开源人工智能是什么？公开权重为何还不等于完整开源
按 OSI 开源 AI 定义解释使用和修改所需材料，区分开源代码与开放权重，提供查看许可证、训练代码和数据说明的实际阅读方法。
先理解这个概念
开源人工智能需要明确采用的定义。按OSI的Open Source AI Definition 1.0，使用者应能按相应许可使用或研究系统，也应能修改并分享，同时取得适合修改的材料。仅能下载权重，不足以自动满足该定义。模型页面写着开源，也应继续检查许可证和提供的材料，不能把宣传标签直接当成使用许可。
先说明所采用的开源定义
OSI的定义列出数据说明、训练与运行代码，以及参数等修改材料要求。数据说明不等于必须公开每一份原始训练数据，但需要足够详细的信息，帮助有技能的人构建实质相当的系统。判断时应读完整条件，不能只抽取权重已发布这一项。
不同项目或组织对开源AI的称呼可能不完全相同，介绍产品时应明确所引用的标准。本页采用OSI定义解释术语，不凭一段新闻摘要判断某款模型已经满足它，也不把某个组织的定义当作所有许可证条款的替代品。
模型仓库中的几类材料分别查看
假设模型仓库提供权重和一段推理示例，却没有训练代码或数据说明，可以确认下载和运行入口存在，但还不能据此认定符合前述开源AI定义。推理代码开源与整个模型系统开源，也需要分别表述。
查看模型卡中的license字段后，还应打开它指向的具体文本。有些仓库使用自定义许可证，页面显示的简短名称不足以说明全部要求。准备修改或再分发时，需要核对对应材料的许可，不能默认一个代码许可覆盖仓库里所有文件。
把可用性与许可判断分别记录
能够成功运行模型，只能说明这套文件在当前环境中可用，不能证明所有用途都已获准。对外介绍项目时，可以准确写出已开放的部分，例如权重可下载或训练代码已公开，再说明尚缺的材料，避免用一个开源概括不同状态。
许可证与发布材料都可能更新，记录核对日期和仓库版本便于以后复查。此处没有对具体模型作合规认证，也没有运行模型实测；读者可以用上述阅读顺序核对项目说明，再按实际许可证决定后续安排。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。