開放源代碼促進會（OSI）：Llama模型並非真“開源” 商業化隱形成本高_風聞

10月29日消息，全球權威的開放源代碼促進會（Open Source Initiative，OSI）發佈了關於“開源AI定義”。根據該定義，真正開源的AI大模型必須提供訓練數據的詳細信息、完整的構建和運行AI的代碼以及訓練時的設置和權重。

OSI稱，新定義是為了避免當前行業中對“開源大模型”的過度營銷和使用誤解。據此標準，當前市場上表面開源的大模型幾乎都“名不副實”，包括大名鼎鼎的“開源大模型”標杆Llama和Gemma。

OSI是多年來一直負責管理開放源代碼定義(OSD)。在過去兩三年中，OSI發現傳統的“開源”定義並不適用當前火熱的AI大模型。因為AI大模型比傳統開源軟件更復雜：它不僅包含代碼，還涉及大量的數據、複雜的模型架構以及訓練過程中的各種參數等。而這些數據的收集、整理、標註等過程都對模型的性能和結果產生重要影響。傳統的開源定義無法全面涵蓋這些新的要素，導致在AI領域的適用性不足。

2023年，OSI對市場上的大模型調查發現，表面上開源的大模型幾乎都“名不副實”。Hugging Face應用政策研究員Avijit Ghosh表示，將大模型描述為“開源”可能會使它們被認為更值得信賴。Meta和Google宣傳的免費模型似乎任何人都可以調整，但並不是真正的“開源”，它限制了用户可以對模型做什麼，而且訓練數據集並不公開。

去年6月，OSI表示將為開源AI重新設置定義。它邀請了70人專家組，包括研究員、律師、政策制定者和大型科技公司代表等，來共同協商制定AI開源定義。

如今，OSI正式宣佈了開源AI定義（OSAID）1.0版。根據新定義，AI大模型若要被視為開源有三個要點：

訓練數據透明性：必須提供足夠的信息，使任何人能夠“實質性”地重建該模型，包括訓練數據的來源、處理方式和獲取方式；完整代碼：需要公開用於訓練和運行AI的完整源代碼，展示數據處理和訓練的規範；模型參數：包括模型的權重和配置，需提供相應的訪問權限。

OSAID還規定，開發者應享有使用、修改和共享模型的自由，而無需獲得他人許可。對於新定義，獨立研究員和開放源代碼創建者Simon Willison稱，“既然我們已經有了一個強有力的定義，也許我們可以更積極地抵制那些開源洗白（open washing）並宣稱自己的工作是開源的公司。”

此前，國內市場也爆發了“大模型開源閉源”之爭。某企業負責人曾公開表示，“很多人混淆了模型開源和軟件開源的概念”。所謂的“開源大模型”其實並未開放訓練源代碼、預訓練和精調數據等影響模型效果的關鍵信息，所以這些模型無法像開源軟件一樣，靠社區開發者一起參與來提升效果和性能。應用“開源大模型”的企業，其實很難迭代並優化這些模型，以至於無法高效地應用於企業場景。基於這些原因，閉源模型更適合商業化。