开放权重
AI模型发布的一种方式，仅公开已训练完成的模型权重文件，不附带训练数据、训练代码等核心资产，与完整开源有本质区别
核心事实
时间轴 (近 90 天)
DeepSeek等中国团队选择开放权重路线，降低了本地部署门槛，而美国头部公司多采用API封闭供给。
科学专用模型正在从闭源 API 走向开放权重，可审计、可微调的模型更符合可复现研究的要求。
坚持开放权重意味着放弃部分API变现的短期利益，换取生态规模和标准话语权，这是一种长期主义的取舍。
开放权重使开发者无法本地部署或二次训练的风险降低，但一旦上游改为仅提供API，此前基于权重构建的微调、蒸馏方案都会失效。
对企业而言，开放权重的价值在于可本地部署、可微调、可审计，从而规避数据出境和供应商锁定风险；但能否真正“定制”，仍取决于许可证条款和模型架构的透明度。
现实中不少AI公司采取“开放权重+商业托管服务”的混合模式，即模型免费、运维与增值服务收费。
上下文窗口大小和是否开源不应作为能力加分项，因为100万上下文不等于能稳定利用，开放权重也不等于推理质量更高。
在头部模型厂商普遍收紧开源策略的当下，Mistral Large 4 的开放权重发布显得格外有辨识度。
Mistral Large 4 采用开放权重（Open weights）策略，允许开发者下载模型参数并在自有环境中部署。
对于企业而言，开放权重意味着可以基于成熟模型构建定制化应用，减少对单一API供应商的依赖。
还有 37 条时间轴事件
全部知识事实 (20)
开放权重（open weights）区别于完全开源（open source），前者公开模型参数但不一定公开训练数据和完整训练代码
90%已验证开放权重模型指参数权重文件向公众开放下载，可本地部署微调，但训练数据和完整源码不一定公开，区别于完全开源
80%已验证开放权重意味着公开发布训练好的模型参数文件，允许在本地或私有服务器部署，无需将数据发送至云端
75%已验证开放权重模型是指公开发布模型参数权重、允许用户自行下载部署的模型，如Meta的Llama系列、Mistral
75%已验证Meta采用开放权重策略，公开模型参数供研究与商业使用，但训练数据和完整流程并不完全透明
75%已验证'开源权重'与'完全开源'并不等同，前者仅公开模型参数文件，训练数据、完整训练代码及某些商业使用权利未必一并开放
70%已验证开放权重指模型训练完成后的参数权重可被公开下载或获取，使用者能在自有基础设施上部署、微调甚至二次开发。
65%已验证开源权重指模型参数可以下载和本地执行，但训练代码、训练数据以及使用条款未必开放；Gemma采用自定义的Gemma使用条款。
65%已验证开源权重模型指训练完成后将神经网络参数权重以开放许可证形式公开发布，可下载在自有硬件运行并用私有数据微调而无需支付调用费
65%已验证开放权重与完全开源不等同：前者仅公开模型权重文件，后者遵循OSI定义的标准开源协议
65%已验证开放权重策略意味着模型参数可免费下载使用，但训练数据与完整训练流程通常不公开，已成为Meta Llama、Mistral等公司的主流选择
65%已验证开放权重模型仅发布训练完成的模型参数文件，而严格意义的开源AI要求公开训练代码、数据集与完整复现流程
65%待验证开放权重（Open Weight）仅指模型的参数权重文件可供下载和使用，但训练数据、完整训练代码、RLHF标注数据等核心资产往往并不公开，与真正意义上的开源（Open Source）存在区别
60%待验证DeepSeek等中国团队选择开放权重路线，降低了本地部署门槛，而美国头部公司多采用API封闭供给。
50%待验证科学专用模型正在从闭源 API 走向开放权重，可审计、可微调的模型更符合可复现研究的要求。
50%待验证开放权重使开发者无法本地部署或二次训练的风险降低，但一旦上游改为仅提供API，此前基于权重构建的微调、蒸馏方案都会失效。
50%待验证坚持开放权重意味着放弃部分API变现的短期利益，换取生态规模和标准话语权，这是一种长期主义的取舍。
50%待验证对企业而言，开放权重的价值在于可本地部署、可微调、可审计，从而规避数据出境和供应商锁定风险；但能否真正“定制”，仍取决于许可证条款和模型架构的透明度。
50%待验证现实中不少AI公司采取“开放权重+商业托管服务”的混合模式，即模型免费、运维与增值服务收费。
50%待验证上下文窗口大小和是否开源不应作为能力加分项，因为100万上下文不等于能稳定利用，开放权重也不等于推理质量更高。
50%