خبر کامل
متن‌باز یا وزن‌باز؛ چگونه تفاوت مدل‌های هوش مصنوعی را تشخیص دهیم؟
دانلود وزن‌های یک مدل هوش مصنوعی به‌تنهایی به معنای متن‌بازبودن آن نیست. برای تشخیص تفاوت این دو مفهوم، باید علاوه‌بر وزن‌ها، کد، داده‌های آموزشی و فرایند ساخت مدل را نیز بررسی کرد.
متن‌باز و وزن‌باز چه تفاوتی دارند؟
مدل وزن‌باز مدلی است که وزن‌های آن برای دانلود و اجرا روی سخت‌افزار شخصی منتشر شده‌اند. وزن‌ها میلیاردها یا حتی تریلیون‌ها عدد هستند که مدل در فرایند آموزش یاد می‌گیرد و بخش مهمی از دانش و رفتار آن را شکل می‌دهند.
با دسترسی به وزن‌ها می‌توان مدل را روی زیرساخت شخصی اجرا کرد و در بسیاری از موارد، با روش‌هایی مانند ریزتنظیم آن را برای کاربردی مشخص آماده کرد. بااین‌حال، وزن‌ها به‌تنهایی نشان نمی‌دهند مدل چه داده‌هایی دیده، داده‌ها چگونه پالایش شده‌اند یا آموزش با چه تنظیماتی انجام شده است.
وزن‌باز بودن، امکان استفاده از مدل را فراهم می‌کند؛ متن‌بازبودن باید امکان مطالعه، تغییر و بازسازی مسیر ساخت آن را نیز فراهم کند.
برای مدل هوش مصنوعی واقعاً متن‌باز، علاوه‌بر پارامترها، کد کامل آموزش و اجرا و اطلاعات کافی درباره داده‌های آموزشی باید در دسترس باشد. انتشار تک‌تک فایل‌های خام داده الزاماً ضروری نیست؛ اما منشأ، ویژگی‌ها، روش انتخاب و شیوه پردازش داده‌ها باید به‌اندازه‌ای روشن باشد که متخصص بتواند فرایند ساخت سیستم را بررسی کند.
چرا این دو اصطلاح با هم اشتباه گرفته می‌شوند؟
اصطلاح متن‌باز از دنیای نرم‌افزار وارد حوزه هوش مصنوعی شده است. در نرم‌افزار، دسترسی به کد معمولاً به معنای مشاهده بخش اصلی فرایند ساخت است؛ اما مدل هوش مصنوعی حاصل ترکیب معماری، کد، داده‌های آموزشی، روش پردازش داده، تنظیمات آموزش و وزن‌های یادگرفته‌شده است.
انتشار تنها وزن‌ها شبیه انتشار فایل اجرایی یک نرم‌افزار است؛ حتی اگر اجازه تغییر آن فایل وجود داشته باشد، الزاماً مشخص نیست محصول چگونه ساخته شده است. هزینه بالای جمع‌آوری و پالایش داده، حفظ مزیت رقابتی و مسائل مربوط به کپی‌رایت، حریم خصوصی و قراردادهای تأمین داده نیز شفافیت کامل را دشوار می‌کنند.
بازشویی در هوش مصنوعی
اصطلاح بازشویی به معرفی محصولی با عنوان بازتر از واقعیت اشاره دارد. بااین‌حال، هر مدل وزن‌باز الزاماً نمونه بازشویی نیست. برخی شرکت‌ها مانند Meta، گوگل و OpenAI در معرفی مدل‌های خود صریحاً از تعبیر وزن‌باز استفاده می‌کنند؛ ابهام بیشتر زمانی شکل می‌گیرد که در رسانه‌ها و گفتگوهای فنی، هر مدل قابل دانلودی متن‌باز نامیده شود.
مقایسه چند خانواده مدل هوش مصنوعی
| مدل | اجزای منتشرشده | مجوز | دسته‌بندی |
|---|---|---|---|
| OLMo 3 و 3.1 | وزن‌ها، کد، داده‌های آموزشی، دستور آموزش و چک‌پوینت‌ها | Apache 2.0 | کاملاً باز |
| Apertus 1.5 | وزن‌ها، کد و اطلاعات گسترده درباره داده و توسعه | Apache 2.0 | کاملاً باز |
| gpt-oss-120b و 20b | وزن‌ها و ابزارهای اجرا و شخصی‌سازی | Apache 2.0 | وزن‌باز |
| Gemma 4 | وزن‌ها، مستندات فنی و توضیحات کلی درباره داده‌ها | Apache 2.0 | وزن‌باز |
| Llama 4 Scout و Maverick | وزن‌ها و ابزارهای مرتبط با اجرا | Llama 4 Community License | وزن‌باز |
| Kimi K3 | وزن‌ها، کد مخزن و مستندات؛ بدون داده و فرایند کامل آموزش | Kimi K3 License | وزن‌باز |
| GLM-5.2 | وزن‌ها، کد و مستندات؛ بدون زنجیره کامل آموزش | MIT | وضعیت انطباق کامل نامشخص |
این دسته‌بندی بر اساس اجزای منتشرشده و معیارهای OSAID انجام شده و به معنای دریافت گواهی رسمی OSI برای هر مدل نیست.
