开源 AI 模型许可证：企业团队部署前需要了解的一切

开源 AI 生态成熟得很快。在特定领域任务上达到甚至超过 GPT-4 级别表现的模型，如今可以免费取得：Llama 3.3、Qwen 2.5、Mistral、Phi-4。越来越多的企业团队选择部署这些模型，而不是按 token 向云 API 付费。

但「开源」这个词用在 AI 模型上，含义与用在软件上并不相同。每个主要模型家族都有自己的许可证，而这些差异在商业使用、分发微调版本和署名要求上，影响相当大。

本文讲清楚法务和工程团队在为生产部署挑选基础模型之前，需要理解哪些事情。

AI 模型许可证为什么不同于软件许可证

传统开源软件许可证（MIT、Apache 2.0、GPL）约束的是源代码。AI 模型许可证约束的是权重，而这是一个相对新的法律类别，解释上尚未定型。

有三点让 AI 模型的许可比软件许可更复杂：

训练数据的来源：模型权重编码了从训练语料中提取的信息。如果训练数据里包含受版权保护的材料，那么分发衍生物（包括微调模型）的合法性目前并无定论。严格说这不算许可证问题，但它会影响部署时的风险评估。

可接受使用政策：许多 AI 模型许可证包含行为层面的限制，禁止特定用途（武器研发、生成违法内容、破坏 AI 监督机制）。这些限制超出了传统软件许可证的覆盖范围，并且可能与国防、执法或安全研究领域的企业用途相冲突。

衍生模型的权利：当你微调一个模型时，你创造了一个衍生物。原模型的许可证决定了你能拿这个衍生物做什么：能否商业部署、能否分发给客户，或者只能完全私有使用。

主要模型家族的许可证拆解

Meta Llama（Llama 3.1、3.2、3.3、4）

许可证类型：Meta Llama 社区许可证（自定义，未获 OSI 认可）

商业使用：月活跃用户少于 7 亿的组织可以使用。超过这一门槛，必须另行从 Meta 取得授权。

微调模型的分发：允许，但微调模型必须沿用 Llama 社区许可证，并声明其基于 Llama 构建。

主要限制：

未经 Meta 许可，不得使用 Llama 的输出去训练其他 AI 模型（包括其他厂商的模型）
不得使用 Llama 商标，也不得暗示获得 Meta 背书
必须同意 Meta 的可接受使用政策，该政策禁止若干类用途

署名要求：微调模型必须在文档和模型卡中包含「Built with Meta Llama 3」（或对应版本）字样。

企业结论：对于月活低于 7 亿门槛的多数企业商业部署是合适的。微调和内部部署很直接。若要面向客户分发微调权重，则需要满足署名和许可证传递要求。月活超过 7 亿的企业（极少）需要单独协议。

容易踩的坑：禁止用 Llama 输出训练其他模型这一条，也包括你自己的专有模型。如果你把 Llama 生成的输出当作训练数据去训练第二个模型，除非取得明确许可，否则技术上就违反了许可证。

阿里 Qwen（Qwen 2.5、Qwen 3）

许可证类型：通义千问许可证（72B 以下的 Qwen 2.5 模型）；Apache 2.0（72B 及以上模型和更新的发布版本）

商业使用：Qwen 2.5 全系列均允许。72B 模型和多数 Qwen 3 模型采用 Apache 2.0。

微调模型的分发：两类许可证下都完全允许。72B 以下的 Qwen 2.5 模型除随附许可证外无额外署名要求；Apache 2.0 模型需要标准的 Apache 署名。

主要限制：可接受使用政策禁止生成有害内容，但范围比 Llama 的限制窄。没有月活门槛这类条款。

企业结论：这是商业上最宽松的选项之一，尤其是采用 Apache 2.0 的 72B 和 Qwen 3 模型。如果你的法务团队希望条款最清晰、限制最少，Qwen 的 Apache 2.0 模型是最稳妥的选择。

Mistral AI 系列（Mistral 7B、Mixtral、Mistral Large）

许可证类型：Apache 2.0（Mistral 7B、Mixtral 8x7B、Mixtral 8x22B）；自定义的 Mistral AI 研究许可证（Mistral Large、Codestral 等）

商业使用：Apache 2.0 模型完全允许，除 Apache 条款外无其他限制。研究许可证下的模型，商业使用需要与 Mistral AI 另行签署协议。

微调模型的分发：Apache 2.0 模型享有完整的分发权，需满足标准 Apache 署名。衍生模型没有许可证传递要求。

主要限制：Apache 2.0 基本不施加任何用途限制。研究许可证下的模型未经协议不得商业部署。

企业结论：Mistral 7B 和 Mixtral 系列是目前许可最宽松的选项之一。法务团队对 Apache 2.0 很熟悉，先例充足，合规负担极小。如果你要做生产级微调并希望分发的自由度最大，它们是很强的候选。

