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 to nie open source i ta różnica zaczyna być widoczna

Prawie każde wydanie opisywane jako otwarty model dostarcza wagi do pobrania i nic więcej. The Register przekonywał 15 września, że etykieta jest naciągana. Dzień wcześniej raport Mozilli podał twarde liczby pokazujące, co właściwie daje każda z tych kategorii.

AI i modeleAnalizaAnna KaczmarekOpublikowano: 27 września 20265 min czytaniaŹródła 3
Otwarte wagi to nie open source i ta różnica zaczyna być widoczna

Wagi to wyuczone parametry liczbowe, które powstają w trakcie trenowania. Same w sobie pozwalają uruchomić model, hostować go u siebie, dostroić na wewnętrznych dokumentach i obejść API dostawcy. To realna wartość. Open Source Initiative nazywa je jednak tylko „ułamkiem informacji potrzebnych do pełnej rozliczalności”.

Steven J. Vaughan-Nichols z The Register przekonywał 15 września, że branża po cichu zamieniła jedno słowo na drugie. Firma publikuje pliki modelu na Hugging Face. Programiści uruchamiają je na własnych GPU. Wydanie od razu opisuje się jako model open source. Niekoniecznie, twierdzi autor. Może to być wyłącznie model z otwartymi wagami.

Rozróżnienie brzmi akademicko. Akademickie nie jest.

Bez danych treningowych i szczegółowej dokumentacji osoby z zewnątrz nie ustalą kilku rzeczy. Nie powiedzą, jakie źródła weszły do modelu ani jakie materiały chronione prawem autorskim lub prywatne mogły się w nim znaleźć. Nie zobaczą, jak filtrowano dane, których języków było za mało, czy dane testowe wyciekły do treningu ani jaką pracę nad dopasowaniem modelu wykonano po pretreningu. James Landay, dyrektor Stanford Institute for Human-Centered AI, powiedział The Register, że otwarte wagi to postęp, bo model można trzymać poza cudzym potokiem danych. Dodał jednak: „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”.

Open Source Initiative próbowała to rozstrzygnąć definicją Open Source AI Definition, OSAID 1.0, opublikowaną w październiku 2024 r. Wymaga ona, by parametry modelu, w tym wagi, były dostępne na warunkach zatwierdzonych przez OSI, ale nie wskazuje konkretnego mechanizmu prawnego. Ta luka się nie zamknęła. Luca Antiga, dyrektor ds. technologii w Lightning AI, nazwał potraktowanie wag „dziurą, przez którą licencje będą mniej skuteczne”. Bruce Perens, autor pierwotnej definicji open source, w 2024 r. potępił OSAID, a później stwierdził, że sama OSI zajmuje się teraz openwashingiem. Bradley Kuhn z Software Freedom Conservancy i Richard Fontana z Red Hata wezwali do uchylenia definicji.

Co właściwie dają wagi

Mozilla opublikowała 15 września wersję 1.1 raportu State of Open Source AI, opartą na danych aktualnych na 1 września. To pożyteczna kontrola rzeczywistości dla obu stron sporu. 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%. Dopasowując dane METR o horyzoncie zadań, Mozilla oszacowała lukę między modelami otwartymi i zamkniętymi na około 4,4 miesiąca, blisko czteromiesięcznego szacunku Epoch AI. Zdolności otwartych modeli podwajają się co 3,9 miesiąca, zamkniętych co 5,5, według obliczeń Mozilli.

Mozilla jest rzecznikiem otwartych modeli i raport nie jest neutralny. TIME podał 14 lipca, że dyrektor ds. technologii Mozilli Raffi Krikorian opisał go jako tekst częściowo rzeczniczy. Same liczby z raportu też przeczą głównemu przekazowi. Raport liczy 16 głośnych wydań otwartych i żadne nie dostarcza przepisu na dane, którego wymaga definicja OSI. Czteromiesięczna luka i wynik 30% ceny są mierzone od API do API, na hostowanych endpointach w cenniku katalogowym.

Do tego dochodzi sprzęt. Na wykresie Mozilli najlepszy otwarty model mieszczący się na jednym serwerze ma 52,6 punktu, a najlepszy mieszczący się na jednym GPU 40, spadki o 10 i 23 punkty. Natywny checkpoint MXFP4 modelu Kimi K3 zajmuje około 1,56 TB w 96 shardach. Konfiguracja serwowania wymienia 64 lub więcej akceleratorów, a vLLM wymaga co najmniej ośmiu GPU GB300 i wielu węzłów do obsługi ruchu produkcyjnego. Mozilla nazywa to otwartym, ale niemożliwym do uruchomienia dla większości tych, którzy go mają. Jeden wyjątek: Inkling-Small od Thinking Machines, na licencji Apache 2.0, mieści się na jednym B300 przy minimum 180 GB.

Krikorian powiedział Ars Technice w mailu, że wybór płacenia za modele zamknięte wygląda na zależny od zadania, a nie od organizacji. Pieniądze to potwierdzają. Zamknięci dostawcy zgarnęli 96% przychodów warstwy modeli na OpenRouterze od maja do września 2025 r., według Linux Foundation. Mozilla tymczasem zaliczyła osiem z dziesięciu najpopularniejszych modeli pod względem wolumenu tokenów do sierpnia jako modele z otwartymi wagami, siedem z nich zbudowano w Chinach.

Ten ostatni szczegół ma znaczenie dla sporu o licencje. Dane Mozilli kończą się 1 września, a Artificial Analysis przeniosło od tego czasu swój indeks na wersję 4.3 z innym zestawem ewaluacyjnym. Narysowanych liczb nie da się więc już bezpośrednio porównać z bieżącą tablicą. Podpis pod wykresem Mozilli brzmi: „luka resetuje się w każdym cyklu wydawniczym”. Opóźnienie 4,4 miesiąca to migawka, nie linia trendu.

Prawa autorskie to miejsce, w którym brakująca dokumentacja drogo kosztuje. Praca A. Federa Coopera, Marka A. Lemleya i współautorów, opublikowana na arXiv i poprawiona 20 lipca 2026 r., objęła ponad 3 000 eksperymentów na 200 książkach i 14 modelach LLM z otwartymi wagami. Większość modeli nie zapamiętała większości książek, w całości ani częściowo. Ale Llama 3.1 70B, model z 70 000 000 000 parametrów, zapamiętała w całości niektóre tytuły, w tym Harry'ego Pottera i Kamień Filozoficzny, do tego stopnia, że całą książkę można wyciągnąć niemal dosłownie z jej pierwszych słów. Autorzy twierdzą, że wynik nie sprzyja żadnej ze stron w sądzie.

Spór o etykietę nie jest więc semantyczny. Jeśli nie widzisz danych, nie sprawdzisz, co model zapamiętał, i nie odtworzysz systemu, który go wytworzył. Ujęcie Landaya jest najczystsze z dostępnych. Otwarte wagi odpowiadają na pytanie, czy możesz ten model uruchomić. Open source odpowiada na pytanie, czy możesz mu zaufać, ulepszyć go i zbudować na nim następną rzecz.

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. 03Extracting 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.