---
title: "Ano ang open-weight model? Open weights vs open source"
description: "Inilalabas ng open-weight model ang trained weights nito para mapatakbo ng kahit sino. Kaibahan sa open-source AI, papel ng lisensya, at paano ito sine-serve ng API."
url: https://broadrouter.com/fil/glossary/open-weight-model/
lang: fil
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Isinalin mula sa Ingles sa tulong ng AI. [Basahin ang orihinal sa Ingles](https://broadrouter.com/glossary/open-weight-model/) (na-update noong 2026-11-16).

# Open-weight model

Na-update 2026-11-16

Ang open-weight model ay machine learning model na inilathala ang trained weights para i-download at patakbuhin ng kahit sino, kadalasan sa ilalim ng lisensyang may kondisyon. Iba ito sa ganap na open-source AI, na naglalabas din ng training code at detalyadong impormasyon tungkol sa training data para mapag-aralan at ma-reproduce ng iba ang model.

Tinatawag ding: open-weight, open weights, open model, open-weights LLM, openly available model weights, open-weight na model

Sa esensya, isang napakalaking file ng mga numero ang model: ang weights nito. Kapag inilathala ng developer ang file na iyon, kahit sino ay puwedeng magpatakbo ng model sa sarili nilang hardware.

## Paano ito gumagana

Ang training ang bumubuo ng weights: ang mga parameter na natutunan ng isang neural network. Inilalarawan ng Open Source Initiative ang open weights bilang “the final weights and biases of a trained neural network.” (Salin ng BroadRouter: “ang huling weights at biases ng isang trained na neural network.”) Gamit ang mga ito, puwede kang magpatakbo ng inference, mag-fine-tune o mag-quantize ng model.

Ayon sa OSI, kadalasang hindi kasama sa open weights ang:

-   ang training code;
-   detalyadong impormasyon tungkol sa training data.

Kailangan ng Open Source AI definition ng OSI ang dalawang ito, kasama ng weights, para mapag-aralan at ma-reproduce ng iba ang model. Maraming sikat na model ang open-weight pero hindi open source sa ganitong kahulugan. Isang kaugnay na parirala ang ginagamit sa mga ulat ng gobyerno ng US: mga model na may “widely available model weights” (malawakang available na model weights). Halimbawa, tinatawag ng Google na “open models” ang Gemma family nito.

May kasamang lisensya ang bawat open-weight na release. Kabilang sa mga karaniwan ang Apache-2.0 at MIT, habang nililimitahan naman ng iba ang commercial na paggamit. Ang lisensya ang nagpapasya kung puwede mong i-serve ang model sa ibang tao sa pamamagitan ng API.

## Bakit ito mahalaga

-   **Pagpili kung saan ito tatakbo.** Mag-self-host para sa buong kontrol, o tumawag sa isa sa ilang provider na nagse-serve ng parehong model.
-   **Privacy.** Puwede mong panatilihin ang data sa sarili mong hardware, o pumili ng host na may [zero data retention](https://broadrouter.com/fil/glossary/zero-data-retention/).
-   **Walang lock-in.** Kapag nagbago ng terms ang isang provider, tatakbo pa rin sa iba ang parehong weights. Sa isang [OpenAI-compatible API](https://broadrouter.com/fil/glossary/openai-compatible-api/), pagpapalit lang ng configuration ang paglipat.
-   **Parehong pangalan, ibang pag-serve.** Puwedeng i-serve ng dalawang provider ang iisang model nang may ibang quantization, context limit o settings. Mag-test sa sarili mong mga prompt.

## Sa BroadNet Inference

Sabi ng model catalogue ng BroadNet: “~270 models run on our GPUs” (Salin ng BroadRouter: “~270 model ang tumakbo sa aming mga GPU”; lab figure, Setyembre 2026). Binibilang nito ang bawat model na sinasabi ng BroadNet na napatakbo, na-benchmark, na-quantize o na-fine-tune nito, kasama ang mga hindi nito pinili, hindi lang ang mga model sa API nito. Inilalarawan ng privacy statement nito ang hosting bilang hardware sa US na pag-aari o inuupahan ng BroadNet, na may capacity ng partner bilang backup. Ipinapakita ng model catalogue nito ang mga lisensya, dahil sa sarili nitong salita, ang mga ito ay “decide what can be served through an API.” (Salin ng BroadRouter: “nagpapasya kung ano ang puwedeng i-serve sa pamamagitan ng API.”) Ang [BroadNet Gemma 4 VL 26B](https://broadrouter.com/fil/models/gemma-4-vl-26b/) ay build ng BroadNet ng Gemma 4 ng Google. Nakabatay sa Cohere Transcribe ang [BroadNet Transcribe Arabic](https://broadrouter.com/fil/models/cohere-transcribe-arabic/), at iniuulat ng BroadNet na nasa ika-2 sa 37 (datos noong Setyembre 2026; sa live na ranggo noong Nobyembre 15, 2026, ika-4 sa 39 ito) ito sa Open Universal Arabic ASR Leaderboard, at una sa mga model na pinapayagan ng lisensya na i-serve sa API.

