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
›

Otwarte wagi, zamknięte przepisy: co naprawdę pokazuje praca o zapamiętywaniu i spór o licencje

Praca na COLM 2026 zmierzyła, ile z 200 książek zapamiętało 14 modeli z otwartymi wagami. Wyszło, że większość modeli nie odtwarza większości książek, ale Llama 3.1 70B po pierwszych kilku słowach książki potrafi wygenerować niemal dosłowny fragment niektórych tytułów. Wynik trafia w środek sporu o to, co ma znaczyć słowo „otwarty”.

AI i modeleAnalizaAnna KaczmarekOpublikowano: 27 września 20265 min czytaniaŹródła 3
Otwarte wagi, zamknięte przepisy: co naprawdę pokazuje praca o zapamiętywaniu i spór o licencje

Praca nosi tytuł Extracting memorized pieces of (copyrighted) books from open-weight language models, arXiv:2505.12546. Pierwsza wersja trafiła na serwer 18 maja 2025, poprawki sięgały 20 lipca 2026. Autorzy to A. Feder Cooper, Mark A. Lemley, Allison Casasola, Ahmed Ahmed, Aaron Gokaslan, Amy B. Cyphert, Christopher De Sa, Daniel E. Ho i Percy Liang. Praca została przyjęta na COLM 2026.

Autorzy zapowiadają, że biorą na warsztat sposób argumentowania z pozwów. W sprawach o prawa autorskie do danych treningowych generatywnej AI, czytamy w abstrakcie, powodowie i pozwani „często formułują ogólne, przeciwstawne twierdzenia o tym, w jakim stopniu duże modele językowe (LLM) zapamiętują chronioną twórczość z książek w swoich danych treningowych”. Obie strony, piszą autorzy, „drastycznie upraszczają związek między zapamiętywaniem a prawem autorskim”.

Zbudowali więc metodę pomiaru i puścili ją na szeroką skalę: 200 książek, 14 modeli z otwartymi wagami, ponad 3000 eksperymentów. Główny wynik przeczy najmocniejszym tezom. „Jeśli chodzi o naszą konkretną metodologię ekstrakcji, większość LLM nie zapamiętuje większości książek, ani w całości, ani we fragmentach”.

Potem wyjątki. Llama 3.1 70B „zapamiętuje w całości niektóre książki, jak Harry Potter i Kamień Filozoficzny”. Zapamiętywanie jest tam tak rozległe, że według abstraktu „można deterministycznie wyciągnąć całą książkę niemal dosłownie, używając jej pierwszych kilku słów jako promptu początkowego”. Wynik zależy od modelu i od książki i o to chodzi: zapamiętywanie nie jest właściwością LLM jako takich.

Czy to komuś pomoże w sądzie, autorzy zostawiają otwarte. Abstrakt mówi, że wyniki „mają istotne znaczenie dla spraw o prawa autorskie, choć nie takie, które jednoznacznie faworyzowałoby którąkolwiek ze stron”.

Problem z etykietą

Modele z tamtego badania mają otwarte wagi. Można je pobrać. To nie to samo co otwarte źródło i The Register przedstawił ten argument 15 września 2026 w felietonie Stevena J. Vaughan-Nicholsa. Open Source Initiative, opiekun definicji otwartego źródła, określa otwarte wagi jako „finalne wagi i obciążenia wytrenowanej sieci neuronowej” i dodaje, że same wagi odsłaniają tylko „ułamek informacji potrzebnych do pełnej rozliczalności”.

James Landay, dyrektor Stanford Institute for Human-Centered AI, powiedział The Register, jak to wygląda w praktyce: „Otwarte wagi to postęp. Możesz pobrać model, uruchomić go na własnej maszynie, trzymać go z dala od cudzego potoku danych. Ale nadal nie widzisz, jak coś zbudowano, na czym je trenowano ani dlaczego zachowuje się tak, jak się zachowuje. To nie jest otwarty model. To otwarta dystrybucja”.

„Otwarte wagi odpowiadają na pytanie: czy mogę to uruchomić? Otwarte źródło odpowiada na pytanie: czy mogę temu zaufać, ulepszyć to i zbudować na tym następną rzecz?”

