「开放权重」到底指什么，为什么它不等于开源

开放权重是神经网络训练完成后得到的学习数值参数。把它们发布到 Hugging Face 上，任何有 GPU 的人都能运行、微调，或者自己托管。这确实有用。但开源促进会和几位知名的自由软件人士说，这并不等于开源。

这个区别不只是标签之争。它决定的是：你只能部署一个训练完成的神经网络，还是能够检查、复现、修改并再分发产出它的那套系统。斯坦福 HAI 主任 James Landay 对 The Register 说：「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，并在它之上做出下一个东西吗？』」

下载包里真正给了你什么

一次典型的开放权重发布包含权重、模型架构和推理代码。再配上一个像 llama.cpp 这样的运行时，就足以生成文本。比如 Superwhisper 的 S1-mini，是一个 0.6B 参数的文本规范化器，用于处理语音转文字的输出，从 Qwen/Qwen3-0.6B 微调而来，采用 Apache 2.0 许可再加一条命名条款。它的模型卡列出 596M 个独立参数、28 层、分组查询注意力下的 16 个查询头和 8 个键值头，还有一个量化版本，文件大小 462 MiB。

模型卡上没有的是训练数据。Superwhisper 没有说明 S1-mini 是用哪些转写文本训练的、这些文本如何挑选，也没有说明删掉了什么。开放权重发布大多如此，而这正是批评者所指的那个缺口。

OSI 自己的术语条目把界线划得很直白。它写道：「开放权重指一个已训练神经网络的最终权重和偏置」，并补充说，仅有权重只能暴露「完整问责所需信息的一小部分」。没有训练数据或详细文档，外部人无法判断用了哪些来源、其中可能包含哪些受版权保护或私密材料、数据如何过滤、哪些语言被低代表、基准数据是否泄漏进训练，以及预训练之后采用了哪些对齐和安全方法。

「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。」James Landay，斯坦福 HAI

OSI 试图给出定义，争论并未结束

开源促进会于 2024 年 10 月发布开源 AI 定义 OSAID 1.0。它要求模型参数（包括权重）以 OSI 认可的条件提供，但没有规定具体的法律机制。OSI 在发布时承认这一定义会继续演变。批评者说，核心缺陷并未解决。

Lightning AI 首席技术官、PyTorch 贡献者 Luca Antiga 认为，OSAID 对权重的处理留下了「一个大洞，会让许可证在判断 OSI 许可的 AI 系统能否用于真实场景时变得更无力」。原版开源定义的作者 Bruce Perens 在 2024 年公开抨击 OSAID，后来又说：「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 走得更远，呼吁废除 OSAID。The Register 引用了他们的论点：「OSI 行动太快，把一项过于宏大的政策妥协强加给社区。OSAID 无疑在自由开源软件社区中造成了裂痕；这道裂痕严重损害了 OSI 的声誉、权威和影响力。」

与此同时，Linux 基金会的 Mike Dolan 向 OSI 提交了开放模型、数据与权重许可证 OpenMDW。它自 2025 年起存在，贡献者名单上有亚马逊、Meta、IBM、微软和英伟达。它的做法是在一份协议下，为模型的架构、训练数据和权重分别定义条款。这次提交在 OSI 的许可证审查邮件列表上引来反对。OSI 前执行董事 Stefano Maffulli 说，他总觉得审查「带有意识形态偏见：因为我们不喜欢大科技，而现在 AI 就是大科技，所以我们不喜欢 AI；于是我们做什么都要挡住它。」

能力上的进步是真的，但保留条件也是真的

这一切都没有让发布节奏慢下来。据 Tom's Hardware 报道，Mozilla 于 9 月 15 日发布其开源 AI 状况报告 1.1 版，所用数据截至 9 月 1 日。报告称，在 Artificial Analysis 智能指数上，最好的开放模型落后闭源领先者 3 分，价格是后者的 60%；落后 Claude Fable 5 两分，价格是后者的 30%。Mozilla 对 METR 任务时长数据的拟合显示，开放与闭源之间的差距约为 4.4 个月，与 Epoch AI 的四个月估计一致。

Mozilla 的数字来自一份对约 1400 名开发者的 Mozilla/SlashData 调查、OpenRouter 流量数据和第三方基准指数。Mozilla 主张开放模型；TIME 在 7 月 14 日报道说，Mozilla 首席技术官 Raffi Krikorian 称这份报告带有倡导性质。报告统计了 16 个值得关注的开放发布，并指出没有一个提供 OSI 定义所要求的数据配方。

• 在 vals.ai 的 Terminal-Bench 2.1 上，Z.ai 的 GLM-5.2 得分与 Claude Opus 4.7 相差不到 1 分，与 Opus 4.8 相差约 4 分，而每次测试的成本不到后者的五分之一。
• 在 OpenRouter 上，Mozilla 统计 8 月 token 量前十的模型中有八个是开放权重，其中七个由中国团队构建。
• 据 Linux 基金会，2025 年 5 月至 9 月，闭源提供商仍拿走 OpenRouter 上模型层收入的 96%。
• 在 Mozilla 的硬件图表上，能装进一台服务器的最好开放模型得 52.6 分；能装进一块 GPU 的最好模型得 40 分。与最高分的差距分别是 10 分和 23 分。

最后一点才是实际的门槛。Kimi K3 的原生 MXFP4 检查点分布在 96 个分片上，约 1.56TB，Mozilla 的部署配置列出 64 个或更多加速器，而 vLLM 要求生产流量至少用八块 GB300 GPU，并跨多个节点。Mozilla 称这属于开放，但大多数拿到它的人跑不起来。报告点出的一个例外是 Thinking Machines 的 Inkling-Small，采用 Apache 2.0，其 NVFP4 版本能装进一块 B300，下限 180GB。

Krikorian 在邮件中对 Ars Technica 说：「我们把为闭源模型付费看作与具体工作负载有关，而不是与组织有关。」

版权案件撞上了同一堵墙

定义之争在法庭上有平行版本。A. Feder Cooper、Mark A. Lemley 与七位合著者的一篇论文发布在 arXiv 上，2026 年 7 月修订，通过 3000 多次实验测量了 14 个开放权重 LLM 对 200 本书的记忆情况。他们的结论是，生成式 AI 版权诉讼中的原告和被告都把问题想得太简单。

在作者们的提取方法下，多数 LLM 并不会完整或部分记住多数书籍。但有例外：Llama 3.1 70B 完整记住了某些书，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。作者们写道，他们的结果对版权案件有重要含义，但这些含义并不明确偏向任何一方。

开放权重之争大致就停在这里。文件是公开的，配方不是。而双方连该怎么称呼这个结果都没谈拢。