本文译自 kikomono.com 英文原文，作者 Rita。原文链接：https://kikomono.com/ai-news/open-weights-vs-open-source/ （本篇为中文试译版，博客版暂不配图）

“开放”这个词为什么会误导

一次 AI 发布不是一件东西，而是一组部件，发布者可以公开其中一部分、保留另一部分。新闻报道常常把这一组部件压缩成一个词——“开放”，而这恰恰掩盖了开发者最需要知道的部分。于是同样被称为“开放”的两次发布，附带的权利和工作量可能完全不同。

这种混淆可以理解：在传统软件里，“开源”有公认的含义——源代码在允许你使用、研究、修改和分享的许可证下公开。而训练好的 AI 模型多了一个传统软件没有的部分：权重，即训练产生的大量数字。公开权重不等于公开源代码，而两者都不自动包含训练数据。

四个部分，分开看

权重：训练得到的数字，决定了模型的行为方式。能下载的权重让你可以运行或改造这个训练好的模型，但不能解释它是怎么训练出来的。

代码：训练、运行和评估模型的程序。公开的代码让你可以检查和改动这套机制，但本身并不能给你一个训练好的模型。

训练数据：模型训练用的材料。很少全文公开；对数据的描述不等于数据本身。

许可证：使用、修改和分享上述各部分的法律条款。真正决定商业使用、再分发和署名要求的，是许可证，不是新闻标题。

所以一次发布可以是“开放权重”，同时代码未公开、数据未披露、许可证有限制；也可以四个部分全都开放。只看标题，你分辨不出来。

相信这个标签之前，先做四项检查

一、读许可证，不读发布稿。看它允许什么：只许个人使用，还是也可以商用？可以再分发权重，还是只能自己用？必须署名吗？修改版必须沿用同样条款吗？如果发布稿里没有许可证链接，那就把它当作未定价、无许可的地带：可以读来了解，尚不足以放心拿去做产品。

二、问清楚到底能下载什么。是只有权重，还是权重加代码，或者权重、代码加评估工具？每缺一块，都是你自己要补的活，从写服务代码到搭自己的测试。

三、把“能下载”和“能免费跑”分开。下载权重本身不花钱，但跑大模型需要内存足够的硬件，硬件是租是买都要花钱。能下载的模型不等于能在普通笔记本上跑的模型；而同一个模型的托管版是另一个产品，有自己的价格和条款。选之前先比较两者，比如订阅和 API 计费的区别（https://kikomono.com/guides/ai-subscription-vs-api/）。

四、确认“开放”覆盖的是不是你真正想要的那个版本。发布者有时公开的是较小的模型，把最大的版本放在账号或付费方案后面。确认你打算用的那个版本的规模、能力和许可证，而不是整个模型家族的。

对小项目意味着什么

对做网站的人来说，实际问题很少是哲学问题，而是：我能在项目里用这个模型吗？按什么条款？运行成本多少？可下载的模型给你控制权——可以在自己的服务器上跑、提示词不外流、不用按请求付费——但也把责任给了你：托管、更新、安全检查、扩容都归你。托管模型省了这些活，却让项目依赖于服务商的价格、可用性和条款。

两种选择本身都没有错。错的是凭“开放”两个字就做决定，事后才发现许可证或硬件账单不对。先读许可证，确认确切版本，再用你实际打算跑的工作负载测试，参考模型评估清单（https://kikomono.com/guides/evaluate-new-ai-model/）。

关于通过托管端点而不是自己的服务器运行模型的背景，可以看推理端点指南（https://kikomono.com/ai-tools/hugging-face-inference-endpoints/）。

来源与说明

这是一篇通用术语指南，不是针对某个具体产品的评测：不点名任何产品，不写价格或方案上限，也不对任何具体模型的许可证或可用性做断言。使用任何发布之前，请读该发布自己的许可证和文档，以它们为准。本指南不含联盟链接。