策略

開放權重不等於開放許可：買家必須審計的四種案例光譜

作者：IdeaBosque最後更新：2026年11月4日

核心要點

Kimi K3.1 Pro 的完整 2.8T 參數權重於 11 月 2 日在 Hugging Face 上發布，比承諾日期提前兩天——採用自訂的 Kimi K3.1-Pro License，而 Artificial Analysis 在 11 月 4 日仍將該模型列為專有模型（felloai 11 月 4 日追蹤）。標籤滯後本身就是教訓：開放/閉源的邊界現在取決於所用工具。
2026 年的四個月內出現了四個有名有姓的非寬鬆許可案例——Qwen 被閹割的 Qwen3.8-Max 權重、Mistral 修改版 MIT 中的 MaaS 除外條款、Meta 的署名綁定 Muse Model License，以及現在 Moonshot 改名後的 K3 許可。「開放權重」描述的是交付事件，不是許可集合。
Artificial Analysis 預測，一旦計入 K3.1 Pro 的權重，開放與專有之間的 Intelligence Index 差距將從 12 分縮小到 3 分（AA 的預測，經由 felloai）——自託管現在可以買到接近前沿的能力，但前提是買家必須讀懂許可條款。
許可條件如今出現在所有規模上：MiniMax 的 2000 萬美元年營收門檻、Mistral 的 MaaS 除外條款、Meta 的「Built with Muse Spark Open」展示要求——寬鬆的 Apache 2.0 基線只覆蓋圖中的一部分。
K3.1 Pro 在 Artificial Analysis Intelligence Index 上每任務成本為 $2.11，而 K3 為 $2.00——是同樣的錢買到更強的模型，不是更少的錢買到同樣的模型（felloai）；token 更便宜不等於任務更便宜。

Moonshot 於 11 月 2 日在 Hugging Face 上發布了 Kimi K3.1 Pro 的完整權重——2.8 兆總參數、1040 億活躍參數、1M 上下文、約 1.56TB 分 96 個分片——比其 11 月 4 日的承諾提前兩天，採用自訂的 Kimi K3.1-Pro License。該許可與 Kimi K3 許可逐字相同，只是改了名字，而 Artificial Analysis 在上傳兩天後的 11 月 4 日仍將該模型列為專有（felloai）。四個月前，同樣的發布表解讀只會留下一個未決問題——我們 10 月 25 日發布的發布表審計將「許可未命名」列為權重日的頭號待決項，並要求買家在權重落地時執行五項檢查審計（權重日方法）。

答案來了，而且不是「開放」。它是如今橫跨所有主要開放權重實驗室的模式下的第四個有名非寬鬆案例：Qwen 從 Qwen3.8-Max 的下載中砍掉了功能（閹割版分析）、Mistral 在修改版 MIT 中寫入了 Model-as-a-Service 除外條款（Mistral Large 4 開放權重公告）、Meta 將署名綁定進 Muse Model License（模型卡）、Moonshot 則把一份限制性許可改了名，並配上接近前沿的基準發布。本文把四個案例放到同一條光譜上，把許可問題與權重日能確證的測量問題分開，並給出在任何自託管決策定價之前必須執行的五項檢查審計。

四個案例，一條光譜

下表就是光譜。每一次發布都是同一個動作的另一種機制——發布權重，同時附帶一個條件。

發布	許可名稱	條件	買家必須檢查什麼
Qwen3.8-Max（2026 年 8 月）	Qwen3.8-Max License	開放權重被閹割：下載只有基礎架構和編碼智能體基準；託管 API 才有視覺輸入、1M 上下文、思維模式控制和內建工具	用託管 API 對照下載中實際具備的能力——模型卡和 LICENSE 檔案定義邊界
MiniMax M3.1 Flash（2026 年 10 月）	MiniMax Community License	2000 萬美元年營收門檻加署名要求，限制商業自託管（權重日審計）	你的營收——包括關係企業——是否低於該線？按自己工作負載的快取命中率給 API 方案定價
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、微調、商用——但有一個條件：經營 Model-as-a-Service 業務的企業必須另行取得商業許可（Mistral 公告）	你的產品是否會向第三方提供該模型？內部使用豁免；MaaS 邊界是這份許可唯一的陷阱
Muse Spark Open（2026 年 10 月 15 日）	Muse Model License	有限商用條款；使用該模型或其衍生品的每個產品或服務的 UI 必須醒目展示「Built with Muse Spark Open」（LICENSE)	署名是產品介面層面的義務，不是程式碼註解——誰發布你的 UI，他們能否承載該展示？
Kimi K3.1 Pro（2026 年 11 月 2 日）	Kimi K3.1-Pro License	K3 許可改名：內部使用免費；大型 Model-as-a-Service 轉售商需另行簽約（felloai 的許可確認）	與 K3 相同的檢查。警惕同許可衍生品——權重落地前就已以「無限制」衍生品清單被預先掛出

