# 开放权重和开源的区别：Kimi K3 开源开的是哪层 - URL: https://davidyin.dev/video/bv1g6gf6jejg/ - 作者: David Yin - 发布: 2026-07-27T11:12:36+08:00 · 更新: 2026-09-29 - 时长: 12:06 - 平台: B 站 https://www.bilibili.com/video/BV1G6gf6jEjg · YouTube https://www.youtube.com/watch?v=qMuvBDpf1eI - 标签: 开放权重、开源模型、Kimi K3、模型权重、AI 出海 - 摘要: 开放权重和开源有什么区别？用餐厅打比方：权重是那盘炒好的菜，训练代码是菜谱、训练数据是进货渠道，只开权重等于只给你菜。按国际开源组织 2024 年的定义，三样都给才叫开源。这期教你两分钟判断一个模型开到了第几层。 ## 这期讲了什么 - 用餐厅打比方：模型权重是那盘炒好的菜，训练代码是菜谱，训练数据是进货渠道——只开权重等于只给你菜，复刻不出下一盘 - 国际开源组织 2024 年 10 月的 AI 开源定义：训练代码、模型权重、足够的数据信息三样都给才配叫开源；绝大多数「开源」模型准确的叫法是开放权重 - 中国开源大模型全球累计下载已突破 100 亿次；全球最大 AI 开源社区过去一年 41% 的模型下载下的是中国模型 - 海外内部在吵要不要限制：闭源公司游说要管（安全和「削弱商业回报」），芯片、云、开源社区联名反对；开放权重放出去就收不回，安全和账都是真的 - 给你的三条实用判断：别看「开源」俩字要看许可协议；发布页上查三样东西（权重可下载、训练代码放出、数据说明）；权重免费不等于用起来免费 ## 文字稿 ### 开的到底是什么：菜、菜谱和进货渠道 所谓开源，给你的其实只是一盘炒好的菜，配方一个字没提。这两天 Kimi K3 宣布开源，国内国外都吵翻了，很多人第一反应是这不等于把家底全交出去了吗？我告诉你，真没有。 一个模型训练完会留下一大堆数字，它学到的所有本事都藏在这堆数字里，行话管这个叫权重。所谓开放权重，就是把这堆数字公开出来，谁都能下载，装自己机器上跑，还能拿它接着往下调。听着挺大方——就像一家店把招牌菜端给你随便吃，还让你端回自己店里去卖，这盘菜你确实拿到手了。 但有两样东西人家一个字都没说。菜谱没给，对应训练代码——数据按什么顺序喂进去、火候怎么把控、中间跑偏了怎么救回来；进货渠道也没说，对应训练数据——数据从哪来、怎么筛的、有多少。这两样恰恰是最难的部分，所以你拿到权重能吃能卖能调味，但复刻不出下一盘。你可能会说拿到菜仔细尝尝也能倒推出来——真不行，同样的食材同样的锅，火候差一点味道就不是那个味儿。权重是结果不是过程，这就是为什么有些团队握着顶级模型的权重照样做不出下一代——拿到的是终点不是那条路。还有一样一般也不给：练到一半的存档，模型中间存下的版本对做研究的人特别值钱，这个基本没人公开。 这不是我一个人说的。国际上有个专门管开源的组织，2024 年 10 月专门为人工智能出了一份开源定义，写得很明白：训练代码、模型权重、足够的数据信息，三样都得给，得让一个有经验的人照着能大体重现出来才配叫开源——它还退了一步，不用把完整数据集整个公开，把来源和处理方式说清楚就行。拿这把尺子去量，市面上绝大多数打着开源旗号的模型，准确的叫法是开放权重。这不是谁在骗人，全世界都这么叫，但你要真拿它做点什么，这个区别心里得有。 这根本不是一两家的事。深度求索的 DeepSeek 出了新版本，智谱的 GLM 在往外放，月之暗面的 Kimi 也跟上了，参数动不动就是万亿量级，一家接一家。但把它们的发布页挨个点开，情况都差不多：权重给你，菜谱和进货渠道基本不提。给你个规模感：国新办发布会上工信部的负责人给了个数，中国的开源大模型在全球被下载的次数已是上百亿这个量级——而这上百亿次里，绝大部分下走的就是那盘菜。 ### 配方都没给，海外在急什么 配方没给、进货渠道没说，别人拿到的就是那盘菜，海外那边怎么反而更紧张了？今年美国一直在讨论要不要限制中国的开放权重模型，吵着吵着大家发现分歧压根不在两国之间，就在他们自己内部。一边是做闭源模型的那几家头部公司，态度坚决，在华盛顿四处游说，说这类模型放出去有安全风险必须得管；另一边，做芯片的、做云的、做社交平台的加上开源社区，联名写公开信说千万别过早限制，一限制创新就跑到别人家去了。 光听表面会以为这是场关于安全的争论，把两边的账本摊开一看就清楚了。闭源这门生意怎么赚钱？菜只在我店里卖，一份 88，你想吃就得进我的店按次付钱，这套模式里最值钱的不是技术本身，是定价权。现在门口有人把同款成品菜免费发，还让你端回家、端到自己店里卖，我店里那份 88 的还怎么卖？