开源大模型通常指训练好的模型权重被公开出来,任何人都能下载、运行和微调的大模型。DeepSeek、Qwen 这类模型发布时都会放出权重文件,不用调云端 API,自己在电脑或服务器上就能跑。不过严格说来,市面上绝大多数所谓开源模型只是"开放权重",离真正开源还差几步:权重能下载,不等于训练方法公开,也不等于能任意商用。
开放权重和真正开源,差在哪
一个大模型由三样东西组成:权重、训练代码、训练数据。开放权重只公开了第一样,也就是训练完成后留下的那组数字文件,下载后配合推理框架就能运行。真正开源还要再多两样:完整的训练代码,以及足够详细的训练数据说明,让人能基本复现这个模型。开源促进会(OSI)2024 年 10 月发布的开源 AI 定义 1.0 就是按这条线划的,要求同时保障使用、研究、修改、分享四项自由。按这个标准,Ai2 的 OLMo 算真正开源,而 Llama、Mixtral 当年都没过关。
和闭源模型比,开放权重至少给了你"自己跑"和"自己改"的可能:断网能用、数据不用上传、延迟自己控制。而只提供 API 的闭源模型,模型多大、怎么训练的、哪天改版下线,全由厂商说了算。选之前先看发布页到底给了哪几样东西:只给权重文件和运行代码的,是开放权重;连训练代码和数据说明一起给的,才接近真正开源。
权重能下载,不等于能随便商用
许可协议是第二道分界线。Apache 2.0、MIT 这类宽松许可基本只要求保留版权声明,商用、修改、再分发都放行,DeepSeek、Qwen 的不少版本就用这类许可。Meta 的 Llama 社区许可则附加了条件:月活超过 7 亿的产品要先向 Meta 申请许可,用它训练新模型再分发时,新模型的名字还得带上 Llama 前缀。商用前务必先读许可原文,核对使用范围与合规义务,越界可能面临追责。另一个常见误解是"开源等于没人管安全",恰恰相反,权重一旦公开,任何人都能去掉模型内置的安全限制再分发,责任就从厂商转移到了使用者手里。
什么人适合用开源大模型
适合三类人:数据不能出内网的团队,本地部署能把数据留在自己机器上;想在模型基础上做微调、接自家业务的开发者;以及预算有限、想省下长期 API 费用的小团队。不适合的也有:没有显卡或运维人手、只想开箱即用的场景,以及对合规、安全审计要求很高、又没人手做二次检查的场景。动手前先确认两件事:许可允许你的用法,硬件跑得动量化后的版本,两件确认了再下载。