Sebuah model pada dasarnya adalah file angka yang sangat besar, yaitu bobotnya. Saat developer memublikasikan file itu, siapa pun bisa menjalankan model tersebut di hardware sendiri.
Cara kerjanya
Pelatihan menghasilkan bobot: parameter yang dipelajari jaringan saraf. Open Source Initiative menggambarkan open weights sebagai “the final weights and biases of a trained neural network” (terjemahan: bobot dan bias akhir dari jaringan saraf yang sudah dilatih). Dengan bobot itu, Anda bisa menjalankan inferensi, melakukan fine-tuning, atau mengkuantisasi model.
Yang biasanya tidak disertakan dalam open weights, menurut OSI:
- kode pelatihan;
- informasi rinci tentang data pelatihan.
Definisi Open Source AI dari OSI mensyaratkan keduanya, bersama bobotnya, agar orang lain bisa mempelajari dan mereproduksi model. Banyak model populer bersifat open-weight tetapi bukan open source dalam arti tersebut. Laporan pemerintah AS memakai frasa terkait: model dengan “widely available model weights” (terjemahan: bobot model yang tersedia luas). Google, misalnya, menyebut keluarga Gemma sebagai “open models” (terjemahan: model terbuka).
Setiap rilis open-weight disertai lisensi. Yang umum antara lain Apache-2.0 dan MIT, sementara lisensi lain membatasi penggunaan komersial. Lisensi menentukan apakah Anda boleh menyajikan model itu ke orang lain lewat API.
Kenapa ini penting
- Bebas memilih tempat menjalankannya. Self-host untuk kendali penuh, atau panggil salah satu dari beberapa penyedia yang menyajikan model yang sama.
- Privasi. Anda bisa menyimpan data di hardware sendiri, atau memilih host dengan zero data retention.
- Tanpa lock-in. Jika satu penyedia mengubah ketentuannya, bobot yang sama bisa berjalan di tempat lain. API yang kompatibel dengan OpenAI membuat peralihan cukup dengan mengubah konfigurasi.
- Nama sama, penyajian berbeda. Dua penyedia bisa menyajikan satu model dengan kuantisasi, batas konteks, atau pengaturan yang berbeda. Uji dengan prompt Anda sendiri.
Di BroadNet Inference
Katalog model BroadNet menyebut “~270 models run on our GPUs” (terjemahan: sekitar 270 model berjalan di GPU kami) (angka lab, September 2026). Angka itu menghitung setiap model yang menurut BroadNet pernah dijalankan, di-benchmark, dikuantisasi, atau di-fine-tune olehnya, termasuk yang akhirnya tidak dipakai, bukan hanya model di API-nya. Pernyataan privasinya menggambarkan hosting-nya sebagai hardware di AS yang dimiliki atau disewa BroadNet, dengan kapasitas mitra sebagai cadangan. Katalog modelnya menampilkan lisensi karena, dalam kata-katanya sendiri, lisensi “decide what can be served through an API” (terjemahan: menentukan apa yang boleh disajikan lewat API). BroadNet Gemma 4 VL 26B adalah build BroadNet dari Gemma 4 milik Google. BroadNet Transcribe Arabic berbasis Cohere Transcribe, dan BroadNet melaporkannya di #2 dari 37 (angka September 2026; papan peringkat langsung mencantumkannya di #4 dari 39 pada 15 November 2026) pada Open Universal Arabic ASR Leaderboard, dan pertama di antara model yang lisensinya mengizinkan penyajian lewat API.
Untuk memilih model bagi teks bahasa Arab, lihat memilih LLM untuk bahasa Arab.