开放权重，开放疑问：最近一个月的发布究竟说明了什么

据 Tom's Hardware 报道，Mozilla 于 9 月 15 日发布《开源 AI 现状》报告 1.1 版，数据截至 9 月 1 日。主要发现是：在 Artificial Analysis 智能指数上，最好的开放模型比闭源领先者低 3 分，但价格仅为后者的 60%；比 Claude Fable 5 低 2 分，价格为后者的 30%。根据 Mozilla 对 METR 任务时间跨度数据的拟合，开放与闭源模型之间的差距约为 4.4 个月，与 Epoch AI 估计的 4 个月一致。

这是一个被压缩的差距。但它的测量方式非常具体。

四个月数字究竟测量了什么

这个数字基于 METR，这是一个研究非营利组织，通过模型有一半概率能完成的任务长度（以人类工作时间计）来对模型进行评分。根据 Mozilla 的拟合估计，闭源模型能处理人类专家需要 8 到 12 小时才能完成的任务。开放模型大约四个月后能达到这一水平。Mozilla 计算得出，开放模型的能力每 3.9 个月翻一番，而闭源模型为 5.5 个月。Tom's Hardware 报道，该报告基于 Mozilla/SlashData 对约 1400 名开发者的调查，以及 OpenRouter 流量数据和第三方基准指数。Mozilla 是 Firefox 背后的非营利组织，也是开放模型的支持者：TIME 在 7 月 14 日报道称，Mozilla 首席技术官 Raffi Krikorian 表示该报告部分带有倡导性质。

方法论中还隐藏着第二个注意事项。四个月差距和 30% 的 token 价格数字是在托管端点上按 API 对 API 且按列表价格测量的。这不仅是模型能力的比较，更是两类模型销售方式的比较。

报告中的硬件图表进一步阐明了这一点。能装在一台服务器上的最佳开放模型得分为 52.6；能装在一块 GPU 上的最佳模型得分为 40。与最高分的差距分别为 10 分和 23 分，比报告的四个月差距更大。Kimi K3 的原生 MXFP4 检查点跨越 96 个分片，大小约为 1.56TB，Mozilla 的部署配置列出了 64 个或更多加速器，而 vLLM 要求至少 8 块 GB300 GPU，生产流量需要多节点。报告将此描述为“开放但大多数持有者无法运行”。Tom's Hardware 在 7 月将内存需求放在 1.5TB 附近。报告中的一个反例是 Thinking Machines 的 Inkling-Small，采用 Apache 2.0 许可证，其 NVFP4 版本在 180GB 的内存下限内可装入一块 B300。

所以：可下载，是的。对于小团队实用，有时不是。

廉价且接近的基准测试

Mozilla 还绘制了 vals.ai 的 Terminal-Bench 2.1 结果，该测试让所有模型通过同一框架运行，即向模型提供工具的软件层。在该榜单上，Z.ai 的 GLM-5.2 得分与 Claude Opus 4.7 相差不到 1 分，比 Opus 4.8 低约 4 分，而每次测试的成本不到后者的五分之一。在 OpenRouter 这个将开发者流量路由到数百个模型的市场中，Mozilla 统计到 8 月份按 token 量计算的前十名模型中有 8 个是开放权重，其中 7 个是中国制造的。然而，根据 Linux Foundation 的数据，2025 年 5 月至 9 月期间，闭源提供商在 OpenRouter 上占据了模型层收入的 96%。

Krikorian 在电子邮件中告诉 Ars Technica，Mozilla 认为支付闭源模型费用的决定是特定于工作负载的，而非特定于组织的。

数据截至 9 月 1 日，而榜单此后已发生变化。Artificial Analysis 将其指数调整为 v4.3，使用了不同的评估集；实时榜单显示 Claude Fable 5.1 在最高努力设置下得分为 53，Kimi K3 为 44，这些数字与 Mozilla 绘制的 v4.1.1 数据不可比。vals.ai 的 Terminal-Bench 2.1 榜单于 9 月 11 日更新，由 GPT-6 Astra 以 87.27% 领先，Fable 5.1 为 85.02%。Mozilla 自己的图表标题写着：“差距在每个发布周期都会重置。”

K3 还涉及一项在 9 月 8 日 NSA/CISA/FBI 联合通告 AA26-251A 中详述的指控。Mozilla 报告将此声明为“声称但未证明”，即 Moonshot 通过蒸馏（一种在一个模型的输出上训练另一个模型的做法）提取 Claude Fable 5 数据来训练 K3。7 月 17 日，Artificial Analysis 显示 K3 得分为 57，Fable 5 为 60；9 月 1 日，Mozilla 显示 K3 落后 2 分。

