开源模型正在改变什么

你可能想象不到，Nvidia CEO 黄仁勋在X上发出了自己的第一条帖子，竟然献给了开源。

2026年7月24日，他分享了一封英伟达参与签署的公开信，谈的是开放模型为什么重要，

这个世界既需要前沿的闭源模型，也需要前沿的开放模型。

可能很多人已经习惯了打开一个聊天窗口，把问题发过去，等AI回答。但当你准备用AI长期处理公司资料、接入内部系统时，可能就会出现以下问题：资料发过去安全吗？服务突然限流怎么办？能不能让模型学会公司数据的处理方式？

开源模型可以让这些问题多一种解法。你可以在许可证允许的范围内，把模型下载下来，部署在自己的环境里，继续微调它，让用户自己决定如何使用。

当然，大模型的开源闭源之争，一直也是讨论不休，老黄的这一封信，也再次引起了我们的共鸣，决定联合几个共建者，开始这个开源模型应用实战紫皮书之旅。这次把开源模型应用实战内容带给大家，愿开源模型繁荣昌盛～

记住，免费的不一定是开源的，开源的也不一定是免费的？

在网页上和AI聊天，或者通过API向模型提问，通常都由模型厂商运行模型，你提交输入，对方返回结果，服务器怎么配置、模型怎么维护，大多不用你操心。

开源模型提供了另一种选择，允许你获得训练完成后的模型参数，也就是通常所说的权重。配合适当的软件和硬件，这些参数可以在你的电脑、服务器或私有云里运行。原本需要发给外部服务的问题，也就可以在自己的环境里处理。

这里有两件容易混淆的事。

免费，说的是要不要付钱；开源，说的是你能拿到什么，以及被允许怎样使用。 一个聊天产品可以免费，却不提供模型权重。一个允许免费下载的模型，运行起来仍然需要算力和维护成本。

API也只是访问模型的方式。开源模型可以由服务商托管，通过API提供给你；你自己部署的模型，同样可以通过内部API供同事使用。因此，“开源还是闭源”和“调用API还是自己部署”，要分开看。

日常讨论里，大家经常把能够下载权重的模型统称为开源模型。以后的章节我们也会沿用这个常见说法。

不过，会在严格区分时讲清楚，开放权重不等于开源了模型的全部训练过程。训练数据、训练代码和使用权限，还要分别查看。

拿到一个模型后，你大概率会好奇，究竟是怎么学出来的？

这时，不同模型之间的区别就显出来了，有的能让你下载运行，却没有公开完整训练材料；有的进一步提供训练代码和数据说明，让外部开发者能够研究模型的训练轨迹。

2026年5月，G7发布了一份关于AI开放程度的共同参考文件，把这些差异分成四类，按开放程度从高到低，可以这样理解。，

连完整训练数据也公开。 模型权重、部署代码、训练代码和完整训练数据，都按开源许可证提供，对应Open Source AI with Open Data。
公开权重和代码，受限数据有详细交代。 对应Open Source AI。完整训练数据原则上应提供；因法律或技术原因无法分享的部分，需要用充分的数据说明替代。
把训练好的模型交给你运行和改造。 对应Open Weights AI，提供权重与部署代码，并采用开源许可证，但未必公开完整训练材料。
能下载，使用时还有额外条件。 对应Weights Available AI，权重和部署代码可以获得，许可证却可能限制商业用途、使用地区或特定场景。