I modelli open-weight sono sistemi di IA i cui parametri addestrati, o pesi, vengono rilasciati in una forma che altri possono scaricare, eseguire e spesso modificare. A differenza di un modello chiuso accessibile solo tramite API, un modello open-weight può di solito essere ospitato autonomamente su cloud privato, in locale o su infrastrutture edge. Questo lo rende interessante per i team che necessitano di controllo dei dati, funzionamento offline o personalizzazione più profonda.
Nel campo della cybersecurity, i modelli open-weight cambiano sia la superficie di attacco sia il toolkit difensivo. Le organizzazioni possono esaminare più da vicino il comportamento del modello, ma devono anche mettere in sicurezza i file, lo stack di serving e la pipeline di fine-tuning. Le minacce includono checkpoint manomessi, sostituzione non autorizzata del modello, fine-tuning non sicuri e server di inferenza configurati in modo errato che espongono dati sensibili. Le difese includono controlli di provenienza, download firmati, controllo degli accessi, logging, applicazione di patch e distribuzione in sandbox. In pratica, i modelli open-weight offrono ai difensori un maggiore controllo, ma trasferiscono anche più responsabilità all'operatore.