开放权重还是开源？两者的差异 compte

#最初的误解

通过 Ollama 下载 Llama、Mistral 或 Qwen 时，到处都能听到“开源”这个词。但这种说法几乎总是不准确的。准确的术语是“开放权重”：实验室发布的是模型权重——也就是在训练过程中学到的数十亿个数值参数。其余部分（用于训练的代码、数据语料库、确切的训练方法）大多仍不公开。

这种混淆源于一个诱人却错误的类比：人们将权重等同于模型的“源代码”。然而，权重并不是像软件源代码那样可读、可修改的代码，而是训练后得到的编译结果。获得权重，有点像获得一个功能强大、可重新配置的可执行二进制文件——而不是能从零重建它的完整流程链。

#权重、代码、数据：三个开放层级

要评估模型的开放程度，需区分三个独立的组成部分。一个模型可能开放其中一项、两项或全部三项。其实际开放程度由组合方式决定。

权重（weights）

神经网络的数值参数，以文件形式发布（通常采用 GGUF 或 safetensors 格式）。有了这些参数，您就可以运行模型、对其进行量化或微调。这是最常开放的层级。

训练代码

脚本、详细架构、超参数、预训练和对齐配方。没有它，你无法复现模型——只能直接使用。

训练数据

模型训练所使用的语料库。出于法律原因（版权）、竞争方面的考虑和实际限制（文本量达数 TB），几乎从不公开。

真正的开源软件会提供与这三项相对应的内容：您可以阅读、修改并重新编译。开放权重的 LLM 通常只开放其中第一项。这很有用，对自托管而言往往已经足够——但严格来说，这并不属于开源。

#开放权重究竟意味着什么，以及它能让您做什么

开放权重模型让您能够获取模型权重，通常采用允许本地使用、修改以及往往也允许商业使用的许可证。在自托管的日常实践中，这正是您需要的。

本地运行

在 Ollama、LM Studio 或 llama.cpp 中加载模型，并在您自己的设备上离线运行，不将您的数据发送到其他地方。

Quantizer

通过降低内存占用（Q4_K_M、Q5_K_M、Q8_0…）使大型模型能够运行在您的GPU上。一个14B模型在Q4量化下约需9GB显存。

Fine-tuner

使用您自己的示例对模型进行领域适配（LoRA、QLoRA）。以公开发布的权重为基础进行训练。

再分发

根据许可协议，可重新发布修改后的版本——这正是 Hugging Face 上数以千计社区变体得以存在的原因。

具体来说，当您使用 Ollama 启动模型时，使用的是开放权重。守护进程在 http://localhost:11434 上监听，并提供模型服务；您既不知道该模型的训练代码，也不知道训练数据——对于本地使用而言，这完全不重要。

# Télécharger et exécuter des poids open-weights en local
ollama run qwen3.5:4b

# Inspecter la licence embarquée dans le modèle
ollama show qwen3.5:4b --license

#为什么 Llama 严格意义上不是开源的

Llama 来自 Meta，是所谓「开源模型」的典型代表，但实际上并非如此。Meta 在其权重发布时采用的是自家的 Llama Community License，该许可并非 Apache 2.0 或 MIT。根据传统开源定义，该许可存在两个关键缺陷使其不符合标准。

商业阈值条款

当月活跃用户数量超过一个极高的门槛时，该许可证会施加特殊条件。真正的开源许可证不会因规模或用途而歧视任何人（非歧视标准）。

使用限制

可接受使用政策禁止某些用途。传统开源不允许限制应用领域（“不得因用途而区别对待”）。

不包含代码和数据

Meta 未发布完整的训练代码和语料库，因此无法从当前分发内容中复现 Llama。

开放源代码倡议组织（Open Source Initiative）维护着开源的参考定义，并认为此类许可证不符合相关标准。因此，严格来说，Llama 是采用宽松但有限制的许可证的开放权重模型，而不是开源模型。同样的判断也适用于许多采用自行制定的“社区”许可证的模型。

