策略

开放权重不等于开放许可：买家必须审计的四种案例光谱

作者：IdeaBosque最后更新：2026年11月4日

核心要点

Kimi K3.1 Pro 的完整 2.8T 参数权重于 11 月 2 日在 Hugging Face 上发布，比承诺日期提前两天——采用自定义的 Kimi K3.1-Pro License，而 Artificial Analysis 在 11 月 4 日仍将该模型列为专有模型（felloai 11 月 4 日追踪）。标签滞后本身就是教训：开放/闭源的边界现在取决于所用工具。
2026 年的四个月内出现了四个有名有姓的非宽松许可案例——Qwen 被阉割的 Qwen3.8-Max 权重、Mistral 修改版 MIT 中的 MaaS 除外条款、Meta 的署名绑定 Muse Model License，以及现在 Moonshot 改名后的 K3 许可。"开放权重"描述的是交付事件，不是许可集合。
Artificial Analysis 预测，一旦计入 K3.1 Pro 的权重，开放与专有之间的 Intelligence Index 差距将从 12 分缩小到 3 分（AA 的预测，经由 felloai）——自托管现在可以买到接近前沿的能力，但前提是买家必须读懂许可条款。
许可条件如今出现在所有规模上：MiniMax 的 2000 万美元年营收门槛、Mistral 的 MaaS 除外条款、Meta 的"Built with Muse Spark Open"展示要求——宽松的 Apache 2.0 基线只覆盖图中的一部分。
K3.1 Pro 在 Artificial Analysis Intelligence Index 上每任务成本为 $2.11，而 K3 为 $2.00——是同样的钱买到更强的模型，不是更少的钱买到同样的模型（felloai）；token 更便宜不等于任务更便宜。

Moonshot 于 11 月 2 日在 Hugging Face 上发布了 Kimi K3.1 Pro 的完整权重——2.8 万亿总参数、1040 亿活跃参数、1M 上下文、约 1.56TB 分 96 个分片——比其 11 月 4 日的承诺提前两天，采用自定义的 Kimi K3.1-Pro License。该许可与 Kimi K3 许可逐字相同，只是改了名字，而 Artificial Analysis 在上传两天后的 11 月 4 日仍将该模型列为专有（felloai）。四个月前，同样的发布表解读只会留下一个未决问题——我们 10 月 25 日发布的发布表审计将"许可未命名"列为权重日的头号待决项，并要求买家在权重落地时执行五项检查审计（权重日方法）。

答案来了，而且不是"开放"。它是如今横跨所有主要开放权重厂商的模式下的第四个有名非宽松案例：Qwen 从 Qwen3.8-Max 的下载中砍掉了功能（阉割版分析）、Mistral 在修改版 MIT 中写入了 Model-as-a-Service 除外条款（Mistral Large 4 开放权重公告）、Meta 将署名绑定进 Muse Model License（模型卡）、Moonshot 则把一份限制性许可改了名，并配上接近前沿的基准发布。本文把四个案例放到同一条光谱上，把许可问题与权重日能确证的测量问题分开，并给出在任何自托管决策定价之前必须执行的五项检查审计。

四个案例，一条光谱

下表就是光谱。每一次发布都是同一个动作的另一种机制——发布权重，同时附带一个条件。

发布	许可名称	条件	买家必须检查什么
Qwen3.8-Max（2026 年 8 月）	Qwen3.8-Max License	开放权重被阉割：下载只有基础架构和编码智能体基准；托管 API 才有视觉输入、1M 上下文、思维模式控制和内置工具	用托管 API 对照下载中实际具备的能力——模型卡和 LICENSE 文件定义边界
MiniMax M3.1 Flash（2026 年 10 月）	MiniMax Community License	2000 万美元年营收门槛加署名要求，限制商业自托管（权重日审计）	你的营收——包括关联公司——是否低于该线？按自己工作负载的缓存命中率给 API 方案定价
Mistral Large 4（2026 年 10 月 29 日）	Mistral Ecosystem Open-Weight license	修改版 MIT：可自由使用、修改、微调、商用——但有一个条件：经营 Model-as-a-Service 业务的企业必须另行取得商业许可（Mistral 公告）	你的产品是否会向第三方提供该模型？内部使用豁免；MaaS 边界是这份许可唯一的陷阱
Muse Spark Open（2026 年 10 月 15 日）	Muse Model License	有限商用条款；使用该模型或其衍生品的每个产品或服务的 UI 必须醒目展示"Built with Muse Spark Open"（LICENSE)	署名是产品界面层面的义务，不是代码注释——谁发布你的 UI，他们能否承载该展示？
Kimi K3.1 Pro（2026 年 11 月 2 日）	Kimi K3.1-Pro License	K3 许可改名：内部使用免费；大型 Model-as-a-Service 转售商需另行签约（felloai 的许可确认）	与 K3 相同的检查。警惕同许可衍生品——权重落地前就已以"无限制"衍生品列表被预先挂出

