开放权重正在缩小差距，但差距在每个发布周期重置

该报告是 Mozilla 于 7 月 14 日在其博客首次发布的定期评估的第 1.1 版。据 Tom's Hardware 报道，它基于 Mozilla 和 SlashData 对约 1,400 名开发者的调查、OpenRouter 流量数据和第三方基准指数。Mozilla 是非营利开放模型倡导者，TIME 在 7 月 14 日报道称 Mozilla CTO Raffi Krikorian 描述该报告部分为倡导性质。阅读数据时这一框架很重要。

Mozilla 的核心主张是，最佳开放模型在 Artificial Analysis Intelligence Index 上落后封闭领导者 3 分，价格为 60%，并在 Claude Fable 5 上落后 2 分，价格为 30%。通过拟合 METR 任务地平线数据，Mozilla 将开放与封闭差距定为约 4.4 个月，与 Epoch AI 的 4 个月估计一致。METR 是一家研究非营利组织，按模型完成一半任务所需的人类工作时间对模型评分。

四个月实际衡量什么

根据 Mozilla 的拟合估计，封闭模型处理需要人类专家 8 到 12 小时的任务。开放模型大约四个月后达到这一水平。Mozilla 计算开放能力每 3.9 个月翻倍，而封闭模型为 5.5 个月。在 vals.ai 的 Terminal-Bench 2.1 上，该基准通过同一测试框架运行所有模型，Z.ai 的 GLM-5.2 得分与 Claude Opus 4.7 相差不到 1 分，落后 Opus 4.8 约 4 分，每次测试成本不到五分之一。

“我们认为为封闭 [模型] 付费的决定是特定于工作负载的，而非特定于组织的，”Krikorian 在电子邮件中告诉 Ars Technica。

开发端的采用情况与收入看起来不同。在 OpenRouter 这个将流量路由到数百个模型的市场中，Mozilla 统计到 8 月份按 token 量计的前十大模型中有 8 个是开放权重，其中 7 个由中国构建。然而，据 Linux Foundation 称，从 2025 年 5 月到 9 月，封闭提供商仍占 OpenRouter 模型层收入的 96%。免费或廉价 token 与付费收入不是同一个市场。

Mozilla 统计了 16 个值得注意的开放发布，但没有任何一个提供开源倡议（OSI）定义所需的数据配方。这一区别是 9 月 19 日 OSI 题为《开放权重是好的。开源更好。》的帖子的整个论点。OSI 写道，开放权重允许你在本地运行模型、支付第三方托管或在自己的数据上微调。它们不允许你完全研究它，因为代码和训练数据或数据构建的详细记录不是发布的一部分。

硬件注意事项

4.4 个月的数字和 30% 的 token 价格是在托管端点上按列表价从 API 到 API 测量的。Mozilla 自己的硬件图表讲述了更严峻的故事。适合一台服务器的最佳开放模型得分为 52.6；适合一块 GPU 的最佳得分为 40。与顶尖模型的差距分别为 10 分和 23 分，比四个月暗示的差距更大。

据报告，Kimi K3 的原生 MXFP4 检查点跨 96 个分片运行约 1.56TB。Mozilla 的服务配置列出 64 个或更多加速器，而 vLLM 要求至少八块 GB300 GPU，生产流量需要多个节点。Tom's Hardware 在 7 月将内存需求定为接近 1.5TB。报告将此描述为开放但大多数持有者无法运行。它命名的一个例外是 Thinking Machines 的 Inkling-Small，采用 Apache 2.0 许可，其 NVFP4 版本在 180GB 下限下适合一块 B300。

还有一个时间问题。报告的数据在 9 月 1 日停止。此后，Artificial Analysis 将其索引移至 v4.3，使用不同的评估集。实时排行榜上，Claude Fable 5.1 在最高努力设置下得分为 53，Kimi K3 为 44，这些数字 Mozilla 未绘制且与其使用的 v4.1.1 数字不可比。vals.ai 的 Terminal-Bench 2.1 排行榜于 9 月 11 日更新，现由 GPT-6 Astra 以 87.27% 领先，Fable 5.1 为 85.02%。Mozilla 自己的图表说明写道：“差距在每个发布周期重置。”

