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 naprawdę znaczą „open weights” i dlaczego to nie to samo co open source

Pliki modeli do pobrania bywają dziś opisywane jako open source. Open Source Initiative i badacze ze Stanforda twierdzą, że ta etykieta obejmuje tylko część tego, co byłoby potrzebne, żeby model sprawdzić, odtworzyć albo zbudować od nowa.

AI i modeleWyjaśnienieAnna KaczmarekOpublikowano: 27 września 20266 min czytaniaŹródła 4
Co naprawdę znaczą „open weights” i dlaczego to nie to samo co open source

Otwarte wagi to wyuczone parametry liczbowe, które powstają w trakcie trenowania sieci neuronowej. Kiedy trafią na Hugging Face, każdy z GPU może uruchomić model, dostroić go albo hostować u siebie. To naprawdę się przydaje. Zdaniem Open Source Initiative i kilku znanych postaci świata wolnego oprogramowania nie jest to jednak to samo co open source.

Ta różnica to nie spór o etykietkę. Decyduje o tym, czy możesz jedynie wdrożyć gotową sieć neuronową, czy też zajrzeć do systemu, który ją wytworzył, odtworzyć go, zmienić i rozprowadzać dalej. James Landay, dyrektor Stanford HAI, powiedział The Register: „Open weights odpowiadają na pytanie »Czy mogę to uruchomić?«. Open source odpowiada na pytanie »Czy mogę temu zaufać, ulepszyć to i zbudować na tym coś następnego?«”.

Co faktycznie dostajesz w pliku do pobrania

Typowe wydanie z otwartymi wagami zawiera wagi, architekturę modelu i kod wnioskowania. Razem ze środowiskiem uruchomieniowym pokroju llama.cpp to wystarczy, żeby generować tekst. S1-mini od Superwhisper jest na przykład normalizatorem tekstu dla wyników rozpoznawania mowy z 600 000 000 parametrów, dostrojonym z Qwen/Qwen3-0.6B i udostępnionym na licencji Apache 2.0 z dodatkową klauzulą o nazwie. Karta modelu wymienia 596 000 000 unikalnych parametrów, 28 warstw, 16 głowic zapytań i 8 głowic klucz/wartość w mechanizmie grouped-query attention, a także skwantyzowaną wersję, która jest plikiem o rozmiarze 462 MiB.

Czego w tej karcie nie ma, to dane treningowe. Superwhisper nie mówi, na jakich transkrypcjach trenowano S1-mini, jak je wybierano ani co usunięto. Przy wydaniach z otwartymi wagami to norma i dokładnie w tę lukę celują krytycy.

Wpis w słowniku samej OSI stawia sprawę bez ogródek. „Open Weights odnosi się do końcowych wag i obciążeń wytrenowanej sieci neuronowej” – czytamy, z dopiskiem, że same wagi odsłaniają jedynie „ułamek informacji potrzebnych do pełnej rozliczalności”. Bez danych treningowych i szczegółowej dokumentacji osoby z zewnątrz nie ustalą, z jakich źródeł korzystano, jaki materiał objęty prawem autorskim lub prywatny mógł się tam znaleźć, jak filtrowano dane, których języków było za mało, czy dane testowe nie przeciekły do treningu ani jakie metody dopasowania i bezpieczeństwa zastosowano po pretreningu.

„Nadal nie widzisz, jak to zbudowano, na czym to trenowano ani dlaczego zachowuje się tak, jak się zachowuje. To nie jest otwarty model. To otwarta dystrybucja”. James Landay, Stanford HAI

OSI próbowała to zdefiniować i spór wcale się nie skończył

Open Source Initiative opublikowała Open Source AI Definition, OSAID 1.0, w 2 024 roku. Definicja wymaga, żeby parametry modelu, w tym wagi, były dostępne na warunkach zatwierdzonych przez OSI, ale nie wskazuje konkretnego mechanizmu prawnego. Przy publikacji OSI przyznała, że definicja będzie się zmieniać. Krytycy twierdzą, że główne braki nadal nie zostały rozwiązane.

Luca Antiga, CTO Lightning AI i współtwórca PyTorcha, przekonywał, że sposób, w jaki OSAID traktuje wagi, zostawia „ogromną dziurę, przez którą licencje będą mniej skuteczne w rozstrzyganiu, czy systemy AI z licencją OSI da się w ogóle wdrożyć w realnych warunkach”. Bruce Perens, autor pierwotnej Open Source Definition, w 2 024 roku potępił OSAID, a później powiedział: „To nie jest open source! Szkoda, że sama Open Source Initiative bierze teraz udział w openwashingu”.

Bradley Kuhn z Software Freedom Conservancy i Richard Fontana, starszy radca prawny w Red Hacie, poszli dalej i zażądali uchylenia OSAID. Ich argument, cytowany przez The Register: „OSI zadziałała zbyt szybko, narzucając społeczności zbyt ambitny kompromis polityczny. OSAID bez wątpienia wywołała rozłam w społeczności FOSS; ten rozłam poważnie zaszkodził reputacji, autorytetowi i wpływom OSI”.

