“不要将‘开放权重’与‘开源’混为一谈”：Percona CEO 谈为何 AI 术语至关重要
内容提要
在布拉格开源峰会上，Percona CEO Peter Farkas 呼吁区分“开放权重”与“开源”：开放权重仅提供模型参数，缺少源代码和训练数据，无法真正使用、研究、修改和共享。斯坦福 HAI 的 James Landay 指出，开放权重只回答“能否运行”，开源则回答“能否信任、改进并在此基础上构建”。小米 MiMo-V2.6 公开强化学习训练过程，DeepSeek 仅发布权重却被广泛称为开源。OSI 2024 年发布首个开源 AI 定义，但争议仍存，现正重新展开讨论。
延伸解读
术语混淆的实际影响
Farkas 警告，若将开放权重与开源混为一谈，会导致“开放洗白”泛滥。企业可能将限制使用的模型标为开源，例如无法在欧盟使用的软件却声称遵循 Apache 2.0 许可证。这种对开源核心定义的侵蚀不会局限于 AI 领域，而会波及整个软件生态，削弱开源许可证的法律效力和社区信任。
开放权重并非无价值
Farkas 强调，开放权重本身很有价值：开发者可以在自有环境运行模型、进行实验，并在理解风险后用于生产。问题不在于开放权重本身，而在于将其宣传为与开源等同。这种区分有助于读者理性看待 DeepSeek 等仅发布权重的模型，既不否定其可用性，也不误认为它们具备开源的全部自由。
行业实践的光谱
小米 MiMo-V2.6 公开了强化学习训练过程、任务环境、训练代码和文档，比仅发布权重更透明，但是否算开源 AI 仍有争议。这显示“开放”程度存在光谱，从仅权重到完整训练细节差异巨大。读者应关注发布内容的具体范围，而非简单贴上开源标签。
OSI 定义争议与修订
OSI 于 2024 年发布首个开源 AI 定义，但围绕训练数据要求等仍存争议。新任执行董事 Duane O’Brien 承认批评有效，并宣布重新展开讨论，包括设立为期两年的 Open Source AI Fellowship 和系列社区沙龙。这表明开源 AI 的边界尚未定型，未来定义可能调整，值得持续关注。
Q&A
开放权重和开源到底有什么区别？
开放权重仅提供模型参数，缺少源代码和训练数据，无法真正使用、研究、修改和共享；开源则提供完整的源代码、训练数据等，允许用户自由使用、研究、修改和共享。
为什么Percona CEO呼吁不要混用“开放权重”和“开源”？
因为混用会模糊开源的真正含义和自由，导致“开放洗白”现象，甚至可能削弱整个软件领域的开源定义。
开放权重模型目前在生产环境中的使用情况如何？
开放权重模型已成为生产AI的重要组成部分。2025年8月，它们占Vercel AI网关处理token的56%，占OpenRouter美国来源token消耗的60%，其中中国开发的模型占大多数。
斯坦福HAI的James Landay如何区分开放权重和开源？
Landay指出，开放权重回答“我能运行这个吗？”，而开源回答“我能信任它、改进它并在其基础上构建下一个东西吗？”目前主要AI实验室大多只回答了第一个问题。
有哪些公司提供了比开放权重更透明的AI发布？
小米发布了MiMo-V2.6模型，直播了近一周的强化学习训练过程，并公开了7000多个强化学习任务环境、训练代码和技术文档，提供了更多透明度。
OSI对开源AI定义的最新进展是什么？
OSI于2024年发布了首个开源AI定义，但争议仍存。目前OSI正在重新展开讨论，启动了为期两年的开源AI奖学金项目，并计划举办一系列社区讨论，以探索对定义的修订。