五列中有三列來自最近三週。節奏本身就是發現：八月裡還是各家實驗室的個別怪癖，十一月已成為一類。

K3.1 Pro 這一列解開了發布表的待決項——以限制的形式，而非授權。10 月 25 日的發布表審計將「許可未命名」列為五項檢查審計的第一項，並將其定價為唯一可能改寫自託管方案的條目。最終答案是一份改名的 K3 許可——自訂、源自 MIT、附帶商業限制的文件，包括對大型 Model-as-a-Service 轉售商強制要求另行簽約（AY Automate 的許可 FAQ）。內部使用免費（BERI 的解讀）。對那些智能體只服務內部流程的中型買家——報價台、發票核對閘口、支援知識圖譜——「內部使用免費」正是關鍵條款，且它成立。對要把前沿模型嵌入面向客戶產品的買家，另行簽約條款就是全部故事，而且同樣適用於被許可方的關係企業。

**Mistral 這一列最接近寬鬆——但仍然不寬鬆。**Mistral 自己的公告把除外條款寫得很直白：Mistral Ecosystem Open-Weight license 是修改版 MIT，可自由使用、修改、微調、商用，「唯一條件是：經營 Model-as-a-Service 業務的企業在商用該模型前必須向 Mistral 取得單獨的商業許可」（公告）。對一家在自己牆內運行「Le Chonk」的企業——或透過一個不對外暴露模型的內嵌最終使用者功能使用——該條件可能永遠不會觸發。對一家把模型呼叫轉售給客戶的 B2B 軟體供應商，它立即觸發。同一份許可檔案，同一家公司，兩種相反的採購結論。

**Qwen 這一列展示了第二種機制：以減法施加條件。**Qwen3.8-Max 的開放權重發布時帶上了基礎架構和編碼智能體基準，但沒有視覺、上下文不超過 262K、思維被鎖定（閹割版分析）——LICENSE 檔案甚至把閹割權重和完整託管服務一併納入同一份「Qwen3.8-Max License」。同期的對照案例是 Moonshot 的 K3.1 Pro：11 月 2 日的下載包含完整功能集——視覺、1M 上下文，一應俱全（felloai 的規格表）。功能閹割與限制條款是賣同一個差距的兩種方式，採購決策必須指明每次發布用的是哪一種。

一張圖看全光譜：每個發布的位置、它攜帶的條件，以及決定大局的三個數字。

許可檔案確證了發布帖沒有回答的問題

光譜存在寬鬆基線，而它只覆蓋圖中的一部分。Muse Glimmer——Meta 的 30B 稠密智能體模型——以 Apache 2.0 發布，沒有營收上限（分化分析）；在這個規模層級，寬鬆仍是常態。而在前沿之上，近期每一次開放權重發布都帶有一個有名有姓的條件。實際後果是：「開放權重」不再是採購團隊可以直接繼承的二分判斷——它成了逐發布、逐條件類型必須核驗的欄位：營收門檻、MaaS 除外條款、署名展示、功能閹割。

兩個工具層面的細節讓這一點更尖銳。首先，Artificial Analysis 在上傳兩天後的 11 月 4 日仍將 K3.1 Pro 列為專有——這是索引滯後，不是能力事實（felloai）。買家查索引問「這個模型開放嗎」，得到的是一份比許可檔案晚幾天的、取決於工具的答案。而同一個 55.1 的 Intelligence Index 分數在 K3.1 專屬頁面上標註為 v4.3.2，在 11 月的彙總頁面上標註為 v5.0——絕不要把兩代刻度一併引用；始終統一引用同一代刻度，因為 v5 與 v4 的刻度不是可比的數字。

其次，衍生品風險在權重落地之前就已真實存在：一個「無限制」的 K3.1 Pro 衍生模型在上傳之前就被預先掛上了 Hugging Face（衍生品清單）。K3.1 Pro 的限制條款並不能可靠地傳導到衍生品檢查點——一旦社群微調版本而非廠商檢查點進入你的技術棧，自託管買家就會繼承這種分發風險。在採集時（而不是在公告時）核驗許可名稱的採購流程能抓住這一點。