K3 还涉及 9 月 8 日 NSA、CISA 和 FBI 联合咨询 AA26-251A 中详述的指控。该主张，Mozilla 报告陈述为“已断言，未证明”，是 Moonshot 通过蒸馏提取 Claude Fable 5 数据训练 K3，蒸馏是一种用另一个模型的输出来训练一个模型的做法。7 月 17 日，Artificial Analysis 显示 K3 为 57，Fable 5 为 60；9 月 1 日，Mozilla 显示其落后 2 分。

小模型，狭窄工作

并非每个开放权重发布都在追逐前沿。Superwhisper 的 S1-mini 发布在 Hugging Face 上，是一个 0.6B 参数的文本规范化器，用于语音转文本输出。它接收原始 ASR 转录并将其重写为书面文本：去除填充词，解决假开始和自我纠正，应用标点和大小写，将口语数字、日期、时间、货币和电子邮件地址转换为书面形式。在一个保留的 7,519 个英语案例集上，它达到 94.8% 的 token 准确率，量化构建是一个 462 MiB 文件，可在笔记本电脑 CPU 上运行。

模型卡对其不是什么异常直白。S1-mini 不是聊天模型，不会遵循一般指令。它从 Qwen/Qwen3-0.6B 微调而来，期望在输入顶部有一行控制行，指定样式、结构和上下文。跳过系统提示、更改其措辞或发送训练集之外的值，卡片警告，模型可能会幻觉或产生乱码输出。它仅限英语，许可为 Apache 2.0 加上命名条款。Hub 侧边栏报告 0.8B 参数，但卡片解释说 model.safetensors 将 lm_head.weight 存储为输入嵌入的具体化副本，将 155.6M 参数嵌入计算两次：751.6M 张量元素对 596.0M 唯一参数。布局继承自 Qwen3-0.6B，出于相同原因报告 0.8B。

类似模式出现在 James Cruce 9 月 22 日的部署描述中。他选择了 Laya，一个 421M 参数的开放权重决策模型，而不是 TypeSafe 的托管 Jev，用于他的编码代理做出的小而有限的选择。检查点 convaiinnovations/laya-typed-decisions 有一个 ModernBERT-large 编码器和 1,024 token 限制，返回类型化答案：命名选项中的选择、有序量表上的分数，或是对是或否陈述的概率。没有段落需要解析。相比之下，Jev 是一个早期访问托管服务，每百万输入 token 定价 0.042 美元，无输出 token 收费，TypeSafe 表示它处理多达 255 个选项的选择。

Cruce 陈述的切换原因不是成本。他希望常规决策在他的 Mac Studio 上运行，本地数据保持本地，并且他希望控制确切的模型、允许的选项和失败行为。他没有计算盈亏平衡点，说没有节省数字可提供。他还指出限制：发布者仅在四个合成工作流程上训练了 Laya，模型路由不在其中，因此结果是 M3 Ultra 上 256GB 统一内存的一次部署，而不是 Laya 对 Jev 的一般裁决。模型卡片警告模型过度自信，需要特定领域的校准。“类型化答案可能在结构上完美，但在事实上错误，”他写道。

权重周围的法律图景同样未定。A. Feder Cooper、Mark A. Lemley 和合著者的一篇论文，首次提交于 2025 年 5 月 18 日，修订至 2026 年 7 月 20 日，在超过 3,000 次实验中测量了 200 本书和 14 个开放权重模型的记忆。其发现与版权斗争双方的立场相悖。大多数模型不记忆大多数书，无论是整体还是部分。但 Llama 3.1 70B 完全记忆了一些书，包括《哈利·波特与魔法石》，以至于整本书几乎可以逐字从最初几个词作为提示中提取。作者写道，他们的结果对版权案件有重要影响，尽管并非明确有利于任何一方。

这些都没有解决开放权重是否获胜的问题。看起来对开放性最有利的指标，每 token 价格和路由流量份额，与看起来更差的指标，单服务器和单 GPU 能力及收入份额，并置。Mozilla 自己的说明是诚实的总结：差距在每个发布周期重置。