所以最着急的恰恰是靠卖菜赚钱的那几家，他们的公开理由里除了安全还有一条说得相当直白：开放权重会削弱前沿模型的商业回报。再看卖锅卖灶台的——开源的菜越多全世界的厨房开得越多，锅自然卖得越多，收租开铺位的云公司也一样，所以他们坚决反对限制。屁股决定脑袋这句话，在硅谷一样管用。 这里得说清楚：这一批放出来的不是玩具。还拿 Kimi K3 说，参数 2.8 万亿，原生就看得懂图，上下文一次能吃进 100 万，这是全球头一个开到这个体量的模型——这种东西摆在网上让人随便下，海外开发者拿到手就能用，成本还比本地那些便宜一大截。还有一个细节最能说明问题：现在不少美国创业公司产品底下用的就是中国的开放权重模型，图的就是便宜，真要限制了第一个难受的是他们自己。 我也得公道说一句：收紧那一派讲的安全风险并不全是借口。开放权重有个特点跟别的东西都不一样——它收不回来。闭源模型出了问题厂商能连夜修、能直接下线；开放权重一旦放出去就躺在全世界的硬盘里，你改不动也召不回。这个担心是真的，但它解释不了为什么反对限制的声音同样来自美国产业界的另一半——安全是真的，账也是真的，只不过后面这个没人愿意摆到台面上说。 反过来看，只开权重这一步是很精的一手：菜谱还攥在自己手里，最核心的东西没漏出去，可成品菜已经铺到了全世界，别人的开发者用惯了你的口味，照着你的规格建厨房、配工具、写教程，时间一长标准就慢慢跟着你走了——这叫拿短期的收入换长期的位置。不过话别说满，开放权重是一步好棋不等于已经赢了，最前沿那一档眼下还在激烈争夺，国内厂商发布时自己承认某些方面还落后。开源真正改变的是追赶的时间被压短了：以前人家做出来你得等很久才摸得着，现在没多久同一档能力就有开放版本。前面说的上百亿，精确点是突破了 100 亿次；还有个数更能说明问题——全球最大的 AI 开源社区，过去一年平台上的大模型下载量有 41% 下的是中国模型，这是全球开发者在用脚投票。截至这个月，美方的态度是倾向一个一个去审而不是一刀切全禁，同时在准备一套模型安全测试框架，这事还在动。 ### 这跟你有什么关系：许可、三层和免费的边界 知道了开的只是权重，实际上能帮到你什么？最要紧的一条：以后看见「开源」两个字，别停在这两个字上，往下多看一眼许可协议。同样叫开源条款差得很远：像 MIT、Apache 2.0 这类一般是真宽松，拿去改、改完做成产品卖钱都可以；也有厂商自己写的许可会附条件——用户规模到了某个量级得另外谈、限制你拿去做什么、要求必须署名。这跟签合同之前看条款一个道理，个人玩玩无所谓，公司要拿它做产品，那几行字必须有人真的看过。 再教你一个笨办法判断一个模型开到了第几层：去它的发布页找三样东西——权重能不能直接下载；训练用的代码有没有放出来；数据从哪来、怎么处理的有没有一份说明。三样都齐才是真开源，只给权重就是开放权重，这个动作用不了两分钟，能避开很多想当然。 开放权重还给中小公司一点实惠：模型能下到自己机器上跑，数据不出门，对有数据顾虑的单位这是刚需。但我得泼盆冷水：万亿参数那种旗舰个人电脑跑不动，那是机房的活，真想在本地跑得挑小尺寸版本，能力会打折——别一看免费开源就以为家里电脑能装个满血的回来。说到免费还有个最容易被忽略的：权重免费不代表用起来免费，机器要钱、电要钱、维护要钱，出了问题也没有厂商兜底，所以绕一圈多数人和多数公司最后还是会去买服务。 那开源到底给了你什么？给了你一张底牌：随时可以换，随时可以自己跑，手里有这张牌，对面就不敢乱涨价。这才是开源对普通用户最实在的价值——不一定直接省了你的钱，但它压住了别人涨价的那只手。往后再刷到某某模型开源了，心里可以过一遍：开的是权重还是连代码和数据信息一起给了；那份许可到底允许你干什么；你自己有没有条件把它跑起来。看懂这一层，你再看后面的新闻就不会跟着标题走了。 ## 常见问题 ### 开放权重和开源有什么区别？ 真开源要给三样：训练代码、模型权重、足够的数据信息，让有经验的人能大体重现出来——这是国际开源组织 2024 年 10 月的 AI 开源定义。开放权重只给第一样，能下载能跑能微调，但没有训练过程，复刻不出下一个模型。 ### 怎么判断一个模型是不是真的开源？ 去发布页找三样东西：权重能不能直接下载、训练代码有没有放出、数据来源和处理方式有没有说明。三样都齐才是真开源；只给权重就是开放权重。再看许可协议：MIT、Apache 2.0 是真宽松，厂商自定义许可可能附带用户规模、用途、署名等条件。 ### 开源模型可以免费用来商用吗？ 看许可证不看「开源」两个字。MIT、Apache 2.0 这类宽松许可允许改完做成产品卖钱；厂商自定义许可可能限制用途或要求署名。另外权重免费不等于用起来免费：机器、电、维护都是成本，出问题没有厂商兜底。 > 视频不在本站托管，正片见上方平台链接；本页是目录与注解。