第二道審計：權重日為數字確證了什麼

許可曾是 10 月審計的待決項。11 月的權重日確證了第二組——雙測量列，告訴買家發布表的聲明在獨立 harness 下變成了什麼。發布表審計曾將其定義為「先給表格也無法回答」的檢查：

**Terminal-Bench 4.0 的排序取決於 harness。**Artificial Analysis 測得 K3.1 Pro 為 67%——它在該基準上測得的最高分——而 Moonshot 自家的 Claude Code harness 跑分為 65.7%，Opus 5.5 在該 harness 上為 66.4%（felloai 的雙測量表）。對 Opus 5.5 的 0.7 分差距仍在噪聲內；對 GPT-6 Astra（58.2%）的排序在兩列中都成立。
**幻覺數字方向一致，幅度不同。**Moonshot 報告在其內部壓力基準上從 23.4% 降至 8.3%；Artificial Analysis 測得的降幅更小，從 53% 到 44%（felloai）。兩列都帶標籤——廠商的基準是壓力測試，AA 的列是複合指標——丟掉標籤的引用就是誤引。
**token 變便宜，每任務成本卻向反方向移動。**K3.1 Pro 在指數任務上輸出 token 比 K3 多 14%，因此 Artificial Analysis 的每任務成本為 $2.11，而 K3 為 $2.00（felloai）。牌價降了三分之一，每任務價格卻沒降。這就是按 token 計算的表格會漏掉的那一列。
**差距預測現在可以計算了。**權重發布後，K3.1 Pro 是指數上得分最高的開放權重模型，AA 預測開放與專有的 Intelligence Index 差距將從 12 分縮小到 3 分（felloai）。3 分在基準的噪聲底之內——這意味著在多數中型買家的採購決策中，把開放權重部署與專有 API 區分開的，現在是許可問題，而不是能力問題。

K3.1 之後的五項許可檢查

審計歸納為五個問題，每個都可以僅憑買家一個下午就能讀完的工件來回答：

#	檢查	工件	它防止的失誤
1	許可的確切名稱是什麼——是不是標準許可？	權重倉庫裡的 LICENSE 檔案	按 Apache 2.0 假設為一份自訂許可上的自託管方案定價
2	有沒有以營收為鍵的限制——那是誰的營收？	許可的門檻部分，包括關係企業條款	那條 2000 萬美元量級的線，把「免費商用」變成「到下一個財政年度前免費」
3	你的預期分發是否落入除外條款？	MaaS/內嵌功能定義，逐字逐句	產品上線時才發現，把模型嵌入面向客戶的產品需要單獨的許可
4	開放權重相對託管 API 是否功能完整？	模型卡與 API 文件逐項對比	建立在一個下載中並不具備的能力上（視覺、長上下文、工具）
5	獨立 harness 重現了什麼？	Artificial Analysis / 社群 harness 的數據列，與廠商數字並列	沒帶 harness 註釋就引用 65.7%，或沒帶壓力基準標籤就引用 8.3% 幻覺率

按這個順序執行。問題 1–3 是法律問題，任何一個都能在定價第一塊 GPU 之前終結自託管選項。問題 4–5 是技術問題，上述四個案例中的每一個，都至少有一列數據是只讀發布帖的買家會漏掉的。

一個有代表性的方案

一家中型批發分銷商的報價台運行在託管專有模型上，希望獲得自託管其 RFQ 接入智能體的成本控制。五項檢查審計在一個下午內完成：目標模型的許可是一個有名有姓的自訂案例（檢查 1 生效）；分銷商營收遠低於任何門檻，智能體的應答只出現在公司內部——內部使用，無 MaaS 暴露（檢查 3 通過）；開放權重攜帶接入管線所需的視覺與長上下文功能（檢查 4 通過）；獨立 harness 列在噪聲範圍內重現了能力等級（檢查 5 通過）。自託管路徑按它實際可運行的那份許可定價——報價台將其常駐檢索工作負載遷移到許可允許的模型上，對提示詞最具對抗性的兩個工作負載保留託管 API，因為廠商經壓力基準校準的分數在那裡最重要。

請求一個範圍明確的方案——我們用一週時間梳理系統、許可與能力約束以及工作流程。無論你是否與我們合作，你都會得到系統清單、工作流地圖和固定的範圍。