人工智能行业热情地借用了开源的语言尽管一些最具代表性的“开放”模型只为开发者提供了这一术语传统上所承诺内容的一小部分。周三在布拉格举行的开源峰会欧洲站Open Source Summit Europe上开源MongoDB替代品FerretDB的联合创始人、现任开源数据库服务公司Percona首席执行官Peter Farkas提出了一个简单的请求“不要把‘开放权重’和‘开源’混用”他说。“‘开源’之所以能一直是‘开源’是因为我们保留了它背后真正的含义和自由而开放权重并不具备这些”Farkas继续说道。“‘开源’之所以能一直是‘开源’是因为我们保留了它背后真正的含义和自由。”这一区分之所以重要是因为开放权重模型正成为生产环境AI的重要组成部分。8月开放权重模型占Vercel AI Gateway处理Token量的56%占OpenRouter上源自美国的Token消耗量的60%其中中国开发的模型占了多数。AI模型的权重是训练过程中产生的数值参数编码了模型所学习到的模式。开放权重让开发者可以下载并在自己的基础设施上运行模型即便模型创建者并未公开用于生产该模型的原材料或流程。“你没有源代码你没有训练数据你只有这两者产生的输出”Farkas说。“那我们为什么要把这称为开源呢”斯坦福大学以人为本人工智能研究院HAI院长James Landay也提出了类似的区分他在8月发表的一篇HAI文章中指出仅仅获得模型权重远远不能满足开发者和研究人员对真正开源AI的需求。“开放权重回答的是‘我能运行它吗’”Landay说。“而开源回答的是‘我能信任它、改进它并在它之上构建下一个东西吗’”Landay认为就目前而言主要的AI实验室基本上只回答了第一个问题而在第二个问题上远远不够。“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、改进它并在它之上构建下一个东西吗’”如果“开放洗白获胜”一些公司已经走得比仅发布权重更远。例如小米近期发布了MiMo-V2.6模型并通过公开仪表盘直播了近一周的强化学习训练过程。该公司还发布了超过7000个强化学习任务环境以及其强化学习训练代码和技术文档为模型的微调过程提供了更多透明度。MiMo-V2.6是否足以被称为“开源AI”是另一个问题。然而小米的发布方式说明了Farkas所描述的这一光谱“开放”的AI发布在披露构建模型所用内容的程度上可以存在巨大差异。Farkas以中国的DeepSeek为例说明了这种混乱的情况其模型被广泛描述为开源尽管该公司只发布了模型权重而非从零开始复现模型所需的全部内容。不过他也强调能够下载并运行这些模型本身仍然具有价值。“开放权重是坏事吗不开放权重很棒。”“开放权重是坏事吗不开放权重很棒”Farkas说。“你可以在自己的环境中运行模型可以用它们做实验如果你理解其中的风险也可以将其用于生产环境。问题在于当开放权重被宣传为‘嘿这跟开源一样好’的时候。”Farkas认为如果没有一个被普遍理解的边界“开放洗白就会获胜”。他担心如果人们接受了针对AI的、更宽松的开源含义最终可能会削弱整个软件领域对开源的定义。“企业将会得以把某些东西称为Apache 2.0许可而实际上举例来说你在欧盟根本无法使用它”Farkas说。“AI的开源是一件事但如果我们在谈论开源时让这种情况发生在核心定义本身上那影响将远远超出AI领域。”一个仍在讨论中的定义开源促进联盟OSI于2024年发布了首个开源AI定义确立了围绕使用、研究、修改和分享AI系统自由的相关标准。但该定义仍存在争议尤其是在AI系统为符合开源资格必须披露多少训练数据信息这一问题上。在听众席上回应Farkas时今年4月就任OSI新任执行董事的Duane OBrien承认了外界对其原始定义的批评并明确表示OSI正在重新展开这一讨论。“两年前我们确实有过一次讨论——那是一次重要的讨论而在这个领域两年已经是很长的时间了”OBrien说。“我们正在重新开启并进行新一轮讨论。”OSI最近启动了一项开源AI研究员计划任命Gabriel Toscano为其首位研究员协助就什么构成开源AI建立共识。这一为期两年的项目将探讨对该定义进行修订的可能性同时OSI还计划在未来两年内举办一系列社区讨论或称“开源沙龙”。OBrien鼓励Farkas及其他人参与其中同时也承认了外界对原始定义已经提出的批评。“针对开源AI定义‘第一版’提出的批评是合理的”OBrien说。“我们必须继续这场讨论。” 
