Przejdź do treści
Czas na świecieEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portal o AI i technologiiwydarzenia · analizy · wywiady · tło techniczne

Szukaj
NA ŻYWO
›

Co dają otwarte wagi, a czego nie dają

Pobranie modelu językowego z otwartymi wagami i uruchomienie go na własnym sprzęcie jest dziś łatwe. Etykieta nie mówi jednak nic o danych treningowych, kodzie ani licencji, a ta luka jest dziś osią sporu między ludźmi, którzy piszą definicje open source.

AI i modeleAnalizaAnna KaczmarekOpublikowano: 27 września 20265 min czytaniaŹródła 3
Co dają otwarte wagi, a czego nie dają

Mozilla opublikowała 15 września wersję 1.1 raportu State of Open Source AI, opartego na danych aktualnych na 1 września. Najważniejsza liczba to czteromiesięczne opóźnienie najlepszych modeli z otwartymi wagami wobec zamkniętych modeli czołowych. Raport odnotowuje 16 godnych uwagi otwartych wydań i zauważa, że żadne z nich nie udostępnia przepisu na dane, którego wymaga Open Source Initiative.

Ten ostatni szczegół znaczy więcej niż cztery miesiące.

Steven J. Vaughan-Nichols z The Register postawił sprawę jasno 15 września: publikowanie plików modelu na Hugging Face i pozwalanie deweloperom na uruchamianie ich na własnych GPU to otwarta dystrybucja, nie open source. Open Source Initiative, która jest właścicielem definicji open source, określa otwarte wagi jako „finalne wagi i obciążenia wytrenowanej sieci neuronowej”. Te wartości decydują o tym, jak model czyta prompt i jak produkuje odpowiedź. Nie mówią, co do niego weszło.

Co zawiera pobrany plik

Plik z wagami jest wynikiem treningu, nie samym treningiem. Bez zbioru danych albo szczegółowej dokumentacji osoba z zewnątrz nie ustali, z jakich źródeł korzystano, jaki materiał chroniony prawem autorskim lub prywatny trafił do zbioru, jak filtrowano dane, które języki i społeczności potraktowano po macoszemu, czy dane benchmarkowe wyciekły do treningu ani jaka praca nad dopasowaniem odbyła się po pretreningu. James Landay, dyrektor Stanford Institute for Human-Centered AI, powiedział The Register: „Otwarte wagi to postęp. Możesz pobrać model, uruchomić go na własnej maszynie, trzymać go z dala od cudzego pipeline'u danych. Ale nadal nie widzisz, jak to zbudowano, na czym trenowano ani dlaczego zachowuje się tak, jak się zachowuje. To nie jest otwarty model. To otwarta dystrybucja”.

Praktyczna korzyść jest realna i warto ją powiedzieć bez szyderstwa. Własny hosting daje kontrolę nad danymi, prywatnością, kosztami, zmianami API i uzależnieniem od dostawcy, a wokół niego wyrósł duży ekosystem środowisk uruchomieniowych, dostawców inferencji i narzędzi do dostrajania. Superwhisper s1-mini, normalizator tekstu z 600 000 000 parametrów wydany na licencji Apache 2.0 z klauzulą o nazwie, nieźle pokazuje mały koniec tego ekosystemu: 596 000 000 unikalnych parametrów, skwantyzowana wersja o rozmiarze 462 MiB, dostrojona z Qwen/Qwen3-0.6B, działa na procesorze laptopa. Wydanie można przypiąć tagiem rewizji. Korpusu nadal nie zobaczysz.

Spór o definicję

Open Source Initiative wydała definicję Open Source AI, OSAID 1.0, w październiku 2024 i już wtedy przyznała, że będzie ją rozwijać. Wymaga, by parametry modelu, w tym wagi, były dostępne na warunkach zatwierdzonych przez OSI, ale nie narzuca mechanizmu prawnego. Luca Antiga, CTO Lightning AI i współtwórca PyTorcha, przekonywał, że sposób potraktowania wag zostawia to, co nazwał dziurą, przez którą licencje będą słabiej rozstrzygać, czy systemy na licencji OSI da się w praktyce wdrożyć.

Bruce Perens, autor pierwotnej definicji open source, w 2024 roku potępił OSAID, a później powiedział: „To nie jest open source! To niefortunne, że sama Open Source Initiative uczestniczy teraz w openwashingu”. Bradley Kuhn z Software Freedom Conservancy i Richard Fontana z Red Hata wezwali do uchylenia OSAID, pisząc, że OSI zadziałała zbyt szybko, a rozłam zaszkodził jej reputacji i wpływom.

Tymczasem Mike Dolan z Linux Foundation zgłosił do OSI licencję Open Model, Data, and Weights, znaną jako OpenMDW. Istnieje od 2025 roku, a wśród współtwórców wymienia Amazon, Meta, IBM, Microsoft i Nvidię. Jej podejście polega na osobnych warunkach dla architektury, danych treningowych i wag, tak by wszystko, co dostarcza licencjodawca, objąć jedną umową. Zgłoszenie spotkało się ze sprzeciwami na liście mailingowej OSI do przeglądu licencji. Stefano Maffulli, były dyrektor wykonawczy OSI, powiedział, że wciąż ma wrażenie, iż przegląd jest skażony uprzedzeniem ideologicznym wobec wielkich firm technologicznych.

Otwarte wagi odpowiadają na pytanie „Czy mogę to uruchomić?”. Open source odpowiada na pytanie „Czy mogę temu zaufać, ulepszyć to i zbudować na tym następną rzecz?”.

To zdanie Landaya, znowu za The Register, i najczystsze podsumowanie sporu. Wyjaśnia też, dlaczego część raportu Mozilli dotyczącą benchmarków trzeba czytać ostrożnie. Liczba czterech miesięcy pochodzi z danych METR o horyzoncie zadań, które oceniają modele po tym, jak długie zadanie, liczone ludzkim czasem pracy, kończą one w połowie przypadków. Dopasowanie Mozilli umieszcza modele zamknięte na zadaniach zajmujących ekspertom od 8 do 12 godzin, a modele otwarte osiągają ten poziom mniej więcej cztery miesiące później. Mozilla wylicza, że zdolności modeli otwartych podwajają się co 3,9 miesiąca, a zamkniętych co 5,5.

Cena to miejsce, gdzie otwarte wagi wygrywają bezdyskusyjnie. Mozilla ustaliła, że najlepszy otwarty model tracił do zamkniętego lidera trzy punkty w Artificial Analysis Intelligence Index przy 60% ceny, a do Claude Fable 5 był o dwa punkty gorszy przy 30%. W Terminal-Bench 2.1 serwisu vals.ai GLM-5.2 od Z.ai zdobył wynik w granicach punktu od Claude Opus 4.7 i około czterech punktów mniej niż Opus 4.8, przy koszcie poniżej jednej piątej ceny za test. Na OpenRouterze Mozilla naliczyła osiem z dziesięciu najlepszych modeli pod względem wolumenu tokenów do sierpnia jako otwarte wagi, siedem z nich zbudowanych w Chinach. Zamknięci dostawcy wzięli jednak 96% przychodów warstwy modeli na OpenRouterze od maja do września 2025, według Linux Foundation.

Sprzęt jest zastrzeżeniem. Własny wykres Mozilli umieszcza najlepszy otwarty model mieszczący się na jednym serwerze na 52,6, a najlepszy na jednym GPU na 40, czyli spadki o 10 i 23 punkty od szczytu, większe, niż sugerują cztery miesiące. Natywny checkpoint MXFP4 modelu Kimi K3 zajmuje około 1,56 TB w 96 shardach, a konfiguracja serwowania Mozilli wymienia 64 lub więcej akceleratorów. Inkling-Small od Thinking Machines, na Apache 2.0, mieści się na jednym B300 przy minimum 180 GB.

Dane kończą się na 1 września. Artificial Analysis przeszło od tego czasu na indeks v4.3 z innym zestawem ewaluacyjnym, a podpis pod wykresem Mozilli brzmi: „luka resetuje się w każdym cyklu wydawniczym”. Etykieta będzie wyprzedzać definicję.

Komentarze 0

Źródła

3
  1. 01Open weights are not open source: Why AI's favorite label is under disputeEN
  2. 02China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN
  3. 03S1-mini, Superwhisper's first open-weights language modelEN

Wszystkie liczby i cytaty w tym tekście pochodzą z poniższych źródeł. Nie dopisujemy danych, których w źródłach nie ma.

Materiały zostały przygotowane przez zespół redakcyjny wspierane przez AI.

Anna Kaczmarek

Anna Kaczmarek

AI, modele i technologie

Anna Kaczmarek pisze o technologiach, AI i modelach oraz mediach i internecie, opierając się na dokumentacji, repozytoriach i danych źródłowych, a nie na komunikatach prasowych. Przy testach modeli sprawdza karty techniczne, parametry wejściowe i liczy wyniki na tych samych zbiorach, zamiast powtarzać liczby od producentów. Czeka na premiery API i aktualizacje wag, rozmawia z inżynierami oraz porównuje wersje modeli pod kątem kosztów i opóźnień. Prywatnie self-hostuje usługi i konfiguruje sieci domowe, więc do redakcji wnosi praktykę z własnego serwera. Nie publikuje zapowiedzi ani parametrów, których nie może odtworzyć na własnym środowisku.

Redakcja →

Komentarze

0
  1. Brak komentarzy — bądź pierwszy.

Dodaj komentarz

Komentarze są widoczne publicznie. Nie publikujemy wulgaryzmów, spamu i treści reklamowych.