开源权重
指公开发布模型参数（权重文件）的AI模型，允许任何人自由下载、本地运行、微调和二次分发，与仅提供API调用的闭源模型相对，代表AI技术的开放访问路径
核心事实
时间轴 (近 90 天)
DeepSeek选择开源权重路线，其代价是安全对齐责任从模型提供方转移到了部署方，提供方只能通过许可证与使用政策施加有限约束，无法像闭源API那样在服务端实时过滤或拒绝请求。
开源权重意味着他人可以直接加载使用或微调，但不包含训练数据、训练方法和分布式训练框架。
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。
开放权重意味着他人可以加载、推理、微调或蒸馏模型，但无法直接复制训练管线中的分布式策略、数据清洗流程、对齐方法和硬件调度经验。
开源权重意味着可以本地部署，数据不出内网，对处理客户截图等敏感信息的 Agent 是合规上的硬需求。
本地开源权重推理成本接近零，能离线工作，且数据留在设备上，不随上架量线性增长。
开源权重意味着模型参数文件可以下载、自行运行；蒸馏是用大模型生成数据去训练参数量小得多的模型，蒸馏后的小模型常见规模在 7B、14B、32B 量级，经量化压缩后可跑在单张消费级显卡甚至纯 CPU 上。
开源权重对定价的约束机制是：权重以Apache 2.0等宽松协议发布后，任何有足够显存的一方都能自行部署，边际成本退化为电费与硬件折旧，厂商定价被自托管替代成本封顶。
开源权重模型理论上允许团队在自有环境中部署同一套权重，满足数据不出域的合规需求
'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
还有 6 条时间轴事件
全部知识事实 (18)
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%已验证开源权重意味着他人可以直接加载使用或微调，但不包含训练数据、训练方法和分布式训练框架。
65%已验证开放权重模型指模型参数公开发布可本地运行，但训练数据和代码不一定开源，典型代表包括 Meta 的 Llama、Mistral 以及 DeepSeek
65%已验证开源方案允许用户灵活切换底层模型，包括本地部署的开源模型如 Llama、Qwen 等
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%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选择开源权重路线，其代价是安全对齐责任从模型提供方转移到了部署方，提供方只能通过许可证与使用政策施加有限约束，无法像闭源API那样在服务端实时过滤或拒绝请求。
50%待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。
50%待验证开放权重意味着他人可以加载、推理、微调或蒸馏模型，但无法直接复制训练管线中的分布式策略、数据清洗流程、对齐方法和硬件调度经验。
50%待验证开源权重意味着可以本地部署，数据不出内网，对处理客户截图等敏感信息的 Agent 是合规上的硬需求。
50%待验证本地开源权重推理成本接近零，能离线工作，且数据留在设备上，不随上架量线性增长。
50%待验证开源权重意味着模型参数文件可以下载、自行运行；蒸馏是用大模型生成数据去训练参数量小得多的模型，蒸馏后的小模型常见规模在 7B、14B、32B 量级，经量化压缩后可跑在单张消费级显卡甚至纯 CPU 上。
50%待验证开源权重对定价的约束机制是：权重以Apache 2.0等宽松协议发布后，任何有足够显存的一方都能自行部署，边际成本退化为电费与硬件折旧，厂商定价被自托管替代成本封顶。
50%待验证开源权重模型理论上允许团队在自有环境中部署同一套权重，满足数据不出域的合规需求
50%待验证在大规模模型训练中，对优化收敛性的理论理解可以显著减少试错成本
50%待验证不同的开源模型有不同的许可协议和使用限制，部分模型在商用场景下有特殊条款
50%待验证Shieldstral采用开源权重（open-weight）发布，意味着模型参数可自由下载使用，但训练数据、训练代码和数据处理流程可能并未公开
50%