开放权重模型可被任意微调、合并与再分发，使原始模型卡片信息在模型生命周期中迅速失效，行业必须从“一次性文档”转向可溯源的动态治理基础设施。
模型卡片是什么，为何曾被寄予厚望
模型卡片（Model Card）由 Mitchell 等人于 2019 年提出，旨在为标准化的模型文档提供模板，记录训练目的、评估指标、训练数据与已知偏差，此后迅速成为全球 AI 透明度实践的事实标准之一，被主流模型平台与开发者社区广泛采纳。
论文《Model Cards for Model Reporting》首次提出该框架，Google、Hugging Face 等平台随后将其内化为模型发布流程的默认环节。
2025 年 6 月，Hugging Face 上公开模型数超过 100 万，其中相当比例为可下载、可二次开发的开放权重模型，模型文档的治理压力随生态规模急剧放大。
核心论点：开放权重打破了模型卡片的“时间戳”假设
模型卡片描述的是模型在发布瞬间的静态快照，而开放权重模型是流动的活体产物——任何人都能下载权重、执行微调、合并参数并重新发布。每一次二次开发都会让原始卡片中的能力评估、局限说明与安全声明加速失真。
为什么静态文档会失灵：三大断裂
自 2023 年 Alpaca 项目以来，大量研究反复证实：对开放权重模型进行低成本指令微调即可显著削弱甚至清除安全护栏，原卡片标注的“已对齐”状态在社区版衍生模型中不再成立。
能力与局限失配
下游微调会改变模型的行为边界，原始卡片的基准评估结果不再代表部署时模型的实际表现。
责任链断裂
模型经多轮再分发后，原始开发者的透明度承诺无法自动传递给最终部署者，中间环节无人登记改动。
合规基准漂移
面对 EU AI Act 对通用目的 AI（GPAI）的技术文档等义务，静态卡片既无法说明供应链各节点的当前状态，也难以支撑监管追溯。
经典 Model Card
2019 年提出，静态文本，面向模型发布节点，无更新机制，不追踪下游改动。
Model Card Plus / Transparency Report
加入评估成本、相互依赖关系与下游反馈闭环，但整体仍以单次发布为核心，缺乏版本化生命周期支持。
开放权重治理所需机制
版本化溯源、微调记录、再分发许可审计、与 EU AI Act 等法规对齐的动态文档基础设施。
行业坐标：开放权重生态的治理窗口
以 Llama、Mistral、Qwen、DeepSeek 等为代表的开源系模型已占据开发者主流生态，其权重在社区中被二次开发数千次。“发布即失联”的治理盲区正在从学术争议演变为现实风险。
EU AI Act 针对通用目的 AI 模型提供者的透明度与技术文档义务逐步生效，开放权重模型在供应链各环节的合规责任划分仍是待解难题。
Linux Foundation、GenAI.org 等机构先后推出 Model Openness Framework（MOF），Hugging Face 也发布了模型卡指南等标准文件，但均未回答“衍生模型由谁来持续负责”这一根问题。
结论与方向
论文建议将治理重心从“发布时刻的文档”转向“全生命周期的溯源基础设施”，包括模型族谱追踪、微调日志、可验证的部署声明，以及贯穿多轮再分发的责任传递机制。
开放权重模型的下游治理需要技术侧（模型注册表、权重签名、审计日志）与制度侧（许可证设计、责任框架）共同演进，单一文档模板无法独立解决。
这是一份对行业“默认做法”的精准打击：过去近七年，业界把模型卡片当作透明度的万能解药，但开放权重模型的扩散特性让静态文档天然失效。真正的革新不在文档模板的修修补补，而在把治理能力嵌入模型分发的技术栈本身——从权重签名到微调溯源，再到监管可审计的责任链。
当 100 万+ 开放模型在 Hugging Face 上流动、EU AI Act 开始落地，“谁来对微调后的模型负责”将成为 2025 至 2026 年最核心的行业博弈点。这篇 Position 论文提前点破了模型卡片作为基础设施的底层设计缺陷，为开放权重生态的下一步治理竞赛划定了议题。