欢迎大家关注「几米宋」的微信公众号，公众号聚焦于 AI、云原生、开源软件、技术观察以及日常感悟等内容，更多精彩内容请访问个人网站 jimmysong.io。

📄 文章摘要

AI 时代“开源”定义正在变化，开放权重与论文是否等同于开源？本文深入分析传统软件开源与 AI 模型开源的差异与演进。

真正的开源，是可重现、可验证、可共创，而不仅仅是“可下载”。

在人工智能时代，“开源”这个词的含义正被重新定义。许多大模型（如 Llama、Mistral、Qwen 等）都声称自己是“开源”的，但它们并没有完全公开训练数据或训练脚本。这种现象引发了一个问题：

开放权重与论文，是否就意味着开源？

本文将从历史、技术和哲学三个层面解读 AI 时代的“开源”演进逻辑。

传统开源：完整可重现的自由软件精神

首先回顾传统软件工程时代的开源（Open Source）标准，其定义来自 Open Source Initiative (OSI)。OSI 的核心要求包括：

• 必须公开源代码

• 允许自由使用、修改和再分发

• 不歧视任何人或领域

• 可用于商业目的

简言之，只要能在 GitHub 上下载代码、自由修改、重现结果，就是真正意义上的开源软件。

传统开源的核心价值是“可重现性”与“自由修改”。

AI 模型的复杂结构：权重、数据与训练代码

AI 模型与传统软件不同，一个完整的模型包含多个层面的资产。下表总结了各类资产的含义及其开放情况。

因此，“开源模型”这一说法往往只是开放部分要素，而非完整的训练过程。

AI 时代的新范式：“开放权重模型”（Open Weight Model）

随着 AI 技术的发展，主流的“开源模型”其实更准确地称为“开放权重模型”（Open Weight Model）。它们通常开放以下内容：

• 模型权重（weights）

• 模型结构（architecture）

• 推理代码（inference）

• 论文（paper）

但未开放训练数据与训练过程。

下面是代表性项目的授权方式对比表：

这些模型虽不能复现训练过程，但已具备二次创新与验证论文结果的基础。

为什么开放权重也被称为“开源”

AI 社区形成了实用主义共识：只要模型权重可下载、可运行、可商用，就具备开源精神。

这种做法的价值体现在以下几个方面：

• 研究复现：他人能验证论文结果

• 生态繁荣：社区能衍生微调版本

• 技术普惠：中小企业能用上强模型

• 透明审计：外界能分析模型行为

虽然这种做法不符合 OSI 严格定义，但在 AI 领域形成了事实上的“行业共识”。

开放权重 ≠ 完全开源

严格来说，开放权重模型仍然与真正的开源软件有本质区别。下表对比了两者的核心差异：

为了更直观地理解两者的不同关注点，下图进行可视化对比。

传统开源与开放权重模型关注点对比

这张图直观地展示了传统开源与 AI 时代“开放模型”的不同关注点。

总结

AI 时代的“开源”定义从根本上发生了迁移：

• 软件时代强调源码开放、可重现，目标是促进创新与自由。

• AI 时代强调权重开放、可验证，目标是促进生态共创。

传统开源强调“可重现”，AI 时代开源强调“可验证”。

开放权重虽非严格意义的开源，但它让 AI 技术具备了透明性、可验证性和可演化性，是对“开放精神”的一次现代延伸。

🔗 更多精彩内容

• 🌐 个人网站：jimmysong.io

• 🎥 Bilibili：space.bilibili.com/31004924

💫 如果这篇文章对你有帮助，欢迎点赞、分享给更多朋友！