AI 大模型真开源要哪三样？为什么都不达标

这期讲了什么

• 真开源要给三样：练出来的本事（权重）、怎么练的方法（训练代码）、拿什么练的配料表（数据细节到别人能复现）；三样齐了才叫开源，只放权重不叫
• 国际标准组织 2024 年 10 月专为 AI 重写的定义按这三样验下来，海外大厂那些「开源模型」一个都没过（官方补注：这是学习过程不是认证）；美国商务部报告也只敢叫「权重被广泛提供的模型」
• 就算权重拿到手也跑不动：单个模型权重约 1.56 TB，跑满血版官方起步配置 8–32 张数据中心加速卡，一张卡二十万上下，8 卡整机两百多万——一万、十万、几百万是三个世界
• 许可证才是真合同：某大厂条款保留「远程限制你使用」的权利且要求往下传；某社交巨头模型设 7 亿月活门槛，Kimi K2 设 1 亿月活/2000 万美元流水门槛，还有模型直接不授权欧盟
• 企业实际用开放模型的比例三年连降：19%（2024）→ 13%（2025 年中）→ 11%（2025 年底），单家机构调研非普查；企业怕的不是条款严，是条款会随版本变；DeepSeek、智谱 GLM 用 MIT，通义千问用 Apache，Kimi K3 是自家许可证

文字稿

真开源到底该给哪三样

你天天刷到的那些「开源」大模型，其实一个都不算开源。这话不是我说的。给「开源」下定义的那个国际组织，前年专门为 AI 重写了一份标准，然后拿这份标准挨个验了一遍。结果有点尴尬——你在新闻上见过名字的那几个海外大厂「开源模型」，一个都没过。

为什么？因为真开源该给三样东西，他们绝大多数只给了一样。就拿最近 Kimi K3 那次来说，权重放出来，开源两个字又刷了一轮屏。全行业都这么叫，不是针对谁。这十分钟就讲这件事：先说清真开源该给哪三样、现在缺的是哪几样；再落到你自己身上，就算三样全给你，你也跑不动；最后看企业那边一个挺意外的数据，真金白银在用的公司，这三年反而在变少。

这三样到底是哪三样？练出来的那身本事，得给，这就是权重，模型训练完学到的那一大堆参数，本事全装在里面。怎么练出来的方法，得给，训练用的代码、跑起来的代码，全套都算。拿什么练的配料表，也得给，就像食品包装背面那张配料表——用了哪些数据、怎么筛的、怎么标的，详细到别人照着能做出一个差不多的来。三样齐了，才叫开源，少一样就不叫。

这不是我定的标准。给「开源」下定义的那个国际组织，2024 年 10 月专门为 AI 重写了一份定义，要的就是这三样，正文里还专门加了一句：你光把权重放出来，不叫开源权重，得连配料表和代码一起给才配用这个名字。

为什么标准要写这么死？因为开源这个词本来是给软件写的，那会儿管的东西只有代码。可到了大模型这儿，最值钱的东西根本不是代码，代码就是个壳子，真本事全在权重里。你把代码全公开、权重不给，等于什么都没给；反过来，你只把权重丢出来，别人也没法知道它是怎么来的、能不能信。

大厂模型为什么一个都没过

那现在市面上那些开源模型，给了几样？绝大多数只给了练出来的那身本事，怎么练的、拿什么练的，不给。这就是缺斤少两：你买一斤，人家给你七两，秤上还写着一斤。

这话不是我说的，定义那个组织自己拿新标准挨个验过。能过的，全是几家非营利研究机构做的模型，名字你多半没听过；你天天在新闻上刷到的海外大厂开源模型，一个都没过。我得把话说准一点：他们自己补了一句，这轮验证只是定标准过程里的一次学习，不构成任何形式的认证。所以准确的讲法是，按新标准验下来没过，不是认证不通过。

还有个旁证挺有意思。2024 年 7 月，美国商务部下属一个部门出过一份专门讲这事的报告，整份报告的标题里根本没有开源两个字，他们用的说法是「权重被广泛提供的模型」。政府文件措辞最谨慎，它不敢用开源，因为那个词有严格定义。

三样全给你也跑不动：本地部署的真实成本

先说个好消息。这身本事本身，是真的越来越强了。斯坦福每年出的那份 AI 年度报告里有个数：2024 年 1 月，最强的闭源模型比最强的开放权重模型高 8 个百分点；到 2025 年 2 月，只剩 1.7 个百分点。一年多时间，差距缩到了原来的五分之一。

你可能会想，既然本事都给我了，能力也追上来了，那我自己下载一个回来跑不就行了？我得先泼盆冷水。就算三样全给你，绝大多数人也跑不起来。光权重文件就约 1.56 TB，你家电脑的硬盘可能都没这么大。问题不在存，在跑，跑起来得让它整个进到显存里，那是另一个量级的事。

我给你算笔账。你家里那台电脑，一万块钱算配得不错了。想在本地跑个小尺寸的模型，得配像样的显卡，起步就得大几万，往上十来万——而这跑的还只是小号的、能力打折的版本。要跑满血版的大家伙呢？官方给的起步配置是 8 到 32 张数据中心级的加速卡，这种卡一张就得二十万上下，8 张一台的整机行情价两百多万，往上还有 32 张的配置。一万，十万，几百万，这是三个不同的世界。

