目錄
當一個 AI 模型說自己「開源」，它可能是 MIT 授權隨你用，也可能是「權重公開但超過 7 億使用者要另外談」。這兩者的差距，比「免費」跟「付費」還大。這篇整理 2026 年主流 AI 模型授權的實際差異，讓你在部署前知道自己踩在哪條線上。
授權光譜：從完全開源到 API-only
不是所有「開放」都一樣。按限制程度排列：
| 類型 | 代表 | 你能做什麼 |
|---|---|---|
| 完全開源 | MIT / Apache 2.0 | 商用、修改、再發布，幾乎無限制 |
| 受限開放 | Llama Community License | 商用可以，但超過 7 億 MAU 要另外談 |
| 開放權重 | 權重公開但自訂條款 | 可下載跑，但條款可能隨時變 |
| API-only | Claude、GPT（API） | 只能透過 API 呼叫，不碰權重 |
逐條拆解
MIT（Ornith、DeepSeek）
最寬鬆的授權。你可以商用、修改、再發布、嵌入產品、用輸出訓練自己的模型。唯一要求：保留版權聲明。
Ornith 1.5 和 DeepSeek 都用 MIT。對部署者來說，MIT 意味著「你不需要律師」。
Apache 2.0（Qwen、Gemma 4、NousCoder）
跟 MIT 一樣寬鬆，多一個專利授權條款：貢獻者自動授予你使用相關專利的權利。如果有人拿專利告你用了他們的模型，Apache 2.0 會自動撤銷那個人的授權。
重要更新：Gemma 4 在 2026 年 4 月從自訂授權改為 Apache 2.0。舊版 Gemma 3 的自訂條款允許 Google 片面修改授權、要求開發者在下游產品中執行 Google 的禁用政策，被社群批評「看起來像開源但不是」。Gemma 4 的轉向代表 Google 承認了這個問題。
Qwen（阿里）的主線模型也是 Apache 2.0。NousCoder-14B 因為基於 Qwen3-14B，繼承 Apache 2.0。
Llama Community License（Llama 4）
Meta 的 Llama 授權看起來很開放，但有三個關鍵限制：
- 7 億 MAU 門檻：如果你的產品或服務（含關聯公司）月活超過 7 億，必須向 Meta 申請另外的授權，而且 Meta 可以自行裁量是否核准。依 Llama 4 Community License 原文：「Meta may grant to you in its sole discretion」
- 品牌要求：必須在介面、文件等顯著位置標示「Built with Llama」，用 Llama 建的模型名稱必須以「Llama」開頭
- 可接受使用政策（AUP）：Meta 另外維護一份禁用清單，你必須遵守
對大多數公司（月活遠低於 7 億）來說，Llama License 在實務上跟 MIT 差不多。但如果你是大型平台，或者你的產品被大型平台收購，這個條款就會變成問題。
Nous Research 的 Hermes 4 基於 Llama 3.1，繼承這個授權。這代表：你用的模型的授權，取決於它的基底模型。
自訂授權（舊版 Gemma、部分模型）
最需要小心的類型。常見的地雷：
- 發布者可以片面修改條款（舊版 Gemma）
- 下游執行義務：你必須讓你的使用者也遵守原始條款
- 用模型輸出訓練其他模型可能被禁止
- 「非商用」變體（部分 FLUX 模型、某些研究用模型）
OSI 的定義：大多數「開源 AI」不是開源
Open Source Initiative（OSI）在 2024 年 10 月發布了 OSAID 1.0，正式定義什麼是「開源 AI」。要符合這個定義，不只要公開權重，還需要：
- 訓練資料的充分資訊——不需要公開完整資料集，但要提供足以理解和重現的資訊
- 完整的訓練與推論程式碼——包含資料處理、訓練參數、驗證程式碼
- 模型參數——權重必須在 OSI 核准的授權下公開
依這個標準，大多數自稱「開源」的 AI 模型都不合格。Ornith、DeepSeek、Qwen 公開了權重和推論程式碼，但沒有公開完整的訓練資料資訊。
目前唯一接近 OSI 定義的家族是 OLMo（Allen AI）——訓練資料、程式碼、checkpoints 全部公開。但它也代表了這個標準有多嚴格：願意做到這個程度的團隊極少。
實際場景速查
| 我能不能... | MIT | Apache 2.0 | Llama License | 自訂授權 |
|---|---|---|---|---|
| 商用產品嵌入 | ✅ | ✅ | ✅（<7 億 MAU） | ⚠️ 看條款 |
| Fine-tune 後再發布 | ✅ | ✅ | ✅（要標 Llama） | ⚠️ 看條款 |
| 用輸出訓練自己的模型 | ✅ | ✅ | ⚠️ 有爭議 | ❌ 常被禁 |
| 公司內部自架 | ✅ | ✅ | ✅ | ✅（通常可以） |
| 不標出處 | ❌ 要保留版權 | ❌ 要保留版權 | ❌ 要標 Built with Llama | ⚠️ 看條款 |
部署前的檢查清單
- 看 LICENSE 檔，不是看 README 寫的——README 常簡化
- 查基底模型的授權——fine-tuned 模型繼承基底授權的限制
- 注意「非商用」變體——同一個模型家族可能有商用和非商用兩種版本
- 留意雙授權陷阱——有些模型對學術和商用分別授權
- 確認沒有出口管制——某些國家的模型可能受出口管制限制
整體來說
2026 年的趨勢是往更寬鬆的方向走：Gemma 4 從自訂授權改為 Apache 2.0、DeepSeek 和 Ornith 用 MIT。但 Llama 的 7 億 MAU 門檻和品牌要求仍然存在，自訂授權的模型也沒有消失。
最安全的做法：部署前花 10 分鐘讀 LICENSE 檔。這比事後被告便宜得多。
參考資料
Loading...