#真正开源的模型

好消息是：确实有模型配得上这一标签。按开放程度，可以区分出两类模型。

#采用 OSI 批准许可证的模型权重

许多模型以 Apache 2.0 或 MIT 许可证发布其权重——这些都是公认的开源许可证，不限制使用方式或用途。多个 Mistral 模型（如 Mistral Small 24B）、Qwen 系列（Qwen 3.5、Qwen 3.8）中采用 Apache 2.0 许可证的版本，以及 Gemma 都属于这种情况；Google 在推出 Gemma 4（2026 年 4 月）时，将 Gemma 的许可证改为 Apache 2.0。您可以将这些模型用于商业用途，自由修改和再分发。不过请注意：权重采用 Apache 许可证，并不意味着训练数据或训练代码也已公开。

#完整开放：模型权重 + 代码 + 数据

在开放程度上更进一步，有少数项目公开全部内容：模型权重、训练代码和数据。OLMo（Allen Institute for AI）和 Pythia 系列（EleutherAI）等项目明确以完全可复现为目标。只有这些项目才是完整意义上真正的开源项目——但它们很少，而且单论模型质量，并不总能达到最优秀的开放权重模型的水平。

#评估开放程度的分析框架

面对一个新模型，请按以下顺序问自己这些问题。这些问题能帮助您从营销口号转向具体评估：您实际能用这个模型做什么。

1. 01
   权重是公开的吗？

   无需商业协议，也无需排队，就能下载这些权重吗？如果可以，至少属于 open-weights。如果不可以（只能通过 API 访问），那么无论如何宣传，该模型都是封闭模型。
2. 02
   采用何种许可证？

   Apache 2.0 或 MIT = 宽松许可，模型权重开源。自定的“community/research”许可 = 仔细阅读限制条款（用户数量门槛、商业用途、训练竞争模型）。
3. 03
   商业用途是否被允许？

   如果您要开发产品，这是一个关键点。有些许可证完全禁止商业使用，另一些则在超过某个阈值后对商业使用加以限制。
4. 04
   训练代码是否已公开？

   如果训练代码已公开，您就可以理解并复现训练方法。除以学术研究为目的的项目外，公开训练代码的情况很少见。
5. 05
   数据是否有文档说明？

   语料库是否已公开，或至少有相关描述？这是迈向完全开源的最后一道关卡，也是最少有人跨过的一道。

前两个问题的答案均为“是”的模型，已经能满足绝大多数自托管需求。后三个问题主要对研究、审计以及最严格的合规要求有意义。

封闭

模型权重不可获取，只能通过 API 使用。典型例子：云端专有模型。

受限开放权重

权重公开，采用附有限制的自有许可证。例如：Llama 采用 Community License。

开放权重，宽松许可

公开的模型权重，采用 Apache 2.0 / MIT 许可证。示例：Mistral Small 24B、Qwen 3.5 / 3.8、Gemma 4。

完全开源

模型权重、代码和数据均已公开，且可复现。示例：OLMo、Pythia。

#这对你实际意味着什么

这种区别并不只是理论上的。根据您的具体情况，它会直接产生实际影响。

您为个人用途自行部署

这种区别对您影响不大。开放权重就已绰绰有余：您可以运行模型、进行量化，数据也留在您自己的设备上。请根据模型性能，以及模型大小是否适合您的 GPU 来选择。

您正在打造一个商业产品

许可证至关重要。请确认许可证允许商业使用，并检查是否有任何门槛会给您带来问题。优先选择 Apache 2.0 / MIT 许可证，用起来更安心。

您需要进行合规性审计或证明合规性

您需要源代码，理想情况下还需要数据。只有完全开源的模型（OLMo、Pythia）才能实现端到端的可追溯性

您希望微调并重新分发

请确认许可证允许衍生作品及其再分发。大多数宽松许可证都允许；部分自定义许可证则有所限制。

#深入了解

厘清模型开放性的问题后，这些指南将帮助您实际开展自托管：

Ollama 是什么以及它如何工作

下载开放权重并在本地运行模型的入门指南，包含基本命令（run、pull、list）。

选择量化方案（Q4、Q5、Q8、FP16）

取得模型权重后，量化方式决定了这些权重在显卡上的显存占用。

在无 GPU（仅 CPU）的情况下本地运行 LLM

如果没有独立显卡，如何仍然在 CPU 上运行开放权重模型。