所以「开源了我就能自己用」这个想法，对绝大多数人是不成立的。你最现实的入口，还是人家的 App、网页版，写代码的话调 API。

许可证才是真合同：那些会落到你头上的条款

那这事跟你还有关系吗？有，只是换了个方式，你得看那份许可证。有些条款听着吓人，其实跟你没关系。某海外社交巨头放出的那个开放模型，许可证里写着：你的产品月活要是超过 7 亿，就得回来重新申请授权——全世界能碰到这条线的公司一只手数得过来，这条不是写给你看的，是写给它那几个对手看的。Kimi 上一代的 K2 也有类似一条：月活过 1 亿，或者月流水过 2000 万美元，你得在界面上显著位置写上 Kimi K2。同样是设门槛，一个只要求你挂个名，一个要求你回来重新求授权。这类门槛，对绝大多数人和小公司真没影响。

但下面这两条是真会落到你头上的。某海外大厂的多模态模型，许可证里直接写明：住在欧盟的个人、总部在欧盟的公司，不授权，一整个地区一句话就排除在外了。还有一条更狠：在法律允许的最大范围内，我方保留通过远程方式限制你使用的权利。这是某家海外搜索巨头小模型条款里的原话，我一个字没改。你把权重下载到自己的服务器上，以为这东西已经是你的了，条款告诉你：钥匙在你手上，房东手上也有一把。它还要求你把这个模型再传给别人的时候，把这些限制照抄进你自己的协议里，这把钥匙是会往下传的。

所以落到你个人身上，真正该看的不是「开源」那两个字，是那份许可证。那两个字是宣传语，许可证才是合同。

企业为什么越来越不敢用开放模型

个人跑不起来，那企业呢？按常理推，企业该是最大受益方：数据不出门，能私有部署，还能拿自己的数据去调。可真实数据是反的。美国一家风投连着三年做企业级 AI 调研，问企业实际跑的活儿里有多少用的是开放模型：2024 年 19%，2025 年年中 13%，2025 年年底 11%。不是涨，是在跌。这个数我得加两句限定：这是一家机构的调研，不是行业普查，数据截止到 2025 年底。但方向很清楚，报告里给的解释也实在——企业更谨慎，还是更愿意用闭源的。

为什么谨慎？某海外大厂 2024 年 4 月发布的那版许可证里，白纸黑字写着一条：不许拿我的模型或者它的输出去改进任何别的大模型。到了 7 月新版本一发布，这条被整条删掉了。删掉是好事，可对企业来说扎心的不是这一条，是这件事本身——这份许可证是可以随版本改的。真正的开源许可证不这样，MIT、Apache 这些是固定文本，几十年一个字没改过。这就像印刷体和手写体的区别：标准开源许可证是印刷体，谁拿到都一样改不了；人家自己写的许可证是手写体，想加一笔就加一笔。企业怕的从来不是条款严，条款严我认了照着办；企业怕的是条款会变。

再往下还有一层是钱。欧盟的人工智能法案把真开源和只放权重分开对待：你要是用真正的自由开源许可证发布，而且参数、架构信息、使用信息都公开了，可以免掉一部分技术文档义务；只是把权重丢出来，义务一条不少。法律不认「开源」这个自称，它认的是你到底公开了哪几样，这中间差的是真金白银的合规成本。

那有没有用印刷体的？有，而且不少在国内。DeepSeek 用的是 MIT，通义千问用的是 Apache，智谱的 GLM 用的也是 MIT，这些标准许可证条款是死的，发布方自己想改也改不了。但这不是国别的差别——同样是国产，Kimi K3 这次用的就是自己写的许可证，一般商业使用没问题，可营收和用户规模过了线另外有要求。所以真正该分的不是国产和海外，是那份许可证到底是印刷体还是手写体。

最后说一句可能有点扫兴的。开放权重能不能降低企业换供应商的成本？逻辑上成立——本事在你自己手里，数据不用交出去，谁涨价你可以换。但要问到底省了多少，我查下来，没有任何一份公开调研给出过这个数。以后再看到「开源」两个字，你就问一句：三样给齐了吗，还是只给了练出来的那身本事？

常见问题

开源大模型和开放权重有什么区别？

按国际标准，真开源要三样齐全：权重、训练代码、公开到能复现的数据配料表。只把权重放出来叫开放权重，不叫开源——目前绝大多数大模型只给了这一样。美国商务部的报告也只敢用「权重被广泛提供的模型」这个说法。

本地部署开源大模型要多少钱？

单个满血模型权重约 1.56 TB，跑起来得整个进显存。本地跑小号版本起步要几万到十几万配显卡；跑满血版官方起步配置是 8 到 32 张数据中心级加速卡，一张二十万上下，8 卡整机两百多万。对绝大多数人，现实的入口还是 App、网页版或 API。

企业为什么越来越少用开放模型？

美国一家风投连续三年调研，企业实际工作中用开放模型的比例从 19%（2024）降到 11%（2025 年底）。原因之一是厂商自写的许可证可以随版本变更，企业怕的不是条款严而是条款会变；而 MIT、Apache 这类标准许可证是固定文本，几十年不改。