Открытая модель - это не обязательно открытый ИИ В июле 2026 года Communications of the ACM опубликовал материал «Unpacking Open Source Artificial Intelligence: Toward a Framework for Openness in Foundation Models» Камила Франсуа, Адриена Басдевана и Виктора Сторчана. Авторы возвращаются к вопросу, который становится всё важнее по мере распространения генеративного ИИ: что именно мы называем «открытым»? В обычном программном обеспечении ответ сравнительно прост: есть исходный код, лицензия позволяет его изучать, изменять и распространять. С фундаментальными моделями всё сложнее. Модель - это не только код. В её создании участвуют обучающие и тестовые данные, архитектура, веса, код предварительной обработки и обучения, библиотеки, методы дообучения, код инференса, результаты оценки, документация и инфраструктура. Поэтому публикация предлагает смотреть на открытость не как на переключатель «открыто/закрыто», а как на набор отдельных характеристик. Вопрос должен звучать не «открыта ли эта модель?», а «что именно открыто, насколько, для кого и для каких целей». Например, доступные веса позволяют скачать модель и запускать её самостоятельно, но сами по себе не дают возможности воспроизвести процесс обучения. Открытый код обучения без данных тоже не обеспечивает воспроизводимость. Описание датасета повышает прозрачность, но не заменяет сам датасет. А разрешение использовать модель через API ещё дальше от контроля над технологией, чем возможность скачать её веса. Это имеет практические последствия. Чем больше компонентов доступно для изучения и изменения, тем больше возможностей для независимого аудита, воспроизводимости исследований, поиска ошибок и уязвимостей, адаптации модели под локальные языки и задачи и создания альтернативных продуктов. Но открытость не означает автоматически безопасность: доступность компонентов может одновременно облегчать и полезное исследование, и злоупотребление. Авторы также обращают внимание на системный уровень. Даже открытые веса не делают открытой всю систему, если пользователь взаимодействует с закрытым API, закрытой инфраструктурой или непрозрачными механизмами модерации. И наоборот, открытые компоненты могут сочетаться с закрытыми - поэтому оценивать нужно весь стек. Это особенно важно на фоне попыток продавать «open source AI» как единое свойство продукта. Модель с открытыми весами может оставаться очень далёкой от традиционного понимания свободного или открытого программного обеспечения. Термины «open source», «open weights» и просто «доступная» не являются взаимозаменяемыми. Авторы не предлагают свести всё к одному обязательному уровню открытости. Напротив, их подход нужен для более точного разговора о том, какие именно свободы и возможности мы хотим получить от открытой технологии. Работа продолжает исследование, опубликованное той же группой после встречи более 40 специалистов по открытости ИИ в 2024 году.