吴怼怼 ISSUE 01  ·   2026.08 一个被用滥了的词大模型的「开源」到底开了什么？能聊天、能下载、能商用、能复现，是四件不同的事。?WEIGHTSCODEDATA 别只问 " 开没开 "，要问 " 开到哪一层 "。向下拆解

01 / 先纠正一个误会

" 开放使用 "

不是 " 开放源头 "

软件的源代码，是人写下的完整指令；模型的能力，却是从海量数据和训练过程里 " 长 " 出来的。

所以，一个大模型的 " 源 "，不只是一份 Python 代码。至少还包括模型权重、架构、训练代码、数据信息、超参数和计算过程。只开放其中一部分，却统一称为 " 开源 "，会把完全不同的开放程度混在一起。

免费网页≠开源开放 API ≠开放模型开放权重≠完整复现

02 / 解剖一个大模型

所谓 " 开源 "

至少有七层

逐张点击卡片。越往后，开放的不是 " 更多文件 "，而是更多理解、修改与重造的能力。

OPEN LAYER   /   01 产品入口 / API 你能用网页、App 或 API 只是 " 入口 "。你在调用别人的模型，并没有拿到它。免费，也不等于开源。01 产品入口 / API 你能用→点击拆开这一层

OPEN LAYER   /   02 模型权重你能拥有权重是训练后学到的数值参数。拿到它，通常能本地部署、量化或微调；但它更像 " 烤好的蛋糕 "，不是配方。02 模型权重你能拥有→点击拆开这一层

OPEN LAYER   /   03 推理与部署代码你能跑加载权重、切分专家、分配显存、提供服务。这些代码决定模型能不能真正落地，也决定运行成本。03 推理与部署代码你能跑→点击拆开这一层

OPEN LAYER   /   04 架构与技术报告你能看懂网络结构、注意力机制、参数规模与训练方法。知道原理，不代表已经拿到完整实现，更不代表可以复现。04 架构与技术报告你能看懂→点击拆开这一层

OPEN LAYER   /   05 训练 / 后训练代码你能改造预训练、微调、强化学习、数据配比与超参数。往往只开放其中一段，或只给伪代码和方法描述。05 训练 / 后训练代码你能改造→点击拆开这一层

OPEN LAYER   /   06 训练数据与处理流程你能追溯数据从哪里来，如何清洗、去重、配比与标注？它深刻影响模型能力与偏见，却通常是最不透明的一层。06 训练数据与处理流程你能追溯→点击拆开这一层

OPEN LAYER   /   07 完整复现条件你能重造中间检查点、优化器状态、训练日志和算力配置。能复现，才接近软件世界里的 " 拿到源代码 "。07 完整复现条件你能重造→点击拆开这一层

03 / 三个中国模型样本

同样叫开源，

交出的东西并不一样

依次点击三张卡片，查看 DeepSeek-R1、Kimi K2.5 与 Qwen3 的开放范围与许可证。

CASE   /   01   /   R1DeepSeek 已经开放＋ R1 / R1-Zero 权重＋ 多款蒸馏模型＋ 推理示例与技术论文＋ 商业使用与衍生权利仍未完整开放— 完整原始训练语料— 端到端训练流水线— 全量数据清洗与训练日志 LICENSEMIT 一句话判断你能把 " 成品大脑 " 搬回家并改造，但还不能完整重走它的成长过程。CASE   /   01DeepSeekR1 高自由度的开放权重↑点击上推，查看它到底开了什么

CASE   /   02   /   K2.5Kimi 已经开放＋ 模型权重＋ 部署与使用指南＋ 技术说明＋ 一般商业使用与修改权仍未完整开放— 完整预训练数据— 端到端训练代码— 完整后训练样本与实验记录 LICENSEModified MIT 一句话判断超 1 亿月活或月收入超 2000 万美元时，商业产品界面需显著展示 Kimi K2.5。CASE   /   02KimiK2.5 开放权重 + 品牌触发条款↑点击上推，查看它到底开了什么

CASE   /   03   /   Qwen3 千问已经开放＋ 多尺寸模型权重＋ Base 与后训练版本＋ 推理、部署与微调生态＋ 宽松商业许可仍未完整开放— 完整预训练数据清单— 从零训练的生产流水线— 完整中间状态与训练日志 LICENSEApache 2.0 一句话判断开放了许多可改造的起点，但开放生态仍不等于开放整个生产过程。CASE   /   03 千问 Qwen3 多尺寸 Apache 2.0 开放权重↑点击上推，查看它到底开了什么

一张表看懂差别● 明确开放     ◐ 有条件 / 部分开放     — 未完整公开开放项 R1K2.5Qwen3 可下载权重●●●可自行部署●●●宽松商业使用●◐●基础模型 Base ◐—●完整预训练数据———端到端训练复现———代表性公开版本的结构化判断；不同版本许可可能不同。资料截至 2026.08.13，不构成法律意见。

04 / 那还能叫 " 开源 " 吗？更准确的说法，往往是 " 开放权重 "OSI 的《开源 AI 定义 1.0》要求四种自由：使用、研究、修改与分享；同时要求足够的数据信息、完整训练与运行代码，以及模型参数。按这个尺度，当前许多 " 开源大模型 " 更接近 open weights：成品可以下载和改造，但通往成品的全部原料与生产线并未完整公开。关键不是争一个标签，而是把开放到哪一层说清楚。" 开放权重能不能叫开源？点击，看看一条更严格的界线＋

既然没 " 全开 "，

为什么仍然重要？

主权

企业能把模型部署在自己的设备和数据边界内，不必把每次请求交给外部平台。

成本

可以量化、裁剪、选择推理框架，长期成本不再完全由单一 API 定价决定。

改造

可以做领域微调、蒸馏和安全控制，把通用模型变成自己的生产工具。

竞争

开放权重把先进能力变成公共起点，迫使整个行业更快、更便宜、更透明。

05 / 下次看到 " 开源 "

别问开没开。

连续追问这 5 件事。

答案会比任何宣传标签都更接近真相。

权重能下载吗？

还是只能通过网页或 API 使用？

许可证允许什么？

能否商用、修改、再分发、蒸馏？有没有规模门槛？

开放的是 Base 还是 Chat？

基础权重更适合深度改造；对话版更接近拿来即用。

训练过程公开到哪一步？

有论文、有样例，还是有完整代码、参数与中间状态？

数据能被追溯和复现吗？

有没有来源、比例、清洗、去重与标注方法？

THE BOTTOM LINE 今天的大模型开源，大多开的是 " 使用与改造的入口 "，还不是 " 完整复制智能的配方 "。技术资产、复现程度、法律权利，应该分开说清楚。↗转发给那个总说 " 开源模型 " 的朋友

吴怼怼

把技术热词，拆成可以判断的事实。

主要资料：DeepSeek-R1 官方仓库；MoonshotAI Kimi-K2.5 官方仓库与许可；Qwen3 官方发布说明；OSI《开源 AI 定义 1.0》。

编辑与设计：吴怼怼 · 资料截至 2026.08.13 · 不构成法律意见