开放权重不是开源，这一区别正在发挥作用

开源促进会（OSI）利用这一时刻划清了界限。在 9 月 19 日的一篇帖子中，OSI 认为开放权重模型允许你行使软件四大自由中的一部分（无需权利持有者许可即可使用、研究、修改和分享），但并非全部，且仅限于一定程度。一个模型由三个部分组成：训练数据、权重和参数，以及用于数据准备和训练的代码。开放权重仅发布中间部分。

通过开放权重，你可以选择本地运行模型，只需支付电力和硬件费用，也可以与第三方提供商合作托管它。你还可以用自己的数据对模型进行微调。

OSI 举出的替代方案例子是 Ai2 的 Olmo，作为开源 AI 发布，它允许研究人员向训练数据中注入新信息，并观察模型如何记忆或遗忘它。Mozilla 的报告统计了 16 个值得注意的开放发布，但 Tom's Hardware 指出，没有一个提供开源促进会定义所要求的数据配方。OSI 估计开源生态系统的用户需求价值为 8.8 万亿美元。

这种框架对政策很重要，但并未解决开放权重是否有用的问题。在狭窄的任务中，它们显然是有用的。

小模型，特定任务

Superwhisper 发布了 S1-mini，这是一个 0.6B 参数的文本规范化器，用于语音转文本输出，由 Qwen/Qwen3-0.6B 微调而来，采用 Apache 2.0 许可证并附带命名条款。它接收原始 ASR 转录本并将其重写为干净的书面文本：去除填充词，解决误启动，应用标点符号，将口语数字和日期转换为书面形式。在一个包含 7519 个英文案例的留出集上，它达到了 94.8% 的 token 准确率，量化后的构建是一个 462 MiB 的文件，可在笔记本 CPU 上运行。模型卡片对范围异常直白：它不是聊天模型，不会遵循通用指令，仅覆盖英文，并期望在输入顶部有一行控制语句。其参数量也是阅读模型卡片的一个小教训：Hub 侧边栏报告为 0.8B，但卡片解释说 lm_head.weight 是输入嵌入的物化副本，因此 155.6M 参数的嵌入被计算了两次，751.6M 张量元素对应 596.0M 唯一参数。

第二个例子来自一份从业者文章，而非供应商。James Cruce 在 9 月 22 日描述了他如何在自己的代理系统中用 Laya 替换确定性路由器，Laya 是 convaiinnovations 的一个开放权重类型决策模型，约有 421 百万参数，一个 ModernBERT-large 编码器和一个 1024 token 的限制。它返回类型化的答案，即在命名选项中进行选择、在有序量表上的得分，或是对是/否陈述的概率，而不是需要解析的散文。他选择了它而不是 TypeSafe 的托管 Jev，后者列出每百万输入 token 0.042 美元，无输出 token 收费，并处理最多 255 个选项的选择，因为他希望常规决策在配备 M3 Ultra 和 256GB 统一内存的 Mac Studio 上本地运行。他明确表示这只是部署之一：他没有测试 Laya 在一般情况下是否优于 Jev，并将该模型视为程序内的推荐器，而非权限或真理的来源。模型卡片警告它过于自信，需要特定领域的校准。

在这些情况下，开放权重不再是一个地缘政治论点，而开始成为一种工程选择。一个 462 MiB 的规范化器和一个 421 百万参数的决策模型不是前沿系统。它们也是团队可以固定、离线运行并审计的东西，无需采购电话。

版权问题仍未解决

过去一年最具影响力的开放权重研究涉及权重内部的内容。一篇由 A. Feder Cooper、Mark A. Lemley 和七位合著者撰写的论文，首次提交于 2025 年 5 月 18 日，修订至 2026 年 7 月 20 日，通过 3000 多项实验测量了 200 本图书在 14 个开放权重 LLM 中的记忆情况。摘要指出，大多数 LLM 没有记忆大多数图书，无论是整体还是部分，但有值得注意的例外。Llama 3.1 70B 完全记忆了一些书籍，包括《哈利·波特与魔法石》；作者写道，可以使用书籍的前几个字作为初始提示，几乎逐字地确定性提取整本书。

论文的框架刻意让版权斗争双方的立场都不舒服。它指出，原告和被告做出了广泛且相互对立的声明，极大地简化了记忆与版权之间的关系，并且其结果对版权案件有重要影响，尽管并非明确地偏向任何一方。该论文已被 COLM 2026 接收。

将这两条线索结合起来，这个月的画面比任何一方希望的要凌乱得多。开放权重在综合基准测试上足够接近前沿，足以重新定价许多工作，并且在某些方面便宜得多。它们通常太大，没有机架就无法服务。它们不符合社区很大一部分人使用的开源定义。它们可能包含没有人授权的书籍逐字文本。而一个清理听写的 0.6B 模型仍然精确地执行它所说的事情。

Mozilla 自己的标题可能是报告中诚实的一句话：差距在每个发布周期都会重置。