模型开放性指数

开放性同时包含“能否获得并使用模型”和“能否理解、复现或扩展模型”两部分。前者考察权重与许可，后者考察训练数据、方法披露和相应许可。

每个模型仅依据其第一方公开信息评定；增量版本只采用明确适用于该版本的披露。

• 模型权重的可获得程度与使用限制
• 预训练和后训练数据的披露、共享与许可
• 架构、技术细节和端到端训练方法的公开程度

• 为权重访问、权重许可、数据访问、数据许可、方法披露和方法许可建立 0–3 级原型。
• 收集并核对模型发布方针对当前版本公开的第一方资料。
• 衍生模型会受到基础模型许可与披露程度的约束。

• 按最匹配的开放性原型为每个组成项评分。
• 预训练与后训练的数据项先取平均，使数据部分合计最高 6 分。
• 将所有组成项相加得到最高 18 分的底层成绩，再归一化至 0–100。

• 权重访问：0 为封闭且无托管访问，1 为封闭且托管访问限制 token 可见性，2 为封闭但可托管访问，3 为开放权重。
• 许可等级从 0 到 3 依次体现商业使用、署名要求与实质性限制的减少。
• 数据访问从有限披露到完整共享为 0–3；方法披露从有限信息到完整技术细节为 0–3。
• 方法许可单独按 0–3 评分：0 为未发布代码，1 为公开且允许商业使用的框架，2 为发布端到端训练管线代码或指南，3 为发布该管线并允许商业使用。
• 归一化公式为底层总分 ÷ 18 × 100，数值越高越开放。

• 报告 0–100 的总指数和最高 18 分的组成贡献。
• 分别展示模型可获得性、模型透明度、预训练数据与后训练数据明细。
• 提供开放性与智力、发布日期的对照视图。

• 评分依赖当前公开披露；未公开不等同于实际不存在。
• 定性原型能够统一比较，但无法消除边界案例中的判断空间。
• 增量版本若未明确继承旧版披露，对应项目不会自动沿用。