的选择。他想让日常决策跑在本地一台配 M3 Ultra 和256GB 统一内存的 Mac Studio 上。他明确说这只是一种部署:他没有测试 Laya 在总体上是否胜过 Jev。他把它当作程序内部的推荐器,从不当作许可或真相的来源。模型卡警告说它过度自信,需要针对具体领域做校准。

这些就是开放权重不再作为地缘政治论据、而开始成为工程选择的场合。一个462 MiB 的规范化模型和一个42100万参数的决策模型都不是前沿系统。它们也正是团队可以锁定版本、离线运行、无需走采购流程就能审计的那类东西。

版权问题仍未解决

过去一年最有分量的开放权重研究,关心的是权重里面装了什么。A. Feder Cooper、Mark A. Lemley 和七位合著者的论文测量了14个开放权重 LLM 对200本书的记忆化,做了3000多次实验。论文首次提交于2025年5月18日,修订至2026年7月20日。摘要指出,大多数 LLM 不会记住大多数书,无论整体还是部分,但存在明显的例外。Llama 3.1 70B 完整记住了某些书,包括《哈利·波特与魔法石》。作者写道,用这本书开头的几个词作为初始提示,就能确定性地几乎逐字提取整本书。

论文的表述方式对版权之争的双方都刻意不留情面。它指出,原告和被告都提出笼统而对立的主张,把记忆化与版权的关系极大地简化了。它还说,其结果对版权案件有重要影响,但这些影响并不明确偏向任何一方。论文被 COLM 2026 接收。

把两条线索放在一起,这个月的图景比任何一方希望的都更不整齐。开放权重在总体基准上已足够接近前沿,足以让大量工作重新定价,在其中一些基准上还便宜得多。它们常常大到没有一整个机架就服务不了。按社区很大一部分人使用的定义,它们不是开源。它们可能包含没人授权过的书里的原文。而一个6亿参数的模型,只要能把口述整理干净,它就仍然做到了它说的事。

Mozilla 自己图表的说明,也许是整份报告里最诚实的一句:差距每个发布周期都会重置。

评论 0

资料来源

6
  1. 01China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
  2. 02Open Weights Are Good. Open Source Is Better.EN
  3. 03S1-mini, Superwhisper's first open-weights language modelEN
  4. 04Does an open-weight decision model beat a hosted one? Jev vs. LayaEN
  5. 05Extracting memorized pieces of books from open-weight language modelsEN
  6. 06OpenAI expands review of model behavior after more rogue agent incidents emergeEN

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。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

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。