长河君 · 2026/10/23 12:25:05 · 阅读 1.2k 别混用“开放权重”与“开源”：Percona CEO谈AI术语为何重要
人工智能行业热情地借用了开源的语言尽管一些最具代表性的“开放”模型只为开发者提供了这一术语传统上所承诺内容的一小部分。周三在布拉格举行的开源峰会欧洲站Open Source Summit Europe上开源MongoDB替代品FerretDB的联合创始人、现任开源数据库服务公司Percona首席执行官Peter Farkas提出了一个简单的请求“不要把‘开放权重’和‘开源’混用”他说。“‘开源’之所以能一直是‘开源’是因为我们保留了它背后真正的含义和自由而开放权重并不具备这些”Farkas继续说道。“‘开源’之所以能一直是‘开源’是因为我们保留了它背后真正的含义和自由。”这一区分之所以重要是因为开放权重模型正成为生产环境AI的重要组成部分。8月开放权重模型占Vercel AI Gateway处理Token量的56%占OpenRouter上源自美国的Token消耗量的60%其中中国开发的模型占了多数。AI模型的权重是训练过程中产生的数值参数编码了模型所学习到的模式。开放权重让开发者可以下载并在自己的基础设施上运行模型即便模型创建者并未公开用于生产该模型的原材料或流程。“你没有源代码你没有训练数据你只有这两者产生的输出”Farkas说。“那我们为什么要把这称为开源呢”斯坦福大学以人为本人工智能研究院HAI院长James Landay也提出了类似的区分他在8月发表的一篇HAI文章中指出仅仅获得模型权重远远不能满足开发者和研究人员对真正开源AI的需求。“开放权重回答的是‘我能运行它吗’”Landay说。“而开源回答的是‘我能信任它、改进它并在它之上构建下一个东西吗’”Landay认为就目前而言主要的AI实验室基本上只回答了第一个问题而在第二个问题上远远不够。“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、改进它并在它之上构建下一个东西吗’”如果“开放洗白获胜”一些公司已经走得比仅发布权重更远。例如小米近期发布了MiMo-V2.6模型并通过公开仪表盘直播了近一周的强化学习训练过程。该公司还发布了超过7000个强化学习任务环境以及其强化学习训练代码和技术文档为模型的微调过程提供了更多透明度。MiMo-V2.6是否足以被称为“开源AI”是另一个问题。然而小米的发布方式说明了Farkas所描述的这一光谱“开放”的AI发布在披露构建模型所用内容的程度上可以存在巨大差异。Farkas以中国的DeepSeek为例说明了这种混乱的情况其模型被广泛描述为开源尽管该公司只发布了模型权重而非从零开始复现模型所需的全部内容。不过他也强调能够下载并运行这些模型本身仍然具有价值。“开放权重是坏事吗不开放权重很棒。”“开放权重是坏事吗不开放权重很棒”Farkas说。“你可以在自己的环境中运行模型可以用它们做实验如果你理解其中的风险也可以将其用于生产环境。问题在于当开放权重被宣传为‘嘿这跟开源一样好’的时候。”Farkas认为如果没有一个被普遍理解的边界“开放洗白就会获胜”。他担心如果人们接受了针对AI的、更宽松的开源含义最终可能会削弱整个软件领域对开源的定义。“企业将会得以把某些东西称为Apache 2.0许可而实际上举例来说你在欧盟根本无法使用它”Farkas说。“AI的开源是一件事但如果我们在谈论开源时让这种情况发生在核心定义本身上那影响将远远超出AI领域。”一个仍在讨论中的定义开源促进联盟OSI于2024年发布了首个开源AI定义确立了围绕使用、研究、修改和分享AI系统自由的相关标准。但该定义仍存在争议尤其是在AI系统为符合开源资格必须披露多少训练数据信息这一问题上。在听众席上回应Farkas时今年4月就任OSI新任执行董事的Duane OBrien承认了外界对其原始定义的批评并明确表示OSI正在重新展开这一讨论。“两年前我们确实有过一次讨论——那是一次重要的讨论而在这个领域两年已经是很长的时间了”OBrien说。“我们正在重新开启并进行新一轮讨论。”OSI最近启动了一项开源AI研究员计划任命Gabriel Toscano为其首位研究员协助就什么构成开源AI建立共识。这一为期两年的项目将探讨对该定义进行修订的可能性同时OSI还计划在未来两年内举办一系列社区讨论或称“开源沙龙”。OBrien鼓励Farkas及其他人参与其中同时也承认了外界对原始定义已经提出的批评。“针对开源AI定义‘第一版’提出的批评是合理的”OBrien说。“我们必须继续这场讨论。”