Drugi cytat też jest Landaya, z tego samego felietonu w The Register. Tekst relacjonuje krytykę definicji Open Source AI Definition 1.0 ze strony Bruce’a Perensa, Bradleya Kuhna i Richarda Fontany. OSI przyznało przy publikacji OSAID 1.0 w październiku 2024, że definicja będzie się zmieniać. Mike Dolan z Linux Foundation zgłosił licencję Open Model, Data, and Weights, krążącą od 2025 roku z listą współtwórców z Amazon, Meta, IBM, Microsoft i Nvidia, a zgłoszenie spotkało się ze sprzeciwami na liście mailingowej OSI do przeglądu licencji.

Ma to znaczenie dla wyniku badania zapamiętywania. Jeśli nie widzisz danych treningowych, nie sprawdzisz samodzielnie, które książki do nich trafiły, a wyciągnięty tekst jest jedynym dowodem na to, co z modelu wychodzi.

Tanie, blisko i trudne do uruchomienia

Mozilla opublikowała wersję 1.1 raportu State of Open Source AI 15 września 2026, z danymi aktualnymi na 1 września, podaje Tom’s Hardware. Mozilla, organizacja non-profit stojąca za Firefoksem, lobbuje na rzecz otwartych modeli. Raport opiera się na badaniu Mozilli i SlashData na około 1400 deweloperach, danych o ruchu z OpenRouter i indeksach benchmarków zewnętrznych. Wylicza 16 godnych uwagi otwartych wydań, a Tom’s Hardware zauważa, że żadne nie daje przepisu na dane, którego wymaga definicja OSI.

Liczby o możliwościach: najlepszy otwarty model tracił do zamkniętego lidera trzy punkty w Artificial Analysis Intelligence Index przy 60% ceny i był dwa punkty za Claude Fable 5 przy 30%. Dopasowanie Mozilli do danych METR o horyzoncie zadań daje lukę otwarte-zamknięte około 4,4 miesiąca, blisko czteromiesięcznego szacunku Epoch AI. Możliwości otwartych modeli podwajają się co 3,9 miesiąca według obliczeń Mozilli, zamkniętych co 5,5.

Zastrzeżenia znaczą tyle samo co nagłówek. Czteromiesięczna luka i wynik 30% są mierzone API do API na hostowanych endpointach w cenniku. Własny wykres sprzętowy Mozilli daje najlepszemu otwartemu modelowi mieszczącemu się na jednym serwerze 52,6, a najlepszemu na jednej karcie GPU 40, czyli spadki o 10 i 23 punkty od szczytu, rozrzut szerszy, niż sugerują cztery miesiące. Natywny checkpoint Kimi K3 w MXFP4 zajmuje około 1,56TB na 96 shardach; konfiguracja serwowania Mozilli wymienia 64 lub więcej akceleratorów, a vLLM potrzebuje co najmniej ośmiu GPU GB300. Raport nazywa to otwartym, ale nie do uruchomienia dla większości tych, którzy to mają.

Po stronie popytu Mozilla policzyła osiem z dziesięciu czołowych modeli według wolumenu tokenów w sierpniu na OpenRouter jako modele z otwartymi wagami, siedem z nich zbudowanych w Chinach. Zamknięci dostawcy wzięli jednak 96% przychodów warstwy modeli na OpenRouter od maja do września 2025, według Linux Foundation. CTO Mozilli Raffi Krikorian powiedział Ars Technice mailem, że wybór płacenia za zamknięte modele wygląda na zależny od zadania, nie od organizacji.

Jeszcze jeden wątek. Raport podaje jako „twierdzone i nieudowodnione” zarzut ze wspólnego biuletynu NSA, CISA i FBI AA26-251A z 8 września, że Moonshot wyciągnął dane z Claude Fable 5, żeby przez destylację wytrenować Kimi K3. Nieudowodnione i nierozstrzygnięte.

Zestawione razem oba dokumenty opisują ten sam obiekt z dwóch stron. Model można pobrać, dostroić i, w co najmniej jednym udokumentowanym przypadku, nakłonić promptem do niemal dosłownego odtworzenia powieści, podczas gdy dane treningowe za nim pozostają nieudokumentowane, nieobjęte wolną licencją, a przy największych checkpointach poza zasięgiem sprzętu, który ma większość ludzi.

Komentarze 0

Źródła

3
  1. 01Extracting memorized pieces of (copyrighted) books from open-weight language modelsEN
  2. 02Open weights are not open source: Why AI's favorite label is under disputeEN
  3. 03China's open-weight AI models are now just 4 months behind frontier US offerings, Mozilla report claimsEN

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.