微软 Phi（Phi-3、Phi-4）

许可证类型：MIT 许可证

商业使用：完全允许。没有月活门槛，除一般合法性外没有用途限制。

微调模型的分发：完全允许。MIT 是最宽松的许可证之一，没有传递要求，署名要求也极少。

企业结论：宽松度最高。MIT 在法律上最干净，需要的合规工作最少。代价在性能：Phi 系列在推理类任务上很强，但在多语种或宽领域任务上可能不及 Llama 或 Qwen。

谷歌 Gemma

许可证类型：Gemma 使用条款（自定义）

商业使用：允许组织使用。其条款对「禁止用途」的定义相当宽泛，包含了超出其他模型许可证的限制。

微调模型的分发：允许，但微调模型必须依 Gemma 条款分发，且不得违反其禁止用途政策。

主要限制：禁止用途涵盖多类内容，还有一条禁止用于「对个人权利产生不利影响的自动化决策」。如果作宽泛解释，这一条可能影响受监管行业的用途（信贷、保险、医疗）。

企业结论：有可用之处，但在 AI 输出会影响重大决策的受监管场景中部署之前，那条「对个人权利产生不利影响」值得法务仔细审查。这条限制的模糊性，是企业采购时的主要顾虑。

微调模型的分发问题

对于在内部部署微调模型的企业（跑在自有基础设施上，只有员工可访问），多数许可证的要求都很轻。当你把微调权重对外分发，给客户、给合作伙伴，或作为产品的一部分时，合规负担才会上升。

向客户分发微调权重：Llama 要求许可证传递和署名。Apache 2.0 模型（Mistral、Qwen 72B）要求标准 Apache 署名。MIT 模型的要求最少。

通过 API 向终端用户提供服务：这通常被视为分发模型的能力，而不是权重本身。多数许可证对基于 API 的部署比对权重分发更宽容。

销售内嵌该模型的产品：视为商业使用，上述所有许可证都允许（Apache／MIT 模型无条件允许，Llama 则限于 7 亿月活门槛以下）。

实用的许可证选择框架

对多数企业的微调部署来说，按下面的思路挑选基础模型：

如果法律上的简单性最重要：选 Mistral 7B／Mixtral（Apache 2.0）或 Phi-4（MIT）。这两类许可证都广为人知，合规负担极小。

如果多语种表现很重要：选 Qwen 2.5 或 Qwen 3，尤其是采用 Apache 2.0 的 72B 模型或更新的版本。跨语种表现强，条款也宽松。

如果你需要最好的基准表现：Llama 3.3 70B 目前属于最强的开放权重模型之列。社区许可证对多数企业是可以应付的，但如果你打算分发微调权重，请把署名与传递要求的合规情况记录在案。

如果你处在对可接受使用条款敏感的受监管行业：优先选 Apache 2.0 或 MIT 模型，避开那些含义模糊、可能在审计时产生问题的行为限制条款。

内部模型治理政策该写什么

在内部部署开源模型时，请记录：

所选基础模型及许可证版本：记录具体的模型版本，因为许可证可能随版本变化。
微调数据的来源：你的训练数据从哪里来？这是独立于模型许可证之外的一项风险因素。
分发范围：谁能拿到微调权重？仅限内部，还是会分发给客户或合作伙伴？
可接受使用的合规性：适用的是哪份可接受使用政策，你的用途是否落在其允许范围内？
署名合规性：如果需要署名，在哪里、以何种方式提供？

这份文档既服务于你的法务审查，也构成你出于监管目的所需的 AI 模型治理记录。

拥有模型带来的优势

许可证问题在你真正拥有模型时才最有意义。当你在开源基础模型上微调并持有权重，这个模型就是一项你可以部署、做版本管理并加以掌控的资产，边界仅由基础模型的许可证划定。

对比之下，由厂商托管的模型：你的使用权完全由一份专有 API 协议决定，而这份协议可以在很短的通知期内被修改、终止或限制。那里不需要做开源许可证分析，因为你什么都没拥有，你只是在租用访问权。

查看价格 →

Ertas Studio 产出 GGUF 格式的微调模型，归你所有，可以部署到你的基础设施所在的任何地方。先挑一个符合你许可证要求的基础模型，Mistral、Qwen、Llama 或 Phi-4 都可以，剩下的交给微调流水线。