Open-Weight Model adalah model AI yang bobot (weights) hasil pelatihannya—yaitu jutaan hingga miliaran parameter numerik yang menjadi "otak" model—dipublikasikan secara terbuka untuk diunduh, dijalankan, dan dimodifikasi sendiri oleh siapa pun. Ini berbeda dengan model tertutup (closed model) yang hanya bisa diakses melalui API milik penyedia, tanpa akses langsung ke file model itu sendiri.
Penting untuk membedakan "open-weight" dari "open-source" secara penuh. Model open-weight biasanya hanya membuka bobot hasil pelatihan, sementara kode pelatihan, data yang digunakan, dan detail metodologi lengkap sering kali tetap tertutup. Model yang benar-benar open-source dalam arti penuh—membuka data, kode, dan bobot sekaligus—jauh lebih jarang ditemukan.
Contoh model open-weight populer antara lain Llama dari Meta, Mistral dan Mixtral dari Mistral AI, Gemma dari Google, serta sejumlah model dari perusahaan Tiongkok seperti Qwen (Alibaba) dan DeepSeek. Model-model ini dapat diunduh dan dijalankan di infrastruktur milik pengguna sendiri, memberi kontrol penuh atas privasi data dan biaya operasional jangka panjang.
Keunggulan open-weight model mencakup kedaulatan data (data tidak perlu dikirim ke server pihak ketiga), kustomisasi mendalam (dapat di-fine-tune sesuai kebutuhan spesifik), dan kebebasan dari vendor lock-in. Bagi peneliti, akses ke bobot model juga memungkinkan riset yang lebih mendalam tentang cara kerja internal model.
Namun, open-weight model juga memunculkan kekhawatiran keamanan—karena siapa pun dapat menjalankan dan memodifikasi model tanpa pengawasan penyedia asli, termasuk berpotensi menghapus mekanisme keamanan (guardrails) yang dipasang sebelumnya. Perdebatan antara mendorong keterbukaan versus menjaga kendali keamanan menjadi salah satu isu kebijakan AI paling diperdebatkan sepanjang 2024-2026.