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)
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。
开放权重能够吸引更多开发者参与测试、提供反馈，甚至贡献改进方案，从而形成正向循环。
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。
开放权重模型没有托管方的 SLA 与持续维护，部署、推理优化和版本管理需自行承担。
开放权重模型的安全加固包括防止提示注入、模型窃取和对抗样本攻击，这些运维责任完全落在采用方身上。
开放权重模型正在从中小规模向超大规模延伸，网络安全可能是其最先落地的领域之一。
开放权重让团队可以自行微调、量化或在私有环境中推理，这对请求分发逻辑与业务数据强相关的企业级路由场景很关键。
开放权重模型在安全研究中的方法论价值在于：它把“厂商说已修复”转化为“社区可验证是否修复”。
仅开放模型权重时，公司仍可通过推理优化、服务运维和规模效应保持成本优势；而开放推理框架后，竞争对手可以直接复用同一套工程实现，缩小性能差距。
还有 30 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。
50%待验证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。
50%待验证对于企业而言，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。
50%待验证开放权重能够吸引更多开发者参与测试、提供反馈，甚至贡献改进方案，从而形成正向循环。
50%待验证开放权重模型没有托管方的 SLA 与持续维护，部署、推理优化和版本管理需自行承担。
50%待验证开放权重模型的安全加固包括防止提示注入、模型窃取和对抗样本攻击，这些运维责任完全落在采用方身上。
50%待验证开放权重让团队可以自行微调、量化或在私有环境中推理，这对请求分发逻辑与业务数据强相关的企业级路由场景很关键。
50%待验证开放权重模型在安全研究中的方法论价值在于：它把“厂商说已修复”转化为“社区可验证是否修复”。
50%