开放权重

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

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

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

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

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

'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

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。

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

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

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

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

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

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。

Tenstorrent将自身定位为开放权重AI芯片的推动者，其开放权重指硬件设计规范、指令集及配套软件栈（编译器、运行时、算子库）的开放与可移植性。

AI芯片语境中的开放权重与开源大模型领域的开放权重概念不同：前者强调硬件与软件栈开放，后者指公开模型参数允许下载和微调。

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。