开放性指数方法论

概述

Artificial Analysis 开放性指数是一项综合指标，用于衡量 AI 模型的公开可用程度与文档透明程度。它涵盖模型权重的可用性，以及用于构建模型的底层数据和方法论的透明度。

每个模型均基于所有可获取的公开第一方信息进行评估。当模型派生自第三方基座模型时，可能受限于上游模型的许可证或有限的披露。对于增量或更新版本，仅考虑明确针对新版本的披露（包括允许模型开发商声明哪些组件与早期版本保持一致）。

详细的方法论规范可供下载 PDF。

维度

组成部分

评分

1. 模型可用性

权重

访问

0封闭权重，无 API

1封闭权重，API 限制 token 可见性

2封闭权重，API 可用

3开放权重

许可证

0封闭权重或不可商用

1可商用，需署名

2可商用，无需署名

3可商用，无需署名，无实质性限制

2. 模型透明度

数据：预训练与后训练（得分为各项的平均值）

访问

0未披露或有限披露

1部分数据来源详情及分类已披露

2完整数据配比已披露，大量数据已共享¹

3全部数据已共享

许可证（最严格的）

0不可商用/无大量数据共享

1可商用，需署名

2可商用，无需署名

3可商用，无需署名，无实质性限制

方法论

披露

0未披露或有限披露

1模型架构已披露

2有限的通用技术披露

3完整技术细节已披露

许可证（最严格的）

0未披露或发布任何代码

1框架已披露，可公开商用

2端到端训练流程代码或指南已发布

3端到端训练流程代码或指南已发布，且允许商用

每个组成部分按 0–3 的定性量表评分，依据最匹配的开放性原型打分，并基于所有可获取的公开第一方信息对每个模型进行评估。

当模型派生自第三方基座模型时，可能受限于上游模型的许可证或有限的披露。对于增量/更新版本，我们仅考虑明确针对新版本的披露（包括允许模型开发商声明哪些组件与早期版本保持一致）。

开放性指数最终得分的计算方式如下：