一个被滥用的词
2026年，“开源AI"是AI行业最热门的词之一。但也是最被滥用的词。当一家AI公司说自己的模型是"开源"的，它可能意味着：
- “我们公开了模型权重”（但没公开训练数据、训练代码、训练方法）
- “我们公开了技术报告”（但没公开模型权重）
- “我们公开了API”（但你没权限看模型内部）
- “我们允许免费使用”（但你不知道模型是怎么训练的）
这四种"开源”，是完全不同的东西。但AI公司都把它们称为"开源"。
三种"开源AI"的定义
Meta的"开源"：开放权重，但不开放数据。 Meta的Llama系列模型被称为"开源"，但实际上Meta只公开了模型权重，没有公开训练数据、训练代码、训练方法。你可以免费使用Llama，但你不能"复现"它——因为你不知道它是怎么训练的。这种"开源"更像是"免费啤酒"（free beer），而不是"自由言论"（free speech）。
Mistral的"开源"：开放权重+部分开放数据。 Mistral AI的模型公开了权重，部分公开了训练数据来源，但训练代码和方法仍然保密。这比Meta的"开源"更进一步，但离"完全开源"还有距离。
真正的"开源AI"：四个全部开放。 OSI（Open Source Initiative）正在制定的"开源AI定义"要求：模型权重、训练数据、训练代码、训练方法——四个全部公开，才算是真正的"开源AI"。按照这个定义，目前市面上几乎没有"真正的开源AI"。
为什么AI公司不愿意"真正开源"？
原因一：训练数据有版权风险。 公开训练数据，意味着公开"你用了哪些受版权保护的数据来训练模型"。这可能会引发版权诉讼。不开源训练数据，就不用面对这个问题。
原因二：训练方法有商业价值。 训练方法（数据清洗、模型架构、训练技巧）是AI公司的核心商业秘密。公开训练方法，等于把"秘方"告诉竞争对手。不开源训练方法，是保护商业竞争优势。
原因三：“开源"是营销手段，不是技术承诺。 很多AI公司使用"开源"这个词，是因为它听起来"开放、透明、可信”。但它们的"开源"承诺是有限的——“我们开源了，但只开源了部分”。这是"开源漂洗"（open-washing）。
“开源AI"标准的必要性
AI行业急需一个明确定义的"开源AI"标准。这个标准应该回答以下问题：
- 开源什么？ 权重？数据？代码？方法？还是全部？
- 开源到什么程度？ 可以商用？可以修改？可以再分发？
- 开源有什么限制？ 使用范围限制？地域限制？用途限制？
OSI正在制定"开源AI定义”（Open Source AI Definition），预计2026年底发布。这个定义如果被广泛接受，将成为判断"谁是真开源AI"的权威标准。
结语
“开源AI"这个词，正在从"有意义的标签"变成"空洞的营销口号”。当每个人都声称自己是"开源"的，“开源"就失去了意义。AI行业需要像OSI定义"开源软件"一样，明确定义"开源AI”——让"开源"重新成为一个有意义的承诺。