---
title: "什么是开放权重模型？开放权重与开源的区别 | BroadRouter"
description: "开放权重模型公开训练好的权重，任何人都可以运行。它与开源 AI 有什么不同、为什么许可证很重要，以及托管 API 如何提供这类模型。"
url: https://broadrouter.com/zh/glossary/open-weight-model/
lang: zh-Hans
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/glossary/open-weight-model/)（2026-11-16 更新）。

# 开放权重模型（open-weight model）

更新于 2026-11-16

开放权重模型是公开发布训练好的权重、任何人都可以下载和运行的机器学习模型，通常附带有条件的许可证。它不同于完全开源的 AI，后者还会公开训练代码和训练数据的详细信息，让其他人能够研究并复现模型。

又称： 开放权重、开源模型、开源大模型、开放模型、权重开源、open-weight model、open weights、open model、open-weights LLM、openly available model weights

一个模型主要就是一个由数字组成的超大文件，也就是它的权重。开发者公开这个文件后，任何人都可以在自己的硬件上运行这个模型。

## 工作原理

训练产生权重，即神经网络学到的参数。开放源代码促进会（OSI）把开放权重描述为 “the final weights and biases of a trained neural network.”（译文：训练好的神经网络最终的权重和偏置。）有了它们，你就可以运行推理、微调或量化模型。

按 OSI 的说法，开放权重通常不包括：

-   训练代码；
-   训练数据的详细信息。

OSI 的开源 AI 定义要求在权重之外同时公开这两项，让其他人能够研究并复现模型。许多热门模型是开放权重的，但并不是这个意义上的开源。美国政府的报告使用了一个相关的说法：具有 “widely available model weights”（译文：广泛可得的模型权重）的模型。例如，Google 把它的 Gemma 系列称为 “open models”（开放模型）。

每个开放权重的发布都附带许可证。常见的有 Apache-2.0 和 MIT，另一些则限制商用。许可证决定了你能否通过 API 把模型提供给他人使用。

## 为什么重要

-   **可以选择在哪里运行。** 自行部署以获得完全控制，或者调用提供同一模型的多家服务商之一。
-   **隐私。** 你可以把数据留在自己的硬件上，或者选择提供[零数据保留](https://broadrouter.com/zh/glossary/zero-data-retention/)的托管方。
-   **不被锁定。** 如果某家服务商改了条款，同样的权重可以在别处运行。[OpenAI 兼容 API](https://broadrouter.com/zh/glossary/openai-compatible-api/) 让切换只是改一下配置。
-   **同名不同配置。** 两家服务商提供同一个模型时，量化方式、上下文上限或设置都可能不同。请用你自己的提示词测试。

## 在 BroadNet Inference 上

BroadNet 的模型目录说 “~270 models run on our GPUs”（译文：约 270 个模型在我们的 GPU 上运行）（实验室数据，2026 年 9 月）。这个数字统计的是 BroadNet 称自己运行、基准测试、量化或微调过的所有模型，包括被它排除的模型，而不只是其 API 上的模型。它的隐私声明把托管描述为 BroadNet 自有或租用的美国硬件，并以合作伙伴的算力作为备份。它的模型目录会标明许可证，因为用它的话说，许可证 “decide what can be served through an API.”（译文：决定了哪些模型可以通过 API 提供服务。）[BroadNet Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) 是 BroadNet 基于 Google Gemma 4 构建的版本。[BroadNet Transcribe Arabic](https://broadrouter.com/zh/models/cohere-transcribe-arabic/) 基于 Cohere Transcribe，BroadNet 报告它在 Open Universal Arabic ASR Leaderboard 上排名 第 2 名（共 37 个）（这是 2026年9月的数据；2026年11月15日实时榜单上为 39 个中的第 4 名），并在许可证允许通过 API 提供服务的模型中排名第一。

要为阿拉伯语文本选择模型，请看[如何为阿拉伯语选择大模型](https://broadrouter.com/zh/blog/choosing-an-llm-for-arabic/)。

## 常见问题

### 开放权重模型等同于开源吗？

按开放源代码促进会（OSI）的定义，不等同。开放权重给你的是训练好的模型。开源 AI 还要求公开完整的训练代码和训练数据的详细信息，让其他人能够研究并重建它。

### 任何开放权重模型都能商用吗？

不能。许可证各不相同。有些允许商用和通过 API 提供服务，有些则是非商用或附加了条件。请阅读你所用的那个具体检查点的许可证。

### 为什么要通过托管 API 使用开放权重模型？

运行大模型需要 GPU、推理服务软件和运维工作。托管 API 让你凭一个密钥就能用上同一个模型，同时保留以后自行部署的选择。

## 另请参阅

-   [视觉语言模型（VLM，vision-language model）](https://broadrouter.com/zh/glossary/vision-language-model/)（术语）
-   [零数据保留（ZDR）](https://broadrouter.com/zh/glossary/zero-data-retention/)（术语）
-   [OpenAI 兼容 API（OpenAI-compatible API）](https://broadrouter.com/zh/glossary/openai-compatible-api/)（术语）
-   [大模型路由（LLM router）](https://broadrouter.com/zh/glossary/llm-router/)（术语）
-   [混合专家模型（MoE）](https://broadrouter.com/zh/glossary/mixture-of-experts/)（术语）
-   [量化（quantization）](https://broadrouter.com/zh/glossary/quantization/)（术语）
-   [微调（fine-tuning）](https://broadrouter.com/zh/glossary/fine-tuning/)（术语）
-   [推理服务商（inference provider）](https://broadrouter.com/zh/glossary/inference-provider/)（术语）
-   [模型许可证（model license）](https://broadrouter.com/zh/glossary/model-license/)（术语）
-   [GGUF](https://broadrouter.com/zh/glossary/gguf/)（术语）
-   [用视觉模型识别阿拉伯语发票和收据](https://broadrouter.com/zh/guides/read-arabic-invoices-with-vision/)（指南）
-   [阿拉伯语语音转文字 API 分步教程](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)（指南）
-   [如何选择阿拉伯语大模型 API：该测试什么](https://broadrouter.com/zh/blog/choosing-an-llm-for-arabic/)（文章）
-   [阿拉伯语语音转文字 API：2026 年怎么选](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)（文章）

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

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

**来源**

-   [开放源代码促进会（OSI）：开放权重与开源 AI](https://opensource.org/ai/open-weights)
-   [NTIA：关于模型权重广泛可得的两用基础模型的报告](https://www.ntia.gov/issues/artificial-intelligence/open-model-weights-report)
-   [Google AI for Developers：Gemma 开放模型](https://ai.google.dev/gemma/docs)
-   [BroadNet 模型目录（英文）](https://www.broadnet.ai/inference/models)
