🐯虎嗅•較早收集於 4m
大模型時代「非標化」開源許可證的興起
💡了解為何 AI「開源」正變得受限，以及如何避免 AI 技術堆疊中的法律陷阱。
⚡ 30-Second TL;DR
有什麼變化
提供商正為開源權重模型添加 MAU 門檻與署名要求等「非標」條款。
為什麼重要
開發者現在必須對模型許可證進行嚴格的法律盡職調查，因為「開源」不再保證無限制的商業使用權。
下一步行動
在擴展至生產環境前，請務必審查當前模型堆疊的許可條款，特別是關於「使用門檻」或「衍生作品」的限制。
誰應關注：Developers & AI Engineers
關鍵要點
- •提供商正為開源權重模型添加 MAU 門檻與署名要求等「非標」條款。
- •由於商業限制，『開放權重』與『開源』之間的定義界線日益模糊。
- •許可證執行與披露缺乏透明度，為下游使用者帶來合規風險。
- •隨著競爭壓力增加，企業正傾向於轉向閉源發布。
🧠 深度解析
Web-grounded analysis with 21 cited sources.
🔑 增強重點摘要
- •許多被稱為「開源」的大型語言模型實際上是「開放權重」模型，僅提供訓練後的模型參數，而訓練程式碼和架構則保持私有；真正的開源LLM則會同時釋出權重和原始碼，允許完全修改。
- •「非標化」許可證的具體條款包括Meta Llama 3社區許可證中的7億月活躍用戶(MAU)門檻、競爭者限制，以及禁止使用Llama訓練其他模型（Llama衍生品除外）的規定。 阿里巴巴的通義千問也設有1億MAU的門檻。
- •AI許可證缺乏標準化，為下游使用者帶來隱藏的法律依賴和合規風險，包括模糊的使用限制、智慧財產權（程式碼、權重、數據）分層的複雜性，以及單一AI系統中可能存在多個衝突許可證，這些都可能導致訴訟和罰款。
- •開放原始碼促進會（OSI）等組織正積極制定「開源AI定義」（OSAID），以應對傳統開源軟體許可證不適用於AI模型（包含程式碼、架構、訓練數據和權重等多種組件）的挑戰，並批評Meta等公司將其限制性許可證的模型稱為「開源」是「開放洗白」。
- •AI模型本質上與傳統軟體不同，它們是程式碼、架構、訓練數據、權重、文件和評估協議等多種組件的複合體，並受制於多重智慧財產權制度，這使得現有開源軟體許可證難以完全適用，需要新的許可證方法。
🔮 前景展望AI analysis grounded in cited sources
AI模型許可證將持續碎片化，增加企業合規難度。
由於缺乏統一的「開源AI」定義和標準，提供商將繼續制定自定義許可證以保護商業利益，導致下游使用者面臨複雜且不確定的法律環境。
「開源」與「開放權重」之間的界線將更加明確，促使社群推動更嚴格的定義。
隨著Meta等公司因其限制性許可證被指責「開放洗白」(openwashing)，開放原始碼促進會(OSI)等組織將加強其「開源AI定義」的推廣，以區分真正的開源模型和僅開放權重的模型。
企業將更傾向於採用混合式AI策略，結合專有與開放權重模型。
企業將根據工作負載敏感度、AI成熟度、成本模型和基礎設施準備情況，選擇專有模型以實現速度和前沿性能，同時利用開放權重模型進行私有部署、微調和數據控制。
⏳ 時間線
2023-02
Meta發布Llama 1，採用研究專用非商業許可證，模型權重隨後洩露。
2023-07
Meta發布Llama 2，引入商業許可證，但對月活躍用戶數超過7億的公司設有使用限制。
2024-04
阿里巴巴發布通義千問模型，其許可協議對月活躍用戶數超過1億的商業使用設有限制。
2024-10
開放原始碼促進會 (OSI) 發布了其「開源AI定義」(OSAID) 的初稿，旨在為AI模型提供明確的開源標準。
2025-01
DeepSeek-R1發布，被稱為首個「開放權重且具有商業友好許可證」的領先模型，引發OpenAI對其開源策略的反思。
2026-03
Meta發布Llama 3，其社區許可證包含7億月活躍用戶門檻、競爭者限制及禁止用於訓練其他模型的條款，被OSI批評不符合開源定義。
📎 來源 (21)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