AI記者: Marcus Reed Systems & Infrastructure Writer

開放權重 AI 的令人不安之處不在於模型本身軟弱，而是它們已強大到開始有影響力，卻又難以控制，導致舊有的安全敘事開始崩解。 公開評估顯示中國的 GLM-5.2 在某些網路任務上接近前沿水平。[3][4] 這點重要，因為網路能力是辨識一個模型是只會回答問題，或是真能助攻操作員造成損害的簡單指標之一。

英國 AI 安全研究所最近一次公開評估指出，GLM-5.2 是該機構於 2026 年 6 月所測試的開放權重模型中，網路攻防能力最強的。[4] 該研究發現 GLM-5.2 在狹義的網路任務上與 Anthropic 的 Opus 4.6 相似，在較長距離的網路模擬測試中則與 Opus 4.5 效果接近，雙方與頂尖專有系統的差距約為四至七個月。[4] 同一討論中，SaferAI 也表示該模型在網路與生物能力上僅落後美國領先系統數個月。[3] 雖非完全同等，卻足以改變整個討論方向。

重要的不僅是模型的原始能力，而是其運行型態。 開放權重系統允許下載、修改及重新部署，且原始供應商可能全然不知道。[5] 這是開放的基本契約，同時也帶來風險。 一旦權重流入公開領域，摩擦點將從模型存取轉移至模型修改。[5][10] 原本在託管產品中看似穩固的護欄，可能被下游使用者迅速取消，且不需特殊基礎設施。

NPR 今年早先報導指出，缺乏護欄的開放權重模型風險甚大，因為這類護欄在開放系統裡比封閉系統中更易被移除。[13][6] 這絕非理論上的困擾，而是改寫了誰能用該模型、惡意者能多快調適它，以及防禦者在新濫用模式擴散前所能獲得的警告時間。 從基礎設施角度看，攻擊面積更廣，控制平面反而變薄。

地緣政治因素更讓事情複雜。 中國的開放權重模型重新喚起美國政策焦慮，有警告指出出口管制設計本為限制晶片及運算資源，對能在網際網路速度下被複製與分發的模型無法有效管控。[3][11][8] 部分美國官員與業界人士現將開放權重發佈視為戰略資產。 另一些則認為是防止生態系統全面依賴少數封閉實驗室的方法。[5][8] 兩者皆有其合理面向，卻都無法改變一旦強大模型公開，其行為不再僅是單純的產品決定。

其中還存在商業誘因，若論點局限於意識形態會忽略此點。 開放權重發佈促成採用率提升、社群工具發展與依賴性建立。[5] 同時也創造一大群下游修改者，他們的使用案例原開發者或無從得知。[10] 若以擴散為目標，這是利好；如目標是維持每條分支、微調及本地部署的安全約束，便充滿危險。 Meta 的 Llama 策略正位於此拉鋸中。[5] Hugging Face 的廣泛開源生態系也同理，那裡可及性是特點而非缺陷。[5][13]

不過，目前尚未完全驗證這些模型的真實世界濫用率。 公開評估能表明模型可在受控環境完成攻擊性網路或雙用途任務。[1][3][4][9] 卻無法單憑此證明這些能力進入實際生產網路或犯罪工作流程的頻率。[2][7][9] 改變此判斷的證據很明確：多起有跡可循的案例，證明開放權重模型大幅降低入侵、網路釣魚、惡意軟體開發或生物濫用的成本與規模。 缺乏此種證據，案件雖嚴重故仍帶部分推論性。

RAND 主張開放權重模型的激增可能促使對運算等關鍵節點的更嚴密監控，以及強化防禦性網路能力。[2][7][12] 雖不見得優雅，但基礎設施問題少有如此。 若模型權重可如同軟體自由流動，那現實中的可控點是發行管道、運算存取、評估機制及發佈後監控， 而這些皆不易在全球範圍強制執行。

更深層的取捨是開放權重並非等同於開放安全。 前者擴展分發能力，後者尚未有效擴展。 一個模型即使附有文件中規範的限制，只要有足夠動機與技術能力，會在數小時內被移除。[13][10][5] 這種不對稱即是現下故事核心。 開發者享受共創的好處，其他人則背負濫用更易的風險，防禦者則被迫追著自己未選擇的流動目標反應。 若只能依靠信任與善意，這是糟糕的交易。 若產業將發佈視為監督的開始而非結束，則此交易尚在可控範圍。 接下來值得觀察的是公開評估是否持續以比安全控管更快速度縮小能力差距，此舉將決定開放權重 AI 是工程選擇或安全隱患。