五行中有三行来自最近三周。节奏本身就是发现：八月里还是各家实验室的个别怪癖，十一月已成一类。

K3.1 Pro 这一行解开了发布表的待决项——以限制的形式，而非授权。10 月 25 日的发布表审计将"许可未命名"列为五项检查审计的第一项，并将其定价为唯二可能改写自托管方案的条目。最终答案是一份改名的 K3 许可——自定义、源自 MIT、附带商业限制的文件，包括对大型 Model-as-a-Service 转售商强制要求另行签约（AY Automate 的许可 FAQ）。内部使用免费（BERI 的解读）。对那些智能体只服务内部流程的中型买家——报价台、发票核对闸口、支持知识图谱——"内部使用免费"正是关键条款，且它成立。对要把前沿模型嵌入面向客户产品的买家，另行签约条款就是全部故事，而且同样适用于被许可方的关联公司。

**Mistral 这一行最接近宽松——但仍然不宽松。**Mistral 自己的公告把除外条款写得很直白：Mistral Ecosystem Open-Weight license 是修改版 MIT，可自由使用、修改、微调、商用，"唯一条件是：经营 Model-as-a-Service 业务的企业在商用该模型前必须向 Mistral 取得单独的商业许可"（公告）。对一家在自己墙内运行"Le Chonk"的企业——或通过一个不对外暴露模型的内嵌最终用户功能使用——该条件可能永远不会触发。对一家把模型调用转售给客户的 B2B 软件供应商，它立即触发。同一份许可文件，同一家公司，两种相反的采购结论。

**Qwen 这一行展示了第二种机制：以减法施加条件。**Qwen3.8-Max 的开放权重发布时带上了基础架构和编码智能体基准，但没有视觉、上下文不超过 262K、思维被锁定（阉割版分析）——LICENSE 文件甚至把阉割权重和完整托管服务一并纳入同一份"Qwen3.8-Max License"。同期的对照案例是 Moonshot 的 K3.1 Pro：11 月 2 日的下载包含完整功能集——视觉、1M 上下文，一应俱全（felloai 的规格表）。功能阉割与限制条款是卖同一个差距的两种方式，采购决策必须指明每次发布用的是哪一种。

一张图看全光谱：每个发布的位置、它携带的条件，以及决定大局的三个数字。

许可文件确证了发布帖没有回答的问题

光谱存在宽松基线，而它只覆盖图中的一部分。Muse Glimmer——Meta 的 30B 稠密智能体模型——以 Apache 2.0 发布，没有营收上限（分化分析）；在这个规模层级，宽松仍是常态。而在前沿之上，近期每一次开放权重发布都带有一个有名有姓的条件。实际后果是："开放权重"不再是采购团队可以直接继承的二分判断——它成了逐发布、逐条件类型必须核验的字段：营收门槛、MaaS 除外条款、署名展示、功能阉割。

两个工具层面的细节让这一点更尖锐。首先，Artificial Analysis 在上传两天后的 11 月 4 日仍将 K3.1 Pro 列为专有——这是索引滞后，不是能力事实（felloai）。买家查索引问"这个模型开放吗"，得到的是一份比许可文件晚几天的、取决于工具的答案。而同一个 55.1 的 Intelligence Index 分数在 K3.1 专属页面上标注为 v4.3.2，在 11 月的汇总页面上标注为 v5.0——绝不要把两代刻度一并引用；始终统一引用同一代刻度，因为 v5 与 v4 的刻度不是可比的数字。

其次，衍生品风险在权重落地之前就已真实存在：一个"无限制"的 K3.1 Pro 衍生模型在上传之前就被预先挂上了 Hugging Face（衍生品列表）。K3.1 Pro 的限制条款并不能可靠地传导到衍生品检查点——一旦社区微调版本而非厂商检查点进入你的技术栈，自托管买家就会继承这种分发风险。在采集时（而不是在公告时）核验许可名称的采购流程能抓住这一点。

