看到一個 AI 模型可以下載，很多人會直覺認為：「這是開源模型，應該可以自由拿來做產品。」但開放權重、開源 AI、免費下載與允許商用，是不同的問題。只看下載按鈕或介紹文中的「open」，不足以判斷你實際取得哪些資料、權利與使用條件。 這篇先說清楚模型權重與開源 AI 的差別，再整理挑選 AI 模型授權時應檢查的重點。目的不是替任何模型作法律判定，而是讓你知道該找哪些原始文件，避免把「拿得到」誤解成「任何用途都能直接用」。 開放權重是什麼？拿到參數，不等於拿到全部製作資訊 模型權重是模型經訓練學得的參數。它們與模型架構、執行程式等組件配合，讓系統從輸入產生輸出。權重不是一份可直接閱讀的知識百科，也不是原始訓練資料的完整副本。 本文以「開放權重」泛指模型提供者讓人可以取得模型權重的情況；實際是否需要申請、接受條款，以及允許哪些用途，仍要查看該版本的發布方式與授權。 取得權重，可能讓你有機會自行部署或進一步調整模型，但不代表同時取得完整訓練程式、資料來源說明、處理流程或不限用途的許可。也不能只憑權重檔案，就判斷訓練過程能否重建。 開源 AI 看什麼？以 OSI 1.0 定義為例 Open Source Initiative（OSI）的《Open Source AI Definition 1.0》不只看權重是否公開，而是要求系統在提供方式與條款上，讓人能夠使用、研究、修改與分享。 依這套定義，使用者應能為任何目的使用系統、研究其運作與組件、修改系統，以及分享原版或修改版。要真正行使這些自由，也需要能取得適合進行修改的必要組件。 對機器學習系統，OSI 1.0 特別列出三個部分： 資料資訊：足夠詳細的訓練資料說明，涵蓋來源、範圍、特性、取得與選擇方式，以及標註、處理與過濾方法等。 程式碼：用於訓練與執行系統的完整原始碼，包括相關資料處理與訓練設定等必要內容。 模型參數：權重及其他相關設定，並以符合該定義要求的條款提供。 因此，若只知道「權重能下載」，資訊還不足以判斷是否符合這套開源 AI 定義。反過來說，OSI 提出的是一套明確的定義框架，不是可以直接套用為全球法律結論的標籤。閱讀模型介紹時，要先問對方使用哪一種「開源」定義，再看實際交付內容與條款。 原創概念插圖：取得模型組件，和取得研究、修改所需的製作資訊，是不同層次的開放。 開源 AI 一定要公開全部原始訓練資料嗎？ 不要把 OSI 1.0 簡化成「所有原始資料一律公開」，也不要反過來說成「只寫一段資料介紹就夠了」。 OSI 的官方 FAQ說明，資料要求會區分不同情況：法律上可以分享的資料應分享；無法分享的非公開資料，則需要詳細描述。定義本身也要求列出公開可取得、以及可向第三方取得的訓練資料與取得方式。 這裡的關鍵是：讓有能力的人取得足夠資訊，能建立實質上相當的系統，而不是只得到一句「使用大量網路資料」。這也不等於保證任何人都能在任何硬體與設定下，逐步重現完全相同的訓練結果。 四種常見誤解：免費、公開、開源、商用不能畫上等號 免費下載，不代表沒有執行成本 權重檔案不收下載費，不代表部署不需要硬體、儲存、維護與測試。這是使用成本問題，和模型是否符合開源定義、授權允許哪些用途，要分開評估。 公開網址，不代表進入公有領域 能在網站找到檔案，不等於權利人已放棄所有權利。下載條件、授權文件與使用政策，仍然需要閱讀。沒有看到清楚授權時，也不應自行推論成無限制使用。 允許商用，不代表一定符合開源 AI 定義 某個模型即使允許特定商業用途，仍可能對用途、分享方式或其他條件作限制；是否符合某套開源定義，是另一個判斷。不能因為寫著「可商用」，就省略對開放組件與其他條款的檢查。 開源，也不代表完全沒有義務 OSI 的定義允許符合其要求的條款，對修改版提出以相同條款發布等條件。「有使用與修改自由」不等於不用遵守授權義務，也不會自動替你的資料處理、對外服務與輸出內容完成所有合規檢查。 下載模型前，先查這四件事 一、版本與文件是否對得上？ 先記下確切模型名稱、版本、發布者與下載來源，再找該版本的授權全文。不要把同一家公司的其他模型條款、舊版本介紹或第三方整理，當成目前檔案的使用依據。 模型卡可以幫你找到用途、限制與相關連結，延伸閱讀可看AI 模型卡怎麼看；但模型卡摘要仍不能取代它所連結的正式授權內容。 二、授權標籤後面，是否還有完整條款？ Hugging Face 官方授權文件說明，repository 可以在模型卡等文件的 metadata 中標示 license；若使用「other」，還應提供授權文字與名稱。這些標示方便查找，卻不是閱讀完整條款的替代品。 例如，Google Gemma 有獨立的使用條款，其中也納入禁止用途政策。這個例子提醒我們：即使模型能取得權重，也要繼續讀使用條款及被引用的政策，而不是看到下載入口就停止檢查。本文不據此對特定使用情境作法律結論。 三、你的用途是否被明確涵蓋？ 把計畫寫清楚：是自己測試、公司內部使用、提供付費服務，還是把權重包進產品交給別人？這些不是同一件事。接著確認修改、分享、對外提供服務，以及適用的使用限制與通知要求。 挑選商用 AI 模型時，尤其不要只問「可不可以賺錢」，還要問「以這種交付方式、在這些條件下能否使用」。若涉及正式產品或重要合約，而文件仍有不明確處，應交由合格法務或法律專業人士確認。 四、你要拿的是哪個組件？ 分清楚權重、執行程式、訓練資料及附帶素材各自從哪裡取得、適用什麼條件。不要只因為程式碼 repository 標示某個授權，就推論同一頁連結的所有模型與資料也採相同條款。 如果還打算微調、量化或蒸餾，也要核對相關條款如何處理修改與衍生物，不能只因檔案格式或模型大小改變，就假設原有條件自動消失。至於技術上的差別，可延伸閱讀AI 模型蒸餾與量化的區別。 原創概念插圖，非真實授權文件：採用模型前，先讀該版本的完整條款，再對照自己的使用與交付方式。 一個選型例子：先定義交付方式，再比模型 以下是選型思路示例，不是任何特定模型的授權判定。假設你要替公司做文件分類工具，只在內部伺服器執行，和把工具連同模型權重交給客戶安裝，交付方式就不同。 比較時，先列出「誰會取得模型檔案、誰能使用服務、是否修改、是否再分享」，再逐項對照候選版本的正式條款與實際開放內容。最後才比較準確度、資源需求與維護方式。這比先選好一個模型，再期待「open」替所有條件背書，更容易及早發現不適合的選項。 結論：把「開放多少」與「允許做什麼」分開看 開放權重回答的是你能否取得模型參數；開源 AI 的定義進一步關心研究、修改、分享所需的自由與必要組件；授權全文則關係到具體使用條件。這些資訊互有關聯，但不能互相取代。 下次看到「開放模型」時，先找確切版本、開放組件與完整授權，再對照自己的用途。拿得到，不等於什麼都能做；條件清楚，才有辦法安心評估是否適合採用。 本文為 AI 概念與文件閱讀指引，不構成個案法律意見；實際權利義務須依適用條款及法律，由合格專業人士確認。
