开放权重热潮背后的新分岔
Meta、Moonshot AI 与阿里巴巴近期围绕开放模型的动作，显示 AI 开源正在从“模型是否开放”转向“开放如何持续”。
Reuters 8 月 10 日报道称，Meta 推出面向本地 Agent 工作负载的开放权重模型 Muse Glimmer，并预告后续还将开放更大模型权重，强调 AI 能力应被更广泛获得和使用。开放权重通常指公开训练完成后的模型参数，开发者可在本地部署或继续调整，但这并不等同于完整开源。
另一边，Moonshot AI 7 月底发布 Kimi K3 权重时，在 License 中加入商业条款：企业及关联方若经营 MaaS（Model-as-a-Service，模型即服务）业务，且任意连续 12 个月合计总收入超过 2000 万美元，在将 Kimi K3 或衍生作品用于商业用途前，需要与 Moonshot AI 另行达成协议；达到特定规模的商业产品还需满足品牌露出要求。Reuters 8 月 7 日还报道称，阿里巴巴也在探索 Qwen3.8-Max 面向大规模商业使用的新机制，具体方案尚未公布。
竞争不只看能力，也看控制权
过去两年，开放模型与闭源模型的比较多围绕 Benchmark 分数展开。但当模型能力不断接近生产可用门槛，开发者和企业开始关注更现实的问题：能否私有部署、数据是否离开企业环境、是否支持业务微调、推理成本多高，以及未来能否迁移。
**开放模型正在从技术路线变成基础设施选择。**企业采用开放模型，往往不是为了表达开源立场，而是为了降低成本、保护数据、减少对单一 API 供应商的依赖，并保留对系统架构的控制权。尤其在 Agent 场景中，一次用户请求可能包含任务规划、多轮推理、工具调用和上下文读写，成本不再只是“调用一次模型”的简单账。
关键变化包括：
- 成本单位变化：Token 正成为新的技术支出单位；
- 部署形态变化：从云端 API 走向本地和混合部署；
- 商业关系变化：模型开发者与 MaaS 平台之间需要重新分配价值。
Linux Foundation 今年 8 月启动 Tokenomics Foundation，试图建立 AI 成本和价值衡量的开放标准。其关注的问题很直接：AI 花了多少钱，又创造了多少价值。这也解释了 Kimi K3 条款为何受到关注：当商业平台基于开放模型提供大规模服务并获得收入，原始模型开发者是否应分享部分价值，已成为绕不开的议题。
“开源模型”与“开放权重”不是一回事
AI 开源的边界也在被重新定义。按照 Open Source Initiative 发布的 Open Source AI Definition，开源 AI 应给予使用者使用、研究、修改和分享系统的自由，并提供足以修改系统的信息和材料。仅公开最终权重，并不意味着整个 AI 系统已经开源，因为训练代码、数据来源、数据处理流程和评测体系可能仍不可得。
这不是术语洁癖。传统软件中，源代码大体能说明程序如何构成；而大模型背后是一整条工程链，包括训练数据、清洗流程、训练代码、权重、评测方法和部署工具。开放到哪一层，才足以让他人理解、修改甚至复现，行业尚无统一答案。
在 2026 世界人工智能大会暨人工智能全球治理高级别会议主席声明中，“开源开放”被列为推动 AI 普惠发展的重要路径，同时也强调知识产权保护、数据安全、风险治理，以及智能体决策权限和行为边界。换言之，开放越深入，责任边界和治理机制越不能事后补课。
从开放模型到开放可构建能力
当模型本身越来越容易获得，稀缺资源开始转向工程、工具、协议、数据和协作体系。一个开放项目的价值，也不能只看 GitHub Star、下载量或模型榜单，而要看是否有可运行代码、清晰接口、部署文档、可验证实验和可迁移能力。
杭州市开源人工智能基金会发起的世界人工智能开源大赛 GOAI 提供了一个样本。赛事由 Agentic AI Foundation 与 LF AI & Data Foundation 作为全球开源合作伙伴支持，以“Open. Share. Build.”为口号，设置四大赛道：Agent Infra、Boundless Agents、AI for Research 和 Embodied Future，总奖池 500 万元人民币，全场大奖 100 万元人民币。
四个赛道分别指向模型落地后的关键问题：Agent Infra 关注多角色 Agent 的任务拆解、工具调用、结果验证与执行证据；Boundless Agents 面向眼镜、汽车、金融、教育、工业制造等真实场景；AI for Research 强调可解释、可检查、可扩展，允许负结果；Embodied Future 则把验证推进到双臂操作和工业园区巡逻等物理世界任务。
行业判断：开放的核心是可持续共建
AI 开源的下半场，不会只由“谁发布了更强模型”决定。训练和推理成本、商业授权边界、安全责任、复现能力与生态协作，将共同决定开放模型能否长期存在。
**Open 只是第一步，Share 和 Build 才决定生态生命力。**如果开放只是少数公司持续补贴产业，模式难以长久；如果授权过度收紧，又会削弱开发者创新。更可能的走向，是开放权重、商业许可、托管服务、行业应用和社区治理并存。未来真正有影响力的 AI 开源项目，既要让模型可用，也要让后来者能在其上继续构建。模型有发布日期，生态没有终点。