第二道审计：权重日为数字确证了什么

许可曾是 10 月审计的待决项。11 月的权重日确证了第二组——双测量行，告诉买家发布表的声明在独立 harness 下变成了什么。发布表审计曾将其定义为"先给表格也无法回答"的检查：

**Terminal-Bench 4.0 的排序取决于 harness。**Artificial Analysis 测得 K3.1 Pro 为 67%——它在该基准上测得的最高分——而 Moonshot 自家的 Claude Code harness 跑分为 65.7%，Opus 5.5 在该 harness 上为 66.4%（felloai 的双测量表）。对 Opus 5.5 的 0.7 分差距仍在噪声内；对 GPT-6 Astra（58.2%）的排序在两列中都成立。
**幻觉数字方向一致，幅度不同。**Moonshot 报告在其内部压力基准上从 23.4% 降至 8.3%；Artificial Analysis 测得的降幅更小，从 53% 到 44%（felloai）。两行都带标签——厂商的基准是压力测试，AA 的行是复合指标——丢掉标签的引用就是误引。
**token 变便宜，每任务成本却向反方向移动。**K3.1 Pro 在指数任务上输出 token 比 K3 多 14%，因此 Artificial Analysis 的每任务成本为 $2.11，而 K3 为 $2.00（felloai）。牌价降了三分之一，每任务价格却没降。这就是按 token 计算的表格会漏掉的那一行。
**差距预测现在可以计算了。**权重发布后，K3.1 Pro 是指数上得分最高的开放权重模型，AA 预测开放与专有的 Intelligence Index 差距将从 12 分缩小到 3 分（felloai）。3 分在基准的噪声底之内——这意味着在多数中型买家的采购决策中，把开放权重部署与专有 API 区分开的，现在是许可问题，而不是能力问题。

K3.1 之后的五项许可检查

审计归纳为五个问题，每个都可以仅凭买家一个下午就能读完的工件来回答：

#	检查	工件	它防止的失误
1	许可的确切名称是什么——是不是标准许可？	权重仓库里的 LICENSE 文件	按Apache 2.0 假设为一份自定义许可上的自托管方案定价
2	有没有以营收为键的限制——那是谁的营收？	许可的门槛部分，包括关联公司条款	那条 2000 万美元量级的线，把"免费商用"变成"到下一个财政年度前免费"
3	你的预期分发是否落入除外条款？	MaaS/内嵌功能定义，逐字逐句	产品上线时才发现，把模型嵌入面向客户的产品需要单独的许可
4	开放权重相对托管 API 是否功能完整？	模型卡与 API 文档逐项对比	建立在一个下载中并不具备的能力上（视觉、长上下文、工具）
5	独立 harness 复现了什么？	Artificial Analysis / 社区 harness 的数据行，与厂商数字并列	没带 harness 注释就引用 65.7%，或没带压力基准标签就引用 8.3% 幻觉率

按这个顺序执行。问题 1–3 是法律问题，任何一个都能在定价第一块 GPU 之前终结自托管选项。问题 4–5 是技术问题，上述四个案例中的每一个，都至少有一行数据是只读发布帖的买家会漏掉的。

一个有代表性的方案

一家中型批发分销商的报价台运行在托管专有模型上，希望获得自托管其 RFQ 接入智能体的成本控制。五项检查审计在一个下午内完成：目标模型的许可是一个有名有姓的自定义案例（检查 1 生效）；分销商营收远低于任何门槛，智能体的应答只出现在公司内部——内部使用，无 MaaS 暴露（检查 3 通过）；开放权重携带接入管线所需的视觉与长上下文功能（检查 4 通过）；独立 harness 行在噪声范围内复现了能力等级（检查 5 通过）。自托管路径按它实际可运行的那份许可定价——报价台将其常驻检索工作负载迁移到许可允许的模型上，对提示词最具对抗性的两个工作负载保留托管 API，因为厂商经压力基准校准的分数在那里最重要。

请求一个范围明确的方案——我们用一周时间梳理系统、许可与能力约束以及工作流程。无论你是否与我们合作，你都会得到系统清单、工作流地图和固定的范围。