翻开任何一份模型清单,名字大致分成两类:一边是 Claude、GPT 和 Gemini,另一边是 DeepSeek、Kimi 和 GLM。后一类通常称作开放权重模型。这个词常被提起,却少有人讲透,本文就来讲透它。
权重,就是模型本身
语言模型本质上是一长串数字。训练的过程,就是为这些数字赋值,它们叫作权重,也叫参数,模型学到的一切都存放其中。最大的模型之一 Kimi K3.1 Pro,参数多达 2.8 万亿个。
闭源模型的文件,由厂商自己保管。您把问题发到厂商的服务器,再取回答案。您租到的只是使用权,模型本身从不经您的手。
开放权重模型则把这份文件公开发布。任何人都能下载,在自己的机器上运行,也能付费请托管公司代劳。
开放权重不等于开源
这两个概念常被混为一谈。开放源代码促进会(OSI)负责维护开源软件的定义,并为 AI 另立了一套。其《开源 AI 定义》要求使用者有权使用、研究、修改和分享一个系统,为此缺一不可的有三样:权重、训练模型所用的代码,以及关于训练数据的详细信息。
开放权重只涵盖其中第一项。OSI 关于该术语的专门页面写明,它指的是已训练网络的最终权重,不含训练代码和数据。模型能运行,也能调整,却无法从头重建,也看不到它学自哪些数据。
许可条款也因模型而异。DeepSeek 采用 MIT 许可,允许商用。Kimi K3、GLM-5.3 和 Meta 的 Muse Spark Open 各自附带厂商自拟的许可,Artificial Analysis 将其概括为“允许商用,但有限制条件”。在这类模型之上开发产品之前,请先通读许可。
公开的文件带来哪些改变
不止一家公司能提供服务。闭源模型只由厂商和少数云合作伙伴销售。11 月 20 日,Artificial Analysis 统计到 GLM-5.3 有 24 家 API 服务商,DeepSeek V4.1 Flash 有 21 家。同一个模型,多家托管商在价格和速度上较劲,低价层级之所以便宜,这是一大原因,我们在谈模型组合的那篇文章里讲过。
运行地点由您选择。银行可以把文件部署在自家数据中心,数据不出大楼;规模较小的企业,可以按合同要求选择所在国的托管商。换成闭源模型,服务器设在哪里,由厂商说了算。
它收不回去。托管商可以把某个模型下架,但公开过的文件依然公开,随时有另一家托管商接手。
它可以被改造。有能力的团队,可以用自己的文档对文件继续训练。小企业很少这么做,但它们采购的供应商会。
买家的选择已经说明了问题。Vercel AI Gateway 是许多软件团队用来调用模型的服务。在这个网关上,开放权重模型 2026 年 9 月占到 71.5% 的 token,2025 年 12 月仅为 7%。Vercel 说明,本期报告对开放权重的界定比此前更宽,两个数字的口径不尽相同。但走向不容置疑。
它们同样出色吗
它们已相当接近,近到什么程度,取决于由谁来衡量。
研究机构 Epoch AI 在 5 月 29 日发现,自 2026 年 1 月起,最强的开放权重模型平均落后最强闭源模型四个月。研究公司 SemiAnalysis 在 8 月 21 日给出了更进一步的判断。在其研究的免费部分,它写道:“每一代,开源模型追赶所需的时间都缩短一半。”按它的统计,当前这一代里,Kimi K2.6 在其测试集上超过了 Claude Opus 4.5,距 Opus 发布仅 4.8 个月。
随后,测试越来越难“应试”。10 月 27 日,Artificial Analysis 重构了 Intelligence Index(智能指数),其中 60% 取决于不公开的测试集。最强开放权重模型与最强闭源模型的差距,从 3 分拉大到 12 分:Kimi K3.1 Pro 得 46 分,Claude Opus 5.5 得 58 分。
SemiAnalysis 也自带一重提醒:分数不等于全部,其分析师坦言,日常工作中自己仍更愿意用闭源模型。
于是,在公开测试里,两类模型只差几分;在无人见过的题目上,闭源模型依然领先。起草、摘要、分类、翻译这类工作,这点领先很少显现;任务一旦又长又难,它仍会浮出水面。
放弃什么
自行运行这份文件,既要硬件,也要人手。没有谁能在办公室的笔记本上跑 2.8 万亿个参数。多数使用开放权重模型的企业选择向托管商租用,这时起作用的就不只是许可,还有托管商自己的条款。
开放也不一定便宜。同一份 Vercel 报告显示,DeepSeek V4.1 Flash 处理了 9 月近半数的 token,支出仅占 2.6%;Kimi K3 只占 3.2% 的 token,却贡献了开放权重支出增幅的 47.6%。开放权重模型整体的支出占比,正是这样升到 22.6% 的。
况且,模型究竟是拿什么数据训练出来的,您依然无从知道。
我们在 BearingBridge 如何使用这些模型
两类模型,我们都提供。11 月 1 日,我们的 AI 模型基准测试页面列出了来自五家厂商的八款开放权重文本模型:DeepSeek V4 Pro、V4 Flash 和 V4.1 Flash,Kimi K3 和 K3.1 Pro,GLM 5.3,Muse Spark Open,以及 Mistral Large 4。11 月 20 日,我们逐一核对了它们在 Artificial Analysis 页面上的状态。它们与 Claude、GPT、Gemini 同处一个模型选择器。
我们不在自己的服务器上运行权重。无论开放权重模型还是闭源模型,每次调用都经同一个网关送达托管的端点,连同费用记入同一本账。
对客户来说,这带来三点:
- 由您的管理员决定。每项功能都有自己的允许模型清单。组织若不想用任何开放权重模型,或不想用某家厂商的,直接关闭即可。
- 可以拿自己的工作去比。试验场可以把同一个问题同时发给最多三个模型,并排对照,并在每个答案下标出价格。这比排行榜更能说明问题。
- 价格档位就写在页面上。两款 DeepSeek Flash 模型处在我们四个价格档位的最低一档,Kimi K3 和 K3.1 Pro 处在最高一档,与最贵的闭源模型并列。
该页面的分数每月更新两次。我们的建议,对谁都适用:批量工作交给开放权重模型,答错就要花钱的场合用闭源模型,任何一种成为默认选项之前,先拿真实任务测一测。
本周就能一试
挑一项团队每天都在做的工作,比如写一段产品描述,或总结一通客户电话。把它分别交给一个闭源模型和一个开放权重模型,再请最懂这项工作的人,在不知道出处的情况下给两份结果打分。
再去问问您的供应商,其功能背后用的是哪些模型,又由谁托管。
最近复核于 2026 年 11 月 20 日,上文每一处来源当天都已打开核对。模型清单、许可条款和分数变动频繁,如有更正,请发送至 hello@bearingbridge.com。