Para pumili ng model para sa Arabic na text, tingnan ang [pagpili ng LLM para sa Arabic](https://broadrouter.com/fil/blog/choosing-an-llm-for-arabic/).

## Mga tanong

### Pareho ba ang open-weight model at open source?

Hindi, ayon sa depinisyon ng Open Source Initiative. Sa open weights, makukuha mo ang trained model. Kailangan din ng Open Source AI ang buong training code at detalyadong impormasyon tungkol sa training data, para mapag-aralan at mabuo ulit ito ng iba.

### Puwede ko bang gamitin sa negosyo ang kahit anong open-weight model?

Hindi. Iba-iba ang mga lisensya. May mga pumapayag sa commercial na paggamit at pag-serve sa pamamagitan ng API, habang ang iba ay non-commercial o may dagdag na kondisyon. Basahin ang lisensya ng mismong checkpoint na ginagamit mo.

### Bakit gagamit ng hosted API para sa open-weight model?

Kailangan ng GPU, serving software at operations para magpatakbo ng malalaking model. Sa hosted API, makukuha mo ang parehong model sa likod ng isang key, at bukas pa rin ang opsyong mag-self-host balang araw.

## Tingnan din

-   [Vision-language model (VLM)](https://broadrouter.com/fil/glossary/vision-language-model/) (termino)
-   [Zero data retention (ZDR)](https://broadrouter.com/fil/glossary/zero-data-retention/) (termino)
-   [OpenAI-compatible API](https://broadrouter.com/fil/glossary/openai-compatible-api/) (termino)
-   [LLM router](https://broadrouter.com/fil/glossary/llm-router/) (termino)
-   [Mixture of experts (MoE)](https://broadrouter.com/fil/glossary/mixture-of-experts/) (termino)
-   [Quantization](https://broadrouter.com/fil/glossary/quantization/) (termino)
-   [Fine-tuning](https://broadrouter.com/fil/glossary/fine-tuning/) (termino)
-   [Inference provider](https://broadrouter.com/fil/glossary/inference-provider/) (termino)
-   [Model license (lisensya ng model)](https://broadrouter.com/fil/glossary/model-license/) (termino)
-   [GGUF](https://broadrouter.com/fil/glossary/gguf/) (termino)
-   [Basahin ang mga Arabic na invoice at resibo gamit ang vision model](https://broadrouter.com/fil/guides/read-arabic-invoices-with-vision/) (gabay)
-   [Arabic speech-to-text API: gabay na hakbang-hakbang](https://broadrouter.com/fil/guides/arabic-speech-to-text-api/) (gabay)
-   [Pagpili ng LLM API para sa Arabic: ano ang dapat i-test](https://broadrouter.com/fil/blog/choosing-an-llm-for-arabic/) (artikulo)
-   [Arabic speech-to-text API: paano pumili sa 2026](https://broadrouter.com/fil/blog/arabic-speech-to-text-api-buyers-guide/) (artikulo)

Subukan ito sa totoong workload mo. May US$5 na panimulang credit ang mga bagong account para sa Gemma at transcription. Kailangan ng top-up para sa DeepSeek, GLM, at Qwen3.8.

[Magsimula](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=fil-glossary-open-weight-model&utm_content=page-cta) ·

**Mga source**

-   [Open Source Initiative, open weights vs open source AI](https://opensource.org/ai/open-weights)
-   [NTIA, ulat tungkol sa dual-use foundation models na may malawakang available na model weights](https://www.ntia.gov/issues/artificial-intelligence/open-model-weights-report)
-   [Google AI for Developers, mga open model ng Gemma](https://ai.google.dev/gemma/docs)
-   [Model catalogue ng BroadNet (Ingles)](https://www.broadnet.ai/inference/models)
