Un modello open-weights è un sistema di IA i cui parametri addestrati, o "pesi", vengono rilasciati in modo che altri possano ispezionarli, eseguire il modello localmente e integrarlo nei propri strumenti. A differenza di un modello chiuso accessibile solo tramite API, una release open-weights può essere testata al di fuori dell'infrastruttura del vendor, il che rende più facile riprodurre i risultati e valutare il comportamento in impostazioni diverse.
Nel campo della cybersecurity, questa apertura può avere due facce. I difensori possono usare modelli open-weights per la revisione offline del codice, il triage del malware, il rilevamento delle vulnerabilità e i test di red-team senza inviare dati sensibili a terze parti. Allo stesso tempo, anche gli attaccanti possono scaricare lo stesso modello, adattarlo per usi impropri o eseguirlo su larga scala senza limiti di velocità. Ecco perché un modello open-weights non è automaticamente più sicuro o più affidabile: i team di sicurezza hanno comunque bisogno di sandboxing, logging, revisione umana e controlli di accesso rigorosi prima di usarlo vicino a codice vulnerabile o sistemi sensibili.