نمونه‌هایی از مدل‌های کاملاً باز و وزن‌باز
OLMo؛ انتشار مسیر ساخت مدل
خانواده OLMo 3 از مؤسسه Ai2، علاوه‌بر وزن‌های نهایی، داده، کد، دستور آموزش و چک‌پوینت‌های مراحل مختلف توسعه را در اختیار پژوهشگران قرار می‌دهد. به همین دلیل، امکان بررسی و بازتولید بخش بزرگی از مسیر ساخت مدل فراهم است.
Apertus 1.5؛ پروژه‌ای با رویکرد کاملاً باز
Apertus 1.5 در ۲۴ ژوئیه ۲۰۲۶ توسط ETH Zurich، EPFL و مرکز ملی ابررایانش سوئیس منتشر شد. سازندگان، این پروژه را کاملاً باز توصیف کرده‌اند و وزن‌ها، کد و اطلاعات گسترده‌ای درباره داده‌ها و فرایند توسعه را با مجوز Apache 2.0 عرضه کرده‌اند.
gpt-oss؛ قابل دانلود اما نه کاملاً متن‌باز
OpenAI مدل‌های gpt-oss-120b و gpt-oss-20b را در ۵ اوت ۲۰۲۵ منتشر کرد. وزن‌های این مدل‌ها تحت مجوز Apache 2.0 قابل دانلود و شخصی‌سازی هستند و امکان اجرای آن‌ها روی زیرساخت شخصی وجود دارد؛ اما تمام اجزای لازم برای بازتولید فرایند آموزش منتشر نشده است.
Gemma 4 و Llama 4
گوگل وزن‌های Gemma 4 را با مجوز Apache 2.0 منتشر کرده و اطلاعات کلی درباره داده‌ها و پالایش آن‌ها ارائه داده است؛ اما این اطلاعات با انتشار همه اجزای لازم برای بازسازی آموزش یکسان نیست.
Meta نیز Llama 4 Scout و Maverick را وزن‌باز معرفی کرده است. افزون‌بر منتشرنشدن همه اجزای لازم برای بازتولید آموزش، این مدل‌ها تحت مجوز اختصاصی Llama 4 Community License عرضه شده‌اند. این مجوز برای شرکت‌هایی با بیش از ۷۰۰ میلیون کاربر فعال ماهانه، محدودیت‌هایی ایجاد می‌کند.
Kimi K3 و GLM-5.2
Kimi K3 با معماری Mixture-of-Experts در مجموع ۲٫۸ تریلیون پارامتر دارد و از متن، تصویر و ویدئو پشتیبانی می‌کند. وزن‌های کامل، مخزن رسمی و مستندات فنی آن منتشر شده‌اند؛ اما داده‌ها و تمام اجزای لازم برای بازسازی فرایند ساخت در دسترس نیستند.
GLM-5.2 نیز در کلاس حدود ۷۵۰ میلیارد پارامتر قرار دارد و وزن‌های آن با مجوز MIT منتشر شده‌اند. بااین‌حال، بر اساس اطلاعات عمومی، درباره انتشار همه داده‌ها و کد لازم برای احراز معیارهای OSAID نمی‌توان با اطمینان داوری کرد.
آیا وزن‌باز بودن نکته منفی است؟
خیر. مدل وزن‌باز برای بسیاری از توسعه‌دهندگان از یک API بسته کاربردی‌تر است. اجرای مدل روی سرور شخصی، کنترل بیشتر بر محل پردازش داده، امکان ریزتنظیم و کاهش وابستگی به سرویس ابری از مزیت‌های آن محسوب می‌شود.
تفاوت اصلی زمانی اهمیت پیدا می‌کند که هدف، بازتولید نتایج پژوهشی، ممیزی منشأ رفتار مدل یا دستیابی به استقلال زیرساختی باشد. در این شرایط، دانستن نحوه ساخته‌شدن مدل به‌اندازه امکان اجرای آن اهمیت دارد.
این موضوع برای قانون‌گذاران نیز مهم است. قانون هوش مصنوعی اتحادیه اروپا برای مدل‌های همه‌منظوره الزاماتی مانند داشتن سیاست رعایت کپی‌رایت و انتشار خلاصه‌ای از محتوای آموزشی در نظر گرفته است. مدل‌های دارای ریسک سیستمی نیز با الزامات بیشتری روبه‌رو هستند.
سه پرسش برای تشخیص مدل متن‌باز
- آیا وزن‌های مدل در دسترس هستند؟
- آیا کد و دستور لازم برای آموزش و پردازش داده منتشر شده است؟
- آیا درباره داده‌ها و فرایند ساخت اطلاعات کافی وجود دارد و مجوز، آزادی استفاده، مطالعه، تغییر و بازتوزیع را فراهم می‌کند؟
اگر پاسخ عملاً فقط به پرسش نخست مثبت باشد، احتمالاً با مدلی وزن‌باز روبه‌رو هستید. وزن‌ها امکان استفاده از مدل را می‌دهند؛ اما دسترسی به کد، داده و دستور آموزش، امکان فهم و بازسازی نحوه ساخته‌شدن آن را فراهم می‌کند.
درباره هوش‌مصنوعی دست‌اول:
تمامی اخبار دست‌اول توسط دستیار هوش مصنوعی «هوشنگ» پردازش، صحت‌سنجی، خلاصه و بازنویسی شده است. هوشنگ هر روز با داده‌های جدید آموزش داده می‌شود و با نظارت دقیق انسانی و سردبیری دست‌اول در حال بهتر شدن است.
شما می‌توانید از چت‌بات و سایر ابزارهای هوشنگ به صورت رایگان استفاده کنید.
