Sebuah model pada dasarnya ialah fail nombor yang sangat besar, iaitu pemberatnya. Apabila pembangun menerbitkan fail itu, sesiapa sahaja boleh menjalankan model itu pada perkakasan sendiri.
Cara ia berfungsi
Latihan menghasilkan pemberat: parameter yang dipelajari oleh rangkaian neural. Open Source Initiative menerangkan open weights sebagai “the final weights and biases of a trained neural network.” (Terjemahan BroadRouter: “pemberat dan bias akhir bagi rangkaian neural yang telah dilatih.”) Dengannya, anda boleh menjalankan inferens, membuat fine-tuning atau mengkuantisasi model.
Menurut OSI, open weights biasanya tidak termasuk:
- kod latihan;
- maklumat terperinci tentang data latihan.
Definisi Open Source AI oleh OSI memerlukan kedua-duanya, bersama pemberat, supaya orang lain boleh mengkaji dan menghasilkan semula model itu. Banyak model popular ialah open-weight tetapi bukan sumber terbuka dalam erti kata ini. Laporan kerajaan AS menggunakan frasa yang berkaitan: model dengan “widely available model weights” (pemberat model yang tersedia secara meluas). Google, contohnya, memanggil keluarga Gemmanya sebagai “open models”.
Setiap keluaran open-weight disertakan dengan lesen. Yang biasa termasuk Apache-2.0 dan MIT, manakala yang lain mengehadkan penggunaan komersial. Lesen menentukan sama ada anda boleh menyediakan model itu kepada orang lain melalui API.
Mengapa ia penting
- Pilihan tempat ia dijalankan. Hos sendiri untuk kawalan penuh, atau panggil salah satu daripada beberapa penyedia yang menyediakan model yang sama.
- Privasi. Anda boleh menyimpan data pada perkakasan sendiri, atau memilih hos dengan zero data retention.
- Tiada lock-in. Jika satu penyedia mengubah terma, pemberat yang sama boleh dijalankan di tempat lain. API serasi OpenAI menjadikan pertukaran itu hanya perubahan konfigurasi.
- Nama sama, penyediaan berbeza. Dua penyedia boleh menyediakan satu model dengan kuantisasi, had konteks atau tetapan yang berbeza. Uji dengan prompt anda sendiri.
Di BroadNet Inference
Katalog model BroadNet menyatakan “~270 models run on our GPUs” (Terjemahan BroadRouter: “~270 model dijalankan pada GPU kami”) (angka makmal, September 2026). Angka itu mengira setiap model yang BroadNet katakan pernah dijalankan, diuji tanda aras, dikuantisasi atau ditala halus olehnya, termasuk yang ditolaknya, bukan hanya model pada API-nya. Penyata privasinya menerangkan pengehosan itu sebagai perkakasan di AS yang dimiliki atau dipajak oleh BroadNet, dengan kapasiti rakan kongsi sebagai sandaran. Katalog modelnya memaparkan lesen kerana, dalam kata-katanya sendiri, lesen “decide what can be served through an API.” (Terjemahan BroadRouter: “menentukan apa yang boleh disediakan melalui API.”) BroadNet Gemma 4 VL 26B ialah binaan BroadNet bagi Gemma 4 daripada Google. BroadNet Transcribe Arabic berasaskan Cohere Transcribe, dan BroadNet melaporkannya di kedudukan #2 daripada 37 (angka September 2026; papan kedudukan langsung menyenaraikannya di #4 daripada 39 pada 15 November 2026) dalam Open Universal Arabic ASR Leaderboard, serta pertama dalam kalangan model yang lesennya membenarkan penyediaan melalui API.
Untuk memilih model bagi teks bahasa Arab, lihat memilih LLM untuk bahasa Arab.