9.2 什麼是真正的「開源 AI」？模型權重、訓練數據、代碼與 OSI 對 Open Source AI 的最新定義#
核心疑問：權重開放＝開源？#
LLaMA 沖進市場之後，產生了一個至關重要的法律與哲學問題：「開源 AI」到底指的是：
- 開源了模型權重（像 LLaMA、Mistral 所做的那樣）？
- 開源了訓練代碼（PyTorch 生態的多數工具）？
- 開源了訓練資料（如 LAION、EleutherAI 的 The Pile）？
- 或全都公開（像 BLOOM、Falcon、OLMO 等盡力而為的專案）？
模型的特殊性在於：「權重」不等如「源碼」——源碼是人讀得懂、修改可開發的；權重是數百 GB 的二進位，即使公開你也不知道它是如何被訓練的、用了哪些資料。「開源權重」比「開源軟體」保留的資訊少得多**。
OSI 的定義企圖#
2022–2024 年間，開源促進會（OSI）展開 AI 定義的深度調查程序（Deep Dive for AI），並於 2024 年 10 月 28 日發布 「Open Source AI Definition（OSAID）1.0」——依其社群諮詢程序的成果。
OSAID 的四個要素#
OSAID 圍繞「AI 系統開源」的四個層面給出定義：
| 要素 | OSAID 要求 |
|---|---|
| 權重/模型 | 完整模型權重必須可自由取得，且可在現實中修改、再訓練、再分發 |
| 訓練資料 | OSAID 1.0 不要求訓練資料公開——只要求足夠的「資料說明（about dat）」——這是最有爭議的讓步 |
| 訓練與推論代碼 | 要求可自由取得與修改 |
| 許可強制 | 使用、研究、修改、分享無用途限制（除安全風險披露以外） |
OSI 的定義之戰#
OSAID 是一場社群內部的戰爭的產物：
| 陣營 | 代表 | 核心觀點 |
|---|---|---|
| 「不開資料即不誠實」 | Free Software 思想家、部分學者 | 「無法復現就不能驗證」，只公開權重是「半開放」 |
| 「硬要求資料會卡死創新」 | Meta、多數 AI 公司 | 資料涉及版權、隱私與國家管制——若強要求公開訓練資料，將沒有模型能合法「開源」 |
OSI 最終選站：「不強制資料」以換取産業能達成的共識。但批評者指出：這個定義保護的不是使用者自由，而是產業的自由——OSD 的務實精神（靈活 > 純淨）在新時代延續的代價，是定義的道德力量被稀釋。
現實中的光譜：開源 AI 的三類玩家#
1. 接近 OSAID 的「開放研究者」#
1. 接近 OSAID 的「開放研究者」#
- EleutherAI（The Pile）、BigScience/BLOOM（2022：多語言模型，資料集與代碼盡可能開放）、AI2 / OLMo 系列（2024–）——學術與非營利理念派；
- Mistral（2023 起）：以商業友好的 Apache 2.0 授權開源多款模型（權重＋代碼）——被視為真正遵守開源精神的主流商業代表。
2. 「開放權重、閉源內涵」的主流公司#
- Meta LLaMA 系列、Google 的部分 Gemma、Grok（xAI）——權重可下載，但訓練代碼與訓練資料不可見；
- 它們的主張是「主權型開放」——自由的散布、研究、微調與本地部署；
- 依 OSAID 衡量多是「開放得職格不全」，但這批玩家的實際影響力，重塑了整個產業的基準（benchmark）與工具鏈生態。
3. 無權、無意開放的閉源陣營#
- OpenAI（GPT-4o）、Anthropic（Claude）、Google Gemini 主力——完全閉源，僅提供 API；僅部分評估報告（如 system cards）公開。
更深層的問題：許可的大型挑戰#
「開放 AI」的法律困境有四：
- 訓練資料的版權官司：數百萬作品被爬取、用於訓練——OpenAI、Stability AI（Stable Diffusion）在多國面臨集体訴訟（如 Getty Images 訴 Stability AI 之案走向成為趨勢風向）；
- 隱私資料：模型可能記住（memorize）個人資料並在不當情境泄露；
- 偏見的不可審查：模型取樣性的歧視（性別、族群）與訓練資料的取樣直接相關——若訓練資料不公開，外部無以審查；
- 安全與濫用：開放權重讓任何人可微調——包括惡意用途者；同一erties 的「可全開」特性才是治理的根本悖論。
小結#
「開源 AI」的定義之爭，是權威、自由、安全、法律四種力量的交錯。相對於軟體開源的兩個經典分野（自由軟體 vs 開源軟體），AI 時代多出了兩個新維度：「資料是否公開」與「模型是否可用」**——這讓「開源 AI」一詞的含糊成為必然。下一節，我們看這場定義之戰落到安全監管、版權訴訟與產業結構上的實際衝突。