Tymczasem Mike Dolan z Linux Foundation zgłosił do OSI licencję Open Model, Data, and Weights, OpenMDW. Istnieje od 2 025 roku, a wśród współtwórców wymienia Amazon, Meta, IBM, Microsoft i Nvidię. Jej podejście polega na zdefiniowaniu w jednej umowie osobnych warunków dla architektury modelu, danych treningowych i wag. 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: skoro nie lubimy wielkich technologicznych firm, a AI to dziś wielkie firmy technologiczne, to nie lubimy AI; a więc zrobimy wszystko, żeby to zablokować”.

Opowieść o możliwościach jest prawdziwa, podobnie jak zastrzeżenie

Nic z tego nie spowolniło tempa wydań. Mozilla opublikowała wersję 1.1 raportu State of Open Source AI 15 września, na danych aktualnych do 1 września, podaje Tom's Hardware. Najlepszy otwarty model jest o trzy punkty za zamkniętym liderem w Artificial Analysis Intelligence Index, przy 60% ceny, i o dwa punkty za Claude Fable 5 przy 30%. Dopasowanie Mozilli do danych METR o horyzoncie zadań daje lukę między otwartymi i zamkniętymi modelami na około 4,4 miesiąca, zgodnie z czteromiesięcznym szacunkiem Epoch AI.

Liczby Mozilli pochodzą z ankiety Mozilla/SlashData wśród około 1 400 deweloperów, z danych o ruchu na OpenRouterze i z indeksów benchmarków firm trzecich. Mozilla lobbuje na rzecz otwartych modeli; TIME podał 14 lipca, że Raffi Krikorian, CTO Mozilli, opisał raport jako częściowo rzeczniczy. Raport liczy 16 godnych uwagi otwartych wydań i odnotowuje, że żadne nie dostarcza receptury danych wymaganej przez definicję OSI.

  • 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 za Opus 4.8, przy koszcie mniejszym niż jedna piąta na test.
  • Na OpenRouterze Mozilla naliczyła osiem z dziesięciu najlepszych modeli pod względem wolumenu tokenów do sierpnia jako modele z otwartymi wagami, siedem z nich zbudowanych w Chinach.
  • Zamknięci dostawcy wzięli jednak 96% przychodów na poziomie modeli na OpenRouterze od maja do września 2 025 roku, według Linux Foundation.
  • Najlepszy otwarty model, który mieści się na jednym serwerze, zdobył 52,6 punktu na wykresie sprzętowym Mozilli; najlepszy na jednym GPU zdobył 40. Spadek od czołówki to 10 i 23 punkty.

Ten ostatni punkt to praktyczny haczyk. Rodzimy checkpoint MXFP4 modelu Kimi K3 zajmuje około 1,56TB w 96 shardach, a konfiguracja serwowania Mozilli wymienia 64 lub więcej akceleratorów, podczas gdy vLLM wymaga co najmniej ośmiu GPU GB300 i wielu węzłów do ruchu produkcyjnego. Mozilla opisuje to jako otwarte, ale nierunowalne dla większości tych, którzy to mają. Jeden wyjątek, który raport wskazuje, to Inkling-Small od Thinking Machines na licencji Apache 2.0, którego wersja NVFP4 mieści się na jednym B300 przy dolnej granicy 180GB.

Krikorian napisał do Ars Techniki w mailu: „Decyzję o płaceniu za zamknięte [modele] postrzegamy jako zależną od obciążenia, a nie od organizacji”.

Sprawy o prawa autorskie trafiają na tę samą ścianę

Spór o definicję ma swój odpowiednik w sądzie. Praca A. Feder Cooper, Marka A. Lemleya i siedmiorga współautorów, opublikowana na arXiv i zrewidowana w lipcu 2 026 roku, zmierzyła zapamiętywanie 200 książek przez 14 otwartych LLM-ów w ponad 3 000 eksperymentów. Ich wniosek jest taki, że i powodowie, i pozwani w sprawach o prawa autorskie dotyczących generatywnej AI upraszczają sprawę.

Większość LLM-ów nie zapamiętuje większości książek, w całości ani w części, przy metodzie ekstrakcji zastosowanej przez autorów. Są jednak wyjątki: Llama 3.1 70B zapamiętuje w całości niektóre książki, w tym Harry'ego Pottera i kamień filozoficzny, do tego stopnia, że całą książkę można wyciągnąć niemal dosłownie z jej pierwszych kilku słów. Autorzy piszą, że ich wyniki mają istotne znaczenie dla spraw o prawa autorskie, choć nie takie, które jednoznacznie sprzyja którejkolwiek stronie.

Mniej więcej tu stoi debata o otwartych wagach. Pliki są publiczne. Receptura nie. A obie strony nie potrafią się nawet zgodzić, jak nazwać wynik.

Komentarze 0

Źródła

4
  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
